人脑如何编码主观的预测不确定性?

MEG解码显示,大脑在编码预测位置的同时也携带预测不确定性,且与受试者自报的不确定性相符。

直接答案

是。在这项研究中,预测不确定性可以从人类MEG信号中逐试次解码,而且解码出的不确定性与受试者自己报告的不确定性相关。这种关联出现在行为预测反应前不久,即第二个圆点消失后438–470毫秒的时间窗内。

1篇文献引用

本文由 WisPaper 驱动的搜索和论文分析生成。

把预测内容与预测不确定性分开

关于大脑预测的大部分研究都在追问预测刺激被表征在哪里。这项研究问的是另一个问题:神经群体活动是否也携带这个预测有多不确定?论文把一次预测拆成两部分:客观内容(这里是圆环上一个被预测的位置)和附着于其上的主观不确定性。

这一区分之所以重要,是因为两者可以分别测量。解码器可以从脑活动中估计最可能的预测位置,同一个生成模型还能估计这个估计值有多分散。这种分散程度就是不确定性。作者的主张是,这种分散不是应当被平均掉的噪声,而是大脑携带的信号。

让不确定性可报告的双重任务

22名健康受试者(16名女性,18–24岁)在MEG扫描仪内完成一项预测任务;其中2人因头部移动超过20毫米,数据被排除,最终为20人。每个试次中,圆环上先出现一个圆点,随后第二个圆点出现在顺时针或逆时针方向30°–60°处。经过一段空白间隔,一声提示音要求受试者眼跳到自己预测的第三个圆点位置,并保持相同的角距离和方向。

随后受试者调整标记来报告该位置,并单独调整一个以该位置为中心的弧来报告自己的不确定性:弧越长,不确定性越高。只有当真实目标落在弧内时才能得分,而且得分随弧长增加而减少(10 d⁻¹,其中d是以极角表示的弧长)。这条计分规则让受试者有理由如实报告不确定性,而不是总画一个很宽的弧。

每个run包含40个试次,受试者在1.5小时内完成8至12个run。MEG用306通道全头系统以1000 Hz连续记录。

解码一个概率分布而非一个点

分析使用一个名为TAFKAP的生成模型,它描述带噪声的神经群体反应如何由某个刺激值产生。在单试次MEG数据上反演该模型,得到的是关于预测位置的后验分布,而不是单一的最佳猜测。这个后验分布的宽度就是解码出的不确定性。

这是方法上的关键一步。由于不确定性是从重建分布的形态中读出的,它可以逐试次量化,把神经活动中的变异性当作有信息量的结构来使用。作者把这一做法建立在概率群体编码之上,即神经群体通过群体反应的形态同时编码最可能的值及其相关的不确定性。

解码位置与受试者的实际行为一致

在信任不确定性估计之前,研究先检验了内容估计。解码出的目标位置与真实目标位置相关,说明解码位置携带了真实刺激的信息。带符号的解码误差也与带符号的行为误差在受试者间相关,因此解码位置在逐试次上的偏差与受试者报告中的偏差方向一致。

随后用误差变异性验证不确定性指标。解码不确定性分别与解码误差的变异性(用受试者内的分位数分箱程序量化)和行为误差的变异性相关。换言之,当模型认为预测更不确定时,解码器和受试者的表现都更不稳定。

解码不确定性与报告不确定性相符

核心结果是解码不确定性与报告的弧长在受试者间呈正相关(r = 0.028,t(19) = 2.45,p = 0.024,Cohen's d = 0.547)。相关系数的绝对值较小,因为它是基于受试者间的逐试次关系计算的,但效应在统计上是可靠的。

