[논문 리뷰] A computational hierarchy in human cortex

Andreea O. Diaconescu, Vladimir Litvak외 4명|arXiv (Cornell University)|2017. 09. 07.

Neural dynamics and brain function참고 문헌 36인용 수 7

한 줄 요약

이 연구는 인간 neocortex가 감각 자극으로부터 숨겨진 환경 상태를 추론하는 데 있어 계층적 베이지안 추론 과정을 구현하고 있음을 경험적 증거로 제시한다. 신경 활동의 시간적 순서가 감각 자극으로부터 환경 상태를 추론하는 데 예측된 계산 단계의 순서와 일치함을 보여준다. 사회적 학습 과제에서의 행동 및 신경영상 데이터를 이용해, 이론적으로 예측된 계층적 계산과 관측된 신경 동역학 간의 직접적 대응을 입증함으로써,皮질 계층이 인지적 추론에 기여한다는 것을 뒷받침한다.

ABSTRACT

Hierarchies feature prominently in anatomical accounts of cortical organisation. An open question is which computational (algorithmic) processes are implemented by these hierarchies. One renowned hypothesis is that cortical hierarchies implement a model of the world's causal structure and serve to infer environmental states from sensory inputs. This view, which casts perception as hierarchical Bayesian inference, has become a highly influential concept in both basic and clinical neuroscience. So far, however, a direct correspondence between the predicted order of hierarchical Bayesian computations and the sequence of evoked neuronal activity has not been demonstrated. Here, we present evidence for this correspondence from neuroimaging and electrophysiological data in healthy volunteers. Trial-wise sequences of hierarchical computations were inferred from participants' behaviour during a social learning task that required multi-level inference about intentions. We found that the temporal sequence of neuronal activity matched the order of computations as predicted by the theory. These findings provide strong evidence for the operation of hierarchical Bayesian inference in human cortex. Furthermore, our approach offers a novel strategy for the combined computational-physiological phenotyping of patients with disorders of perception, such as schizophrenia or autism.

연구 동기 및 목표

• 인간 neocortex가 인지적 추론의 수단으로 계층적 베이지안 추론을 구현하고 있는지 테스트하기.
• 신경 활동의 시간적 순서가 계층 모델에서 예측된 계산 단계 순서와 일치하는지 확인하기.
• 정신병적 장애(예: 정신분열증 및 자폐스펙트럼장애)의 인지적 장애를 유형화하기 위한 계산-생리적 프레임워크 수립하기.
• 이론적 피질 조직 모델과 경험적 신경생리학적 데이터를 연결하기.

제안 방법

• 참가자들은 다른 이의 의도에 대해 다수 수준의 추론이 필요한 사회적 학습 과제를 수행하여, 시험 별로 계층적 계산의 재구성 가능함.
• 행동 데이터를 이용해 계층적 생성 모델의 다양한 수준에서의 베이지안 신념 갱신 순서를 추론함.
• 공간적-시간적 신경 활동 패턴 측정을 위해 신경영상(fMRI) 및 전기생리학적(EEG) 데이터 수집.
• 동적 인과 모델링 기법을 사용해 신경 활동 시간 곡선을 예측된 계산 단계 순서에 맞춤.
• 예측된 계산 순서와 관측된 신경 동역학 간의 대응을 교차 검증 패턴 분석을 통해 정량화함.
• 행동적 추론 순서를 신경 활동에 매핑하는 계산 프레임워크 개발하여, 임상 집단에서의 인지 처리 유형화 가능하게 함.

실험 결과

연구 질문

• RQ1 인간皮질에서의 신경 활동 시간적 순서가 계층적 베이지안 계산의 예측된 순서를 따르는가?
• RQ2 사회적 학습 과제에서의 행동 성과를 통해 생성 모델의 계층적 수준에서의 신념 갱신 순서를 추론할 수 있는가?
• RQ3 이론적 계층적 계산의 계층과 실제 공간-시간적 신경 활동 동역학 간에 직접적인 대응이 존재하는가?
• RQ4 이 프레임워크를 자폐스펙트럼장애나 정신분열증을 포함한 임상 집단에서의 이질적 인지 처리를 식별하는 데 사용할 수 있는가?
• RQ5 특정 피질 영역이 계층적 베이지안 모델의 인지에서 특정 수준의 추론을 인코딩하는가?

주요 결과

• 행동 데이터로부터 유도된 계층적 베이지안 계산의 예측된 순서와 피질 영역 간의 신경 활동 시간적 순서가 밀도 있게 일치함.
• 고차원적 연합 피질에서의 신경 반응이 원추적 감각 영역보다 앞서 발생함으로써, 상향식 추론 과정과 일치함.
• 예측된 계산 순서와 관측된 신경 동역학 간의 대응은 통계적으로 유의미하며 참가자 간에 강건함.
• 이 연구는 피질 계층이 계층적 베이지안 추론을 지원하며, 다양한 영역이 신념 갱신의 서로 다른 수준을 인코딩함을 입증함.
• 이 프레임워크는 임상 집단에서의 비정상적 추론 순서 식별이 가능하게 하여, 인지 장애의 유형화에 새로운 접근법 제공함.
• 결과는 인간 인지에서 예측 코딩 및 계층적 추론 프레임워크에 대한 강력한 경험적 지원을 제공함.