对感觉证据的灵活压缩使人类决策更能抵御噪声神经计算

对模糊刺激进行分类，需要通过带噪声的神经计算随时间累积感觉证据。关于这些证据是在其原生感觉空间中累积，还是在仅保留决策相关信息的抽象且压缩的类别空间中累积，各理论存在分歧。在此，我们设计了一项视觉分类任务：在刺激序列之前或之后揭示决策类别，决定了可用于累积证据的空间，同时不改变最优决策。当人类能够在类别空间中累积证据时，他们的判断更准确，推断的噪声也更小。同步的脑磁图（MEG）记录显示，在这些条件下，证据被压缩到决策类别上，形成了灵活且能预测准确性的表征。在相同任务上训练的循环神经网络（RNN）发展出了相同的策略，这使其决策对带噪声的计算更具鲁棒性。总之，这些发现表明，人类大脑通过将有限的计算资源集中于决策相关信息，来缓解带噪声推断的代价。

中文由 AI 翻译，仅供参考，以原文为准。