高レベルの視覚的驚きを高速計算する

科学分野:

• 神経科学
• 認知科学
• 計算神経科学

背景:

• 予測処理理論は、脳が感覚入力を予期すると仮定しています。
• 感覚予測誤差、つまり期待からの逸脱は、知覚推論に不可欠です。
• 脳がどの刺激特徴を予測するかを理解することは、重要な問題のままです。

研究 の 目的:

• どの視覚的特徴（低レベル対高レベル）が神経応答に影響を与える驚きを生み出すかを調査すること。
• 脳が抽象的または具体的な刺激特性を予測するかどうかを判断すること。

主な方法:

• 脳活動を記録するために脳波検査（EEG）を利用しました。
• 驚きを定量化するために深層ニューラルネットワーク（DNN）を用いた計算モデリングを採用しました。
• 参加者に確率的に予測されたオブジェクト画像を表示しました。

主要な成果:

• 刺激オンセット後約200ミリ秒の神経応答は、高レベルの視覚的驚きによって有意に増加しました。
• 低レベルの視覚的驚きは、これらの神経応答に有意に影響しませんでした。
• 驚きは、初期（低レベル）と後期（高レベル）の両方のDNN層で定量化されました。

結論:

• 脳の予測処理は、高レベルで抽象的な特徴予測に依存しています。
• これらの高レベル予測は、知覚推論に迅速に情報を提供します。
• 予測機構は、知覚を強化するために、低レベルの感覚的詳細よりも抽象的な期待に最適化されています。