[论文解读] The implications of perception as probabilistic inference for correlated neural variability during behavior

Ralf M. Haefner, Pietro Berkes+1 more|arXiv (Cornell University)|Aug 31, 2014

Neural dynamics and brain function参考文献 42被引用 4

一句话总结

本文提出一种概率推理框架，其中皮层反馈在感知决策过程中塑造感觉神经活动的可变性，解释了任务依赖的噪声相关性、选择概率与心理物理核函数时间进程的差异，并预测相关可变性编码了与任务相关的信息而非噪声。该模型通过神经采样以规范且可检验的方式整合感觉与认知信号。

ABSTRACT

This paper addresses two main challenges facing systems neuroscience today: understanding the nature and function of a) cortical feedback between sensory areas and b) correlated variability. Starting from the old idea of perception as probabilistic inference, we show how to use knowledge of the psychophysical task to make easily testable predictions for the impact that feedback signals have on early sensory representations. Applying our framework to the well-studied two-alternative forced choice task paradigm, we can explain multiple empirical findings that have been hard to account for by the traditional feedforward model of sensory processing, including the task-dependence of neural response correlations, and the diverging time courses of choice probabilities and psychophysical kernels. Our model makes a number of new predictions and, importantly, characterizes a component of correlated variability that represents task-related information rather than performance-degrading noise. It also demonstrates a normative way to integrate sensory and cognitive components into physiologically testable mathematical models of perceptual decision-making.

研究动机与目标

• 解决将皮层反馈与感知中的神经可变性联系起来的挑战。
• 解释在2AFC任务中长期存在的经验谜题，例如噪声相关性的任务依赖性，以及选择概率与心理物理核函数时间进程的差异。
• 开发一种可神经生理检验的框架，通过概率推理整合感觉与认知过程。
• 将相关神经可变性表征为并非噪声，而是携带与任务相关的信息。

提出的方法

• 该模型将感知建模为使用包含感觉输入（x）、增益调制（g）和决策（D）潜变量的层次生成模型的概率推理。
• 通过神经采样近似潜变量的后验分布，基于传入的感觉样本在线更新信念。
• 决策层面（D）的反馈作为感觉表征的自上而下的先验，调节早期区域的反应。
• 该模型假设一个感觉独立的时间尺度（ns），在此期间证据被整合，且采用连续更新而非批量处理。
• 选择概率（CP）与心理物理核函数（PK）作为神经-行为相关性与刺激-行为相关性的统计度量进行计算。
• 模拟使用吉布斯采样在受控任务条件下生成神经反应与行为选择，参数由经验时间进程约束。

实验结果

研究问题

• RQ1 高层决策区域的反馈如何在感知决策过程中塑造早期感觉神经活动的可变性？
• RQ2 为何感觉神经元中的噪声相关性依赖于任务背景，其功能角色是什么？
• RQ3 为何在某些2AFC任务中选择概率与心理物理核函数表现出不同的时间进程？
• RQ4 一个规范的概率推理模型能否在无需人为假设的情况下解释CP与PK的动力学？
• RQ5 相关神经可变性的功能意义是什么——它代表噪声，还是与任务相关的信息？

主要发现

• 该模型成功再现了噪声相关性的任务依赖性，其随决策任务结构而变化。
• 它解释了选择概率（CP）与心理物理核函数（PK）时间进程的差异，表现为CP随时间增加而PK在某些任务中减少。
• 该模型预测噪声相关性在空间结构上呈现两个极大值与两个极小值，与任务相关刺激对齐。
• 这些极大值与极小值的振幅随感知学习的时间尺度而增加，与经验趋势一致。
• 该模型预测证据的相对加权在试验过程中动态变化，取决于刺激强度。
• 相关可变性并非仅仅是噪声，而是编码了与任务相关的信息，因为它反映了自上而下的先验对感觉表征的影响。