작업 기억 성능에 대한 감각 이력의 다중적이고 분리 가능한 효과 3부
Dec 19, 2023
시험 간 매력적인 성능 편향의 작업 의존성
다음으로, 동일한 시험 간 분석을 반복했지만 이전 시험에서 작업 관련성과 신호 유형의 역할을 조사했습니다. 이를 통해 이전 시험에서 조사된(및 보고된) 방향과 보고되지 않은 방향에 의해 유발된 행동 편향을 테스트하고 비교할 수 있었습니다. 재판.
또한 이전 시험의 큐 유형이 현재 시험의 편향에 영향을 미치는지 여부도 테스트했습니다. 우리는 이전 재판에서 두 가지 방향이 제시된 재판만 살펴보았습니다.
실험의 목적은 어떤 이론과 가설을 검증하고 증명하는 것이고, 이러한 이론과 가설은 우리의 기억을 통한 실험과 분석이 필요하기 때문에 실험은 기억과 매우 밀접한 관련이 있습니다.
실험을 수행할 때 실험의 목적, 실험 절차, 실험 조건, 실험 결과 등 중요한 정보를 기억해야 합니다. 이 정보를 명확하게 기억할 수 있어야만 실험 결과를 정확하게 분석하고 해석하여 올바른 결론을 도출할 수 있습니다.
동시에 실험은 기억력을 향상시키는 데에도 도움이 될 수 있습니다. 반복적인 실험, 암기, 요약을 통해 우리는 기억을 강화하고 실험 지식에 대한 이해와 숙달을 심화시켜 기억력을 향상시킬 수 있습니다.
또한 실험은 시각, 청각, 촉각 등 다양한 감각의 자극을 통해 우리의 기억을 자극할 수도 있습니다. 다양한 감각의 참여를 통해 우리는 지식을 더 잘 기억하고 이해할 수 있으므로 기억력에 이점이 있습니다.
간단히 말해서, 실험과 기억은 불가분의 관계에 있습니다. 실험에 적극적으로 참여함으로써 우리는 실용적인 능력을 발휘할 수 있을 뿐만 아니라 기억력과 이해력도 향상시킬 수 있습니다. 실험적인 학습 플랫폼을 최대한 활용하고 학습 능력을 향상시키기 위해 노력합시다! 기억력 향상이 필요함을 알 수 있는데, 시스탄체 데저티콜라는 기억력 향상이라는 독특한 효능이 많은 중국 전통 약재이기 때문에 기억력을 크게 향상시킬 수 있습니다. 다진 고기의 효능은 산, 다당류, 플라보노이드 등 다양한 활성 성분에서 비롯됩니다. 이러한 성분은 다양한 방식으로 뇌 건강을 증진할 수 있습니다.
작업 관련성과 큐 유형에 대한 성능 편향의 각도 거리의 합에 대한 반복 측정 ANOVA를 통해 작업 관련성의 효과를 확인했습니다(F(1,19)= 14.684, p= 0.{ {29}}01; 그림 3D) 그러나 큐 유형(F(1,19)=1.423, p=0.248) 또는 상호 작용(F)의 효과는 나타나지 않았습니다. (1,19)=1.633, p=0.216). 두 가지 큐 유형의 시도에서 작업 관련 방향은 상당한 편향을 초래했습니다(이전 시도가 먼저 보고되었으며 두 항목이 포함되었습니다: t(19)=3.524,p=0.002; 이전 시험은 두 번째로 보고되었으며 t(19)=4.476, p, 0.001)의 두 항목을 포함했습니다. 프로브되지 않은 방향은 상당한 편향으로 이어지지 않았습니다(둘 다 p.0.2).
이전 시도(t(19)=1.691, p=0.107)에서는 두 번째 항목 보고와 첫 번째 두 항목 조건 사이의 편향 강도 간에 신뢰할 수 있는 차이가 관찰되지 않았습니다.
후속으로 우리는 현재 목표 방향과 이전에 제시된 방향 사이의 각도 거리의 함수로 성능 편향을 평가했습니다. 클러스터 기반 순열 테스트는 보고 첫 번째 신호(p= 0.001; 7–58 정도; 그림 3C) 또는 두 번째 보고 시 이전 시도에서 작업 관련 방향에 대한 매력 편향을 보여주었습니다. 이전 시험에서는 큐(p, 0.001; 4-77도)가 제시되었습니다.
