Trends in Cognitive Science：所有的想法都是“一厢情愿”的| 脑科学顶刊导读040期
1，所有的想法都是“一厢情愿”的
2，解开动机之谜
3，通过神经网络模型理解时间的计算
4，从注视分配和瞳孔扩大中分离损失厌恶
5，适应性社交网络促进集体的智慧1，所有的想法都是“一厢情愿”的
期刊：Trends in Cognitive Science
人们常常寻求新的信息，或急切地更新他们的信仰；但又在另一些时候，回避信息或拒绝改变自己的信仰。是什么造成了这些不同的反应？以往对这个问题的回答，通常把信息处理看作是认知和动机之间的竞争。本文通过将两个理论框架--认知动机和主动推理--结合起来来解决这一分歧。尽管这两个框架是从不同的知识传统演变而来，但都证明了动机因素对认知过程的必要性。
认知动机框架下指导模型构建的必要事件可以对应主动推理框架中的关键结构。构建这些连接提供了一种用贝叶斯计算来表达社会心理结构的方法，并为将来的工作提供了一个生成性的测试基础。
2，解开动机之谜
期刊：Trends in Cognitive Science
动机在人的行为和认知中起着核心作用，但尚未被已广泛使用的人工智能（artificial intelligence，AI）和计算模型框架很好地建模。本文讨论了关于动机本质的两个核心问题：
1）驱动动机系统的内部目标的本质和动态是什么？
2）动机系统如何能够足够灵活地支持我们快速适应新情况、新任务等的能力？
在回顾现有的系统和神经科学研究，并对这些问题进行理论化的过程中，可以发现许多限制动机计算模型发展的见解。
3，通过神经网络模型理解时间的计算
期刊：PNAS
为了在这个不断变化的世界中最大化未来的回报，动物必须能够发现刺激的时间结构，然后在正确的时间正确地预测并采取行动。在工作记忆中，动物如何感知、维持和使用从几百毫秒到多秒的时间间隔？时间信息是如何与空间信息和决策同时处理的？为什么在不需要时间信息的任务中会有强烈的神经元时间信号？目前，对这些问题的潜在神经机制仍缺乏系统的理解。
本研究旨在使用递归神经网络模型的监督训练来解决这些问题。我们发现，神经网络通过沿固定轨迹的状态演变来感知时间，通过单调增加或减少区间调谐神经元的放电频率来维持工作记忆中的时间间隔，并通过缩放状态演化速度来比较并产生时间间隔。
时间和非时间信息编码存在于互相正交的子空间中，不同非时间信息下的状态轨迹是准平行同构的。这样的几何结构编码促进了时间和非时间信息之间的解码泛化。网络结构表现出多个前馈序列，这些前馈序列根据对非时间信息的偏好是否相似而相互激励或抑制。我们还确定了在非定时任务中促进强时间信号的四个因素。我们的工作揭示了时间处理的基本计算原理，并得出了对一些实验现象的支持和预测。
4，从注视分配和瞳孔扩大中分离损失厌恶
期刊：PNAS
5，适应性社交网络促进集体的智慧
期刊：PNAS
在什么情况下，团体的表现超过个人成员？随着新纽带的建立和现有纽带的消失，社交网络不断变化。人们普遍认为，社会嵌入对我们处理所收到的信息以及如何形成信念和作出决定有着重大的影响。然而，关于社会网络在集体智力中的作用的实证研究，大多忽略了社会网络的动态性质及其在培养适应性集体智力中的作用。因此，对于个体群体如何动态地修改他们的局部连接以及交互网络的拓扑结构以响应不断变化的环境条件的情况，人们知之甚少。
本研究通过一系列的行为实验和数据模拟来解决这个问题。结果表明，在存在可塑性和反馈的情况下，社交网络能够适应有偏见和不断变化的信息环境，并产生比团体中表现最好的成员更准确的集体估计。
为了解释这些结果，我们探索了两种机制：
1)一种全局适应机制，其中网络本身的结构连通性发生变化，从而放大了组内高性能成员的估计(即网络“边缘”编码计算)；
2)局部适应机制，其中精确的个人对社会影响更有抵抗力(即对网络中“节点”的属性进行调整)；
因此，他们的初始信念在集体估计中被不成比例地加权。我们的发现证实了社会网络可塑性和反馈作为完善个人和集体判断的关键适应机制的作用。
作者信息
校审：Freya（brainnews编辑部）
题图：Singularity Hub
前 文 阅 读
欢迎加入超过 18000人的
全球最大的华人脑科学社群矩阵