WikiDer > Двухальтернативный принудительный выбор

Двухальтернативный принудительный выбор (2AFC) - это метод измерения субъективного опыта человека или животного через их характер выбор и время отклика. Субъекту предлагаются два альтернативных варианта, только один из которых содержит цель стимул, и вынужден выбирать, какой из них был правильным. Оба варианта могут быть представлены одновременно или последовательно через два интервала (также известных как двухинтервальный принудительный выбор, 2IFC). Термин 2AFC часто ошибочно используется для описания более распространенных да-нет задача, где субъекту предоставляется только один вариант и он вынужден выбирать, принадлежит ли он к той или иной категории. 2AFC - это метод психофизика разработан Густав Теодор Фехнер.^[1]

Поведенческие эксперименты

При разработке задачи используются различные манипуляции, предназначенные для проверки конкретной поведенческой динамики выбора. В одном хорошо известном эксперименте внимания, исследующем переключение внимания, в задаче по метке Познера используется схема 2AFC для представления двух стимулов, представляющих два заданных местоположения.^[2] В этом дизайне есть стрелка, указывающая, на какой стимул (место) следует обратить внимание. Затем человек должен ответить между двумя стимулами (местоположениями), когда будет предложено. На животных задача 2AFC использовалась для проверки подкрепление вероятностное обучение, например, такое как выбор у голубей после подкрепления испытаний.^[3] Также была разработана задача 2AFC для проверки принимать решение и взаимодействие вознаграждения и вероятностного обучения у обезьян.^[4]

Пример кинетограммы со случайными точками, используемой в задаче 2AFC.

Обезьян учили смотреть на центральный раздражитель, а затем им предъявляли два основных стимула рядом. Затем ответ может быть сделан в виде саккада слева или справа от стимула. Затем после каждого ответа назначается награда в виде сока. Затем количество сока варьируется, чтобы изменить выбор.

В другом приложении 2AFC предназначен для проверки дискриминации восприятие движения. В случайный задача согласованности движения точки, вводит случайный точечная кинетограмма с процентом чистого когерентного движения, распределенного по случайный точки.^[5][6]Процент точек, движущихся вместе в заданном направлении, определяет согласованность движения по направлению. В большинстве экспериментов участник должен сделать выбор между двумя направлениями движения (например, вверх или вниз), что обычно определяется двигательной реакцией, такой как саккада или нажав кнопку.

Предубеждения в принятии решений

Возможны предубеждения в принимать решение в задаче 2AFC. Например, если один стимул происходит с большим количеством частота чем другой, то частота воздействия стимулов может повлиять на убеждения участника относительно вероятность появления альтернатив.^[4][7] Введение смещений в задачу 2AFC используется для модуляции принимать решение и изучить основные процессы.

Вычислительные модели принятия решений

Задача 2AFC дала последовательные поведенческие результаты при принятии решений, которые привели к разработке формальных моделей, пытающихся смоделировать динамику принятия решений.^{[8][9][10][11][12][13][14][15][16][17]}

Обычно есть три предположения, сделанные вычислительные модели используя 2AFC:

i) доказательства в пользу каждой альтернативы объединяются с течением времени; ii) процесс подлежит случайный колебания; и iii) решение принимается, когда накоплено достаточно доказательств в пользу одной альтернативы перед другой.

— Богач и др., Физика принятия оптимальных решений^[7]

Обычно предполагается, что различие в доказательствах в пользу каждой альтернативы - это количество, отслеживаемое во времени, и то, что в конечном итоге влияет на решение; однако свидетельства в пользу различных альтернатив можно отслеживать по отдельности.^[7]

Дрейфово-диффузионная модель

Пример шести последовательностей накопления доказательств от несмещенного (100% шума) источника. Пунктирными линиями обозначены пороговые значения для принятия решения для каждой из двух альтернатив.

Дрейфово-диффузионная модель (DDM) хорошо определена.^[18] модель, которая предлагается для реализации оптимальной политики принятия решений для 2AFC.^[19] Это непрерывный аналог случайная прогулка модель.^[7]DDM предполагает, что в задаче 2AFC субъект накапливает свидетельства для той или иной альтернативы на каждом временном шаге и интегрирует эти свидетельства до тех пор, пока не будет достигнут порог принятия решения. Поскольку сенсорный ввод, который составляет свидетельство, является шумным, накопление до порога стохастический скорее, чем детерминированный - это приводит к поведению, подобному направленному случайному блужданию. Было показано, что модель диффузии дрейфа описывает точность и время реакции в человеческих данных для задач 2AFC.^[13][18]

Формальная модель

Пример десяти последовательностей накопления свидетельств для DDM, где истинный результат присваивается верхнему порогу. Из-за добавления шума две последовательности дали неточное решение.

Накопление доказательств в DDM регулируется по следующей формуле:

${ Displaystyle dx = Adt + cdW , x (0) = 0}$^[7]

В нулевой момент времени накопленное свидетельство x устанавливается равным нулю. На каждом временном шаге накапливается некоторое свидетельство A для одной из двух возможностей в 2AFC. А положительный, если правильный ответ представлен верхним порогом, и отрицательный, если нижний. Кроме того, для представления шума на входе добавляется шумовой член cdW. В среднем шум сведется к нулю.^[7] Расширенный DDM^[13] позволяет выбрать ${ displaystyle A}$ и начальное значение ${ Displaystyle х (0)}$ из отдельных распределений - это обеспечивает лучшее соответствие экспериментальным данным как по точности, так и по времени реакции.^[20][21]

Другие модели

Модель Орнштейна – Уленбека

В Орнштейн – Уленбек модель^[14] расширяет DDM, добавляя еще один термин, ${ displaystyle lambda}$, к накоплению, которое зависит от текущего накопления доказательств - это имеет чистый эффект увеличения скорости накопления в сторону первоначально предпочтительного варианта.

