威斯康星卡片分类任务中的稳定性与灵活性源自自由能原理下的目标导向推断与规划
Stability and flexibility in the Wisconsin Card Sorting Task emerge from goal-directed inference and planning under the free-energy principle
预印本 · 尚未经过同行评审
威斯康星卡片分类任务常被用来研究稳定性与灵活性的平衡,但已有计算模型多预先给定类别变量,也未涵盖类别学习与目标导向选卡过程。作者用基于自由能原理的分层循环神经网络建模该任务,先由观测推断环境,再规划选卡以获得正确反馈,两步都通过最小化预测误差实现。学习阶段潜状态形成与类别相关的聚类,测试阶段模型在正确反馈后保持估计、错误反馈后切换,去掉目标导向过程后两者均变差。
在目标导向行为中,大脑必须在稳定性与灵活性之间取得平衡。稳定性意味着保持对环境情境的当前识别,而灵活性意味着切换到新的识别。威斯康星卡片分类任务(WCST)是研究这种平衡的标准任务。在该任务中,稳定性是在正确反馈后保持类别估计,灵活性是在错误反馈后切换类别估计。已有计算模型被提出来阐明这种平衡背后的机制。然而,大多数模型预先为每个类别给定一个变量,并且每个模型从一开始就把正确反馈视为可取的。这些模型既没有涵盖类别学习过程,也没有涵盖调整卡片选择以获得正确反馈的目标导向过程。为了在一个原理下解释这两个过程,我们基于自由能原理(FEP)用分层循环神经网络对 WCST 进行了建模。该模型首先从观测中推断环境,然后规划卡片选择以达成目标。在这两个步骤中,模型都基于 FEP 最小化预测误差。对于推断,误差存在于预测信号与接收信号之间。对于规划,误差存在于预测反馈与正确反馈之间。结果,在学习过程中,潜在状态形成了与类别相关的簇。在测试阶段,模型在正确反馈后保持估计,在错误反馈后切换估计。移除目标导向过程会削弱保持和切换。这意味着这两个过程以及这种平衡源自 FEP。
中文由 AI 翻译,仅供参考,以原文为准。
来源:bioRxiv · Neuroscience · biorxiv.org