三项控制分析检验了其他解释。在第二个圆点出现前100毫秒的时间窗内,神经反应反映的是对第一个圆点的感觉加工,此时预测尚未形成;该窗口的解码不确定性不能预测报告不确定性(r = −0.003,p = 0.830)。控制试次顺序后,相关仍然显著(r = 0.031,p = 0.005),而解码不确定性随试次只呈现不显著的下降趋势(p = 0.072)。控制报告误差绝对值后,相关仍然显著(r = 0.030,p = 0.033);反过来,控制报告弧长后,解码不确定性与报告误差绝对值没有显著关系(p = 0.227)。

进一步分析比较了可靠性指标。报告不确定性追踪报告误差大小,解码不确定性追踪解码误差大小(r = 0.314,p < 0.001),两者的逐试次可靠性也相关(r = 0.032,p = 0.028)。作者指出这些可靠性指标是复合测量,因此这项探索性分析并不能确定唯一的机制。

不确定性信号在反应前逐步增强

时间分辨分析使用60毫秒滑动窗口、8毫秒步长,覆盖第二个圆点消失后250毫秒到眼跳提示出现之间的时段。解码不确定性与报告不确定性之间的相关随时间上升,在第二个圆点消失后438毫秒至470毫秒之间达到显著(基于聚类的置换检验,所有p < 0.05)。作者将其解释为:随着预测的形成,不确定性的表征越来越突出。

用LCMV波束形成器对眼跳提示前100毫秒做源定位,指向一个额-纹状体簇,包括腹内侧前额叶皮层、腹侧纹状体和壳核(MNI峰值坐标X = 12,Y = 15,Z = 0)。典型的运动规划区域和早期视觉区域均未显示显著激活,作者将此视为反对纯感觉或纯运动解释的证据。关键在于,该簇的活动本身与解码不确定性(p = 0.139)或报告弧长(p = 0.977)都没有显著相关,因此这项定位只是探索性的解剖背景,并不能证明该簇编码不确定性。

预测不确定性不等于精度加权的误差

论文划出了一条谨慎的边界。已有研究在听觉、知觉和感觉运动预测加工中找到了精度的神经相关物,但这些研究主要考察的是精度加权的预测误差。本研究并未直接检验预测编码模型,在那些模型中,精度指预测误差的预期可靠性,并通过增益调制预测误差反应来实现。

这里的解码不确定性是预测本身的不确定性。作者提出它可能至少来自两个来源:前两个圆点位置在内部被表征和维持时的变异性,以及外推即将出现的第三个圆点时的变异性。这些来源可以在外部输入不变的情况下逐试次波动。

另一个限制与反应有关。由于受试者用动作反应报告不确定性,作者指出未来研究可以通过正交化不确定性大小与运动反应大小,或通过平衡反应映射,把预测不确定性与运动准备分离开来。

不确定性是预测的组成部分而非副产品

这项研究独特的贡献在于,预测不确定性是直接从神经活动中解码出来的,而不是间接推断的。此前的贝叶斯观察者研究提出,知觉估计会按各自的不确定性加权,组合感觉输入与预测,但并未解码预测不确定性本身。这里的预测不确定性是一个逐试次的经验测量。

作者还认为,这把概率群体编码从自下而上的感觉不确定性扩展到了自上而下的预测过程,支持了“通过群体活动编码不确定性可能是大脑的一般编码方案”这一假设。这是作者的解释,单靠解码结果并不能确立这一点。

对权衡证据的读者来说,优先关注的是两个时间窗之间的比较:在预测尚无法形成之前解码出的不确定性不能预测报告,而较晚解码出的不确定性可以,并且相关在反应前最后几十毫秒达到峰值。这一时间模式,加上对报告误差大小的控制,正是把真正的预测不确定性信号与残余感觉活动或笼统的困难感区分开来的依据。

本文引用的文献

1

Neural representation of the subjective uncertainty of prediction in the human brain

Prediction uncertainty was decoded trial by trial from MEG signals using a generative model, and decoded uncertainty correlated with participants' reported uncertainty, with the correlation emerging 438–470 ms after the second dot's offset, shortly before the prediction response.