神经营销/消费者神经科学中的可解释的人工智能 (xAI):关于品牌知觉的fMRI研究
José Paulo Marques Dos Santos1,2,3,4, José Diogo Marques Dos Santos5,6
1Department of Business Administration, University of Maia, Maia, Portugal.
Frontiers in human neuroscience
|April 8, 2024
概括
消费者神经科学研究使用人工智能 (AI) 和功能磁共振成像 (fMRI) 来了解品牌感知. 这项研究表明,早期的视觉处理可以区分喜欢的品牌和冷漠的品牌,这表明了并行的"标记"过程.
科学领域:
- 消费者神经科学 消费者神经科学
- 计算精神病学是一种计算精神病学.
- 神经成像是一种神经成像.
背景情况:
- 消费者神经科学越来越多地利用人工智能 (AI) 和机器学习等计算方法.
- 之前的研究使用功能磁共振成像 (fMRI) 和人工神经网络 (ANN) 建模了对品牌偏好的大脑过程.
- 可解释性AI (xAI) 的进步为解释复杂的神经成像数据提供了新的机会.
研究的目的:
- 整合fMRI数据,机器学习和xAI来识别支持品牌认知的大脑网络.
- 在早期处理阶段寻找大脑网络,以区分首选品牌和冷漠品牌.
- 提高人工智能模型的可解释性,以了解消费者选择的神经机制.
主要方法:
- 应用独立组件分析 (ICA) 对高维的fMRI数据.
- 在提取的特征上训练了一个人工神经网络 (ANN),然后进行修剪和再训练.
- 用途权重和沙普利值用于可解释AI (xAI) 分析来解释ANN决策.
主要成果:
- 在重新训练后,ANN的准确性达到55.9%,超过了最初的完全连接模型.
- 可解释的AI分析表明,视觉系统很早就参与了品牌认知.
- 发现特定的大脑区域,包括皮和侧皮,可以区分喜欢的和不喜欢的品牌.
结论:
- 品牌偏好差异化可能发生在早期的视觉处理阶段,挑战顺序决策管道.
- 有证据表明,有一个平行线.
- 标记类似的标签.
- 在外层皮质中的过程用于品牌评估.
- 针对品牌刺激的决策神经基质涉及隐藏网络节点内的聚合过程,将全球评估和类别分类联系起来.
