深層ニューラルネットワークを用いたヒトのメタコントロールとその病理の理解

科学分野:

• 認知神経科学
• 計算精神医学
• 人工知能

背景:

• 誤差監視は、環境制御可能性を評価し、メタコントロールの価値を推定するために不可欠である。
• メタコントロールは、低レベルの制御メカニズムを調整する高次の認知プロセスを含む。
• メタコントロールの神経的および行動的相関の理解は、認知科学と臨床応用の両方にとって重要である。

研究 の 目的:

• 誤差監視とメタコントロールの行動的および神経的相関を計算シミュレーションを用いて調査すること。
• メタコントロールの研究のためのモデルシステムとして深層ニューラルネットワーク（DNN）の有用性を探求すること。
• 環境制御可能性の誤推定が行動にどのように影響し、ヒトの心理的特性を潜在的にモデル化するかを調査すること。

主な方法:

• 報酬ガイド学習タスクにおいて、深層強化学習（RL）エージェントとヒト参加者を利用した。
• このタスクには、行動制御可能性の変化への適応が含まれていた。
• 内側前頭前野の活動を模倣して、行動予測誤差を明示的に予測するようにRLエージェントを訓練した。

主要な成果:

• 強化学習エージェントは、行動予測誤差を予測するように訓練された場合にのみ、タスクを正常に実行した。
• 訓練された強化学習エージェントは、ヒトで観察されたものに匹敵するメタコントロールのシグネチャを示した。
• 制御可能性の過大または過小評価は、ヒトのうつ病、不安、または強迫的特性を反映する行動病理につながった。

結論:

• 深層ニューラルネットワークは、メタコントロールプロセスのモデリングに価値のあるツールとして役立つことができる。
• 行動予測誤差の明示的な予測は、メタコントロールAIエージェントの開発に不可欠である。
• メタコントロールの計算モデルは、ヒトの心理状態の根底にあるメカニズムへの洞察を提供できる。