Nature子刊：斯坦福大学通过益智游戏解码大脑如何运作-杭州脑海科技有限公司

点击【下方卡片】关注我们~最新前沿资讯抢先看

开放转载，欢迎大家转发到朋友圈和微信群

可添加小编微信【13295818579】获取原文

2023年1月19日，斯坦福大学的Paul I. Jaffe博士及其研究团队在Nature子刊（IF=29.9）上发表了题为“Modelling human behaviour in cognitive tasks with latent dynamical systems”的文章，研究人员引入了深度的学习框架，并通过对模型潜在动力学的分析，发现通过模仿人类的“任务切换”行为，将注意力从一项任务转移到另一项任务，可以解释大脑如何动态地产生行为。

该项基础研究对于帮助研究人员理解认知控制非常重要，认知控制包括基本的心理过程，使人们能够专注于手头的任务，但在需要时也可以灵活地脱离任务。研究人员对这些能力进行了测试，该研究还可以帮助人们了解认知控制缺陷的疾病，例如双相情感障碍和精神分裂症。

在游戏过程中，玩家使用键盘上的方向键来指示绿叶的移动方向和红叶的移动方向，绿叶和红叶交替出现。精通这种任务切换游戏是为了训练心理灵活性，因为玩家必须反复将注意力从一个任务转移到另一个任务。

研究人员开发了一种对这些数据进行建模的新方法，这种方法对大脑如何完成一项特定任务的假设较少。现有的认知处理模型以一种“自上而下”的方式组装简单的组件。研究人员对大脑如何完成任务做了很多假设，比如它们不能与参与者的数据相匹配等。

该研究开发了一个框架，用于模拟人类在认知任务中的行为，称为DyVA任务。研究人员使用动态神经网络，将任务刺激作为输入，并生成任务反应作为输出，就像人们在参与任务时所做的那样。

DyVA模型框架与任务切换博弈

DyVA任务不仅可以适用于大量的数据，还可以模拟参与者的个体差异。我们可以为每个人的数据拟合一个模型，然后观察模型的差异。然后我们就可以观察模型的“大脑”内部神经网络，并了解它是如何完成任务的。

该研究采用了一种叫做变分自动编码器的机器学习算法，这是一种用于处理复杂概率模型的推理和学习的方法。研究人员使用了来自140名20-89岁Ebb和Flow参与者的现有数据去识别数据集并开发他们的建模框架，并最终通过分析大脑如何完成任务的模型来提出问题。

在该研究中，研究人员试图了解这些模型是如何完成任务的。研究发现，在这个更广泛的任务切换任务中，两个任务在模型的潜在空间的不同区域中表示。每一项任务都由模型“大脑”的两个不同区域完成。

DyVA模型捕捉人类行为

分离的任务会增加转换成本

这一发现可以解释为什么会有“转换成本”，人们转换任务时反应变慢，是由于活动从一个大脑区域转移到另一个需要时间。更重要的是，该模型还可以解释为什么与集中控制相比，分散这些任务对大脑更有利。

研究发现，通过将任务分成这两个不同的大脑区域，实际上会使模型更稳健，因为在这些大脑区域中，噪音更难干扰任务。通过将事物分开，可以让大脑很好地完成每一项任务，而不会被其他任务的信号所混淆。

展望未来，该团队正试图将该模型应用于其他任务，甚至训练它完成多个任务，以开始理解和开发新的模型，从而解释人们如何从有限的经验中完成归纳，并执行日常生活中遇到的大量复杂任务。

研究人员目前正在使用超级计算机上的路径分配系统处理大量公开共享的fMRI数据集。为了适应解释大脑和行为所需要的复杂模型，我们需要真正强大的计算系统。强大的计算资源对于重要工作的完成是至关重要的。

参考文献

Jaffe, P. I., Poldrack, R. A., Schafer, R. J., & Bissett, P. G. (2023). Modelling human behaviour in cognitive tasks with latent dynamical systems.Nature human behaviour, 7(6), 986–1000. https://doi.org/10.1038/s41562-022-01510-8

资讯来源

https://medicalxpress.com/news/2023-04-brain-games-reveal-clues-mind.html

欢迎加入前沿资讯交流群，入群方式：

添加小编微信13295818579

备注（姓名-工作单位/院校-研究方向-文献交流）

（可扫描下方二维码）