Интересное сегодня
Введение
Идея о том, что мозг кодирует генеративную модель мира для осмысления сенсорных входных данных, стала весьма влиятельной в нейробиологии и философии сознания. Этот подход характеризует мозг не как пассивного получателя информации, а как активно anticipating entity, который формирует собственные sensory потоки. Эти идеи наиболее extensively применялись к обработке входных данных в сенсорные кортексы, но теперь расширяются для объяснения контроля действий и поведения. С этой точки зрения, действие (как и восприятие) служит для максимизации evidence для генеративной модели. В текущей работе мы исследуем, согласуется ли идея мозга как hierarchical prediction engine с oculomotor обучением в задаче координации глаз-рука.
Методы
Дизайн исследования
Данные, представленные здесь, были собраны как часть более масштабного исследования, изучающего влияние тревоги на predictive eye movements и кинематику движений во время задачи перехвата. Здесь мы сообщаем только данные из baseline (низкая тревожность) условий. Данные были объединены по двум noncontingent feedback подусловиям (оба с низкой тревожностью), поскольку feedback происходил после eye movements и, следовательно, не должен влиять на trial-to-trial изменения в taskevoked response.
Участники
Сорок четыре участника (возраст 18–30 лет, средний = 22.8 ± 2.3; 23 мужчины, 21 женщина) были набраны из популяции университета Великобритании для участия в исследовании. Участники не были осведомлены о целях эксперимента и сообщили об отсутствии prior experience игры в VR-based racquet sports.
Задача
Участники выполняли VR interception task, ранее разработанную Arthur et al. для изучения active inference при аутизме. Участники помещались в виртуальную среду, симулирующую indoor racquetball court. Корт простирался на 15 м в длину и ширину. Мишень, состоящая из серии концентрических кругов, проецировалась на переднюю стену. Над этой мишенью был дополнительный круг (высота: 2 м), откуда запускались виртуальные мячи во время каждого trial.
Измерения
Угол pitch взгляда: Предыдущая работа показала, что predictive eye movements могут быть использованы для моделирования active inference во время перехвата bouncing ball. При перехвате мяча в этой задаче individuals было показано, что направляют single fixation в location на несколько градусов выше точки отскока приближающегося мяча.
Расширение зрачка: Бинокулярный диаметр зрачка (в мм) записывался с частотой 90 Гц со встроенной системы отслеживания глаз в VR шлеме. Данные обрабатывались с использованием protocols, хорошо established в литературе.
Результаты
Сравнение моделей
В поддержку нашей первой гипотезы, model fits strongly favoured both HGF модели над RW learning model. Bayes factors показали, что данные considerably более likely under the 3-level и 4-level HGF, чем RW модель.
Связь расширения зрачка с параметрами модели
β weights не отличались significantly от нуля для либо μ2, либо μ3 параметров, указывая, что для большинства участников taskevoked pupil response не отслеживал beliefs about p(normal) или volatility. β weights были, однако, positive и significantly отличались от нуля для ε2 и α.
Обсуждение
В этом исследовании мы изучили взаимосвязь между physiological encoding of surprise и active inference поведениями during naturalistic visuomotor task. Эта работа provides важный тест foundational моделей perceptual системы и расширяет текущее понимание в более реалистичные human movement skills.
Заключение
В summary, эта работа provides новые insights в контроль anticipatory eye movements during complex movement tasks. Результаты показывают, что phasic physiological signalling of surprise является потенциально important механизмом в active inference и human sensorimotor поведении.