${ Displaystyle dx = ( лямбда х + A) dt + cdW}$^[7]

Модель гонки

В гоночной модели^[11][12][22] свидетельство для каждой альтернативы накапливается отдельно, и решение принимается либо когда один из накопителей достигает заданного порога, либо когда решение принудительно, а затем выбирается решение, связанное с накопителем с самым высоким свидетельством. Формально это можно представить следующим образом:

${ displaystyle { begin {align} dy _ { text {1}} = I _ { text {1}} dt + cdW _ { text {1}} dy _ { text {2}} = I _ { text {2}} dt + cdW _ { text {2}} end {align}}, quad y _ { text {1}} (0) = y _ { text {2}} (0) = 0}$^[7]

Модель гонки математически не сводится к DDM,^[7] и, следовательно, не может использоваться для реализации оптимальной процедуры принятия решения.

Модель взаимного торможения

Модель взаимного торможения^[16] также использует два аккумулятора для моделирования накопления доказательств, как в модели гонки. В этой модели два накопителя оказывают тормозящее действие друг на друга, так что, когда доказательства накапливаются в одном, это ослабляет накопление доказательств в другом. Кроме того, используются негерметичные аккумуляторы, так что со временем накопленные доказательства распадаются - это помогает предотвратить неконтролируемое накопление в сторону одной альтернативы, основанной на небольшом количестве доказательств в одном направлении. Формально это можно представить как:

${ displaystyle { begin {align} dy _ { text {1}} = (-ky _ { text {1}} - wy _ { text {2}} + I _ { text {1}}) dt + cdW _ { text {1}} dy _ { text {2}} = (-ky _ { text {2}} - wy _ { text {1}} + I _ { text {2 }}) dt + cdW _ { text {2}} end {align}}, quad y _ { text {1}} (0) = y _ { text {2}} (0) = 0}$^[7]

Где ${ displaystyle k}$ - общая скорость распада аккумуляторов, и ${ displaystyle w}$ скорость взаимного торможения.

Модель торможения с прямой связью

Модель торможения с прямой связью^[23] похожа на модель взаимного запрета, но вместо того, чтобы подавляться текущим значением другого аккумулятора, каждый аккумулятор подавляется частью входных данных другого. Формально это можно сформулировать так:

${ displaystyle { begin {align} dy _ { text {1}} = I _ { text {1}} dt + cdW _ { text {1}} - u (I _ { text { 2}} dt + cdW _ { text {2}}) dy _ { text {2}} = I _ { text {2}} dt + cdW _ { text {2}} - u (I _ { text {1}} dt + cdW _ { text {1}}) end {align}}, quad y _ { text {1}} (0) = y_ { text {2}} (0) = 0}$^[7]

Где ${ displaystyle u}$ - часть входа аккумулятора, которая блокирует альтернативный аккумулятор.

Модель объединенного ингибирования

Ван^[24] предложили объединенную модель ингибирования, где третий, распадающийся аккумулятор приводится в действие накоплением в обоих аккумуляторах, используемых для принятия решений, и в дополнение к распаду, используемому в модели взаимного ингибирования, каждый из аккумуляторов, управляющих принятием решения, самоусиливается на основе их текущая стоимость. Формально это можно сформулировать так:

${ displaystyle { begin {align} dy _ { text {1}} = (-ky _ { text {1}} - wy _ { text {3}} + vy _ { text {1}} + I_ { text {1}}) dt + cdW _ { text {1}} dy _ { text {2}} = (-ky _ { text {2}} - wy _ { text {3 }} + vy _ { text {2}} + I _ { text {2}}) dt + cdW _ { text {2}} dy _ { text {3}} = (-k_ { text {inh}} y _ { text {3}} + w '(y _ { text {1}} + y _ { text {2}})) dt end {выровнено}}}$^[7]

Третий аккумулятор имеет независимый коэффициент затухания, ${ displaystyle k _ { text {inh}}}$, и увеличивается в зависимости от текущих значений двух других аккумуляторов со скоростью, модулируемой ${ displaystyle w '}$.

Нейронные корреляты принятия решений

Области мозга

в теменная доля, латеральная интрапариетальная кора (LIP) нейрон Скорость стрельбы у обезьян предсказала реакцию выбора направления движения, предполагая, что эта область участвует в принятии решений в 2AFC.^[4][23][25]

Нейронные данные, записанные с LIP нейроны в макаки резус поддерживает DDM, поскольку частота возбуждения для селективных по направлению популяций нейронов, чувствительных к двум направлениям, используемым в задаче 2AFC, увеличивает частоту возбуждения в начале стимула, а средняя активность в популяциях нейронов смещается в направлении правильного ответа.^{[23][26][27][28]} Кроме того, похоже, что фиксированный порог частоты нейронных импульсов используется в качестве границы принятия решения для каждой задачи 2AFC.^[29]

Смотрите также

• Выбор моделирования
• Набор выбора
• Джулиан Роттер

Рекомендации