2014/01/24 榎本

The behavioral and neural mechanisms underlying the tracking of expertise.
Boorman ED, O'Doherty JP, Adolphs R, Rangel A.
Neuron. 2013 Dec 18;80(6):1558-71.

　確率的に増減する資産の変動を推定するエージェントの成績を当てる課題において、エージェントがヒトの場合とコンピュータアルゴリズムの場合（じっさいはどっちもアルゴリズム）で被検者の行動と脳活動がちがった、という話です。被検者の行動は（準最適な）ベイズ則によってよく記述できました。エージェントがヒトの場合は、被検者と同じ予測で正解したときにアルゴリズムよりも良く評価され、間違えたときも大目に見てもらえるのに対して、エージェントがアルゴリズムの場合は、被検者と違う予測をして不正解だったときに、ヒトよりもペナルティが大きい。そんでfMRIイメージングにおいて、右側のOFCとmPFCがこれらの行動パターンと似た活動を示した、という。あとはTPJとか線条体とかまあいろいろ。

　いぜん紹介した鈴木さんの論文や、ベーレンスの過去の仕事とも深く関係するものです。モデル比較や強化学習モデルでの試算なんかもいろいろやってるので興味のある向きはSIもよく読んでみてください。それでは都知事選、相手がヒトだからといって甘くみずに、よく考えて投票しましょう。

Assessing Others: Evaluating the Expertise of Humans and Computer Algorithms


PDF+SI | SLIDE

2013/06/4 春野

Computational phenotyping of two-person interactions reveals differential neural response to depth-of-thought.
Xiang T, Ray D, Lohrenz T, Dayan P, Montague PR.
PLoS Comput Biol. 2012;8(12):e1002841.

Level0の被験者はstriatumに1st order errorの活動を示した。ナイーブな被験者が行動の変化にこのタイプの情報を使うことを示唆

Level2の被験者のstriatumは 2nd order errorの活動を示した。　高度なプレイヤーは相手の行動の直接的影響を割引き、相手の信念と行動をシミュレートし、制御することを重視する。

この研究は社会的意思決定の論理的側面をモデル化した。しかし、例えば(Delgado et al. 2005)は、trusteeの道徳的記述(good, bad)がinvestorの行動と、decision, feedback時の線条体活動を(neutralの場合と比べ)変化させることを報告している。

このような情動と論理的側面を計算モデルで統合する必要

pdf  slide

2013/04/19 春野

A distinct role of the temporal-parietal junction in predicting socially guided decisions.

Carter RM, Bowling DL, Reeck C, Huettel SA.

Science. 2012 Jul 6;337(6090):109-11.

• TPJの予測性はヒト相手に選択的という意味で社会認知のネットワークにおいて特別 
• TPJは他のエージェントが持つ行動的な適切性に感度を持つ 
• TPJ のtDCS刺激で他者への感度を上げられる?

2013/02/12 春野

Neural correlates of reinforcement learning and social preferences in competitive bidding.
van den Bos W, Talwar A, McClure SM.
J Neurosci. 2013 Jan 30;33(5):2137-46.

In competitive social environments, people often deviate from what rational choice theory prescribes, resulting in losses or suboptimal monetary gains. We investigate how competition affects learning and decision-making in a common value auction task. During the experiment, groups of five human participants were simultaneously scanned using MRI while playing the auction task. We first demonstrate that bidding is well characterized by reinforcement learning with biased reward representations dependent on social preferences. Indicative of reinforcement learning, we found that estimated trial-by-trial prediction errors correlated with activity in the striatum and ventromedial prefrontal cortex. Additionally, we found that individual differences in social preferences were related to activity in the temporal-parietal junction and anterior insula. Connectivity analyses suggest that monetary and social value signals are integrated in the ventromedial prefrontal cortex and striatum. Based on these results, we argue for a novel mechanistic account for the integration of reinforcement history and social preferences in competitive decision-making.