보고되지 않은 방향의 경우 편향이 관찰되지 않았습니다(첫 번째 보고 또는 두 번째 큐 보고에 대한 후보 클러스터가 없음). 이 결과 패턴은 매력적인 시험 간 편향을 보여 주지만 이전 시험과 관련된 항목에 대해서만 나타납니다.
제시된 방향의 신경 분류
분류 분석을 위해 격자 방향은 동일한 간격의 10개 빈으로 분류되었습니다. 자극 시작 전 400ms부터 자극 후 시작까지 900ms에 이르는 모든 306개 MEG 센서의 공간적 및 시간적 특징에 선형 판별 분석(LDA)을 적용했습니다(재료 및 방법 참조).
방향 정보가 존재하는 경우 LDA 가능성 추정은 제시된 방향을 중심으로 코사인 함수와 컨볼루션될 수 있는 표현 유사성 곡선을 생성하여 시점별로 단일 증거 추정을 생성합니다. LDA 분류는 격자가 시각적으로 시작된 후 제시된 방향에 대한 중요한 증거를 반영했습니다(그림 4).
이는 첫 번째 격자 방향(100-615ms; p, 0.001)과 두 번째 격자 방향(95-590ms; p, 0.001) 모두에 대한 중요한 디코딩을 나타냅니다. 두 번째 격자 제시 후 첫 번째 격자 방향의 증거에 대해 중요하지 않은 경향이 관찰되었습니다(250–600 ms; t(19)=1.971; p=0.063; 교차 항목 참조 아래의 디코딩 분석). 첫 번째 보고 또는 두 번째 큐(250–600 ms; t(19)=0.798; p=0.435) 보고 후 분류기 증거에는 차이가 없었습니다.
이전 자극에서 벗어난 시험 내 분류 편향
표현 유사성 곡선은 방향 표현에서 신경 편향의 방향과 크기를 추정하는 데 사용되었습니다. 모든 자극에 대해 분류기를 훈련함으로써 방향 기록 편향이 취소되어 특정 이전 방향(현재 자극에 대해 시계 방향 대 시계 반대 방향)을 사용한 시험에서 신경 편향을 드러내는 테스트를 허용해야 합니다.
두 번째 격자의 정보가 첫 번째 격자의 정보에 의해 어떻게 변조되는지 조사하기 위해 보고 우선 단서와 보고 두 번째 단서를 사용하여 시험을 별도로 평가했습니다. 이를 통해 우리는 두 번째 격자가 제시된 후 시대의 MEG 데이터에서 분류 증거를 평가했습니다. 이러한 분석을 위해 우리는 두 격자가 모두 포함된 시험만 선택하여 제시했습니다.
첫 번째 격자가 두 번째 격자에 대해 시계 방향 대 시계 반대 방향인 분리된 시험(행동 결과에 기초한 각도 거리 10-50도, 그림 2A, B 참조).
이 시간 창 자극 방향은 이 시간 창에서 신뢰할 수 있는 정확도로 디코딩될 수 있기 때문에 모든 향후 분석에 대해 250-600ms 사이의 평균 시점을 고려했습니다(그림 4 참조, 그림 5, 회색 음영 영역 참조). 성능 편향을 반영하여 보고서의 첫 번째 시험에서는 유의미한 편향이 발생하지 않았습니다(Z=0.645; p=0.516; 그림 5A, B).
그러나 두 번째 보고에서는 이전에 인코딩된 격자 방향(Z =2.743; p=0.006; 그림 5C, D)에서 벗어나 반발 효과가 관찰되었습니다. 보고 첫 번째 시도(r=0.010; p=0.968) 또는 보고 두 번째 시도(r {{9} }.328; p=0.158).
감각 기록에서 벗어난 시험 간의 반발성 신경 편향
시험 간 신경 편향을 조사하기 위해 시험 내 신경 편향과 동일한 접근 방식을 사용했습니다. 우리는 이전 시험에서 현재 방향과 프로브 방향 사이의 각도 거리의 함수로서 가능성 추정의 체계적인 편차에 대해 자극 인코딩 기간 동안 파생된 LDAevidence를 테스트했습니다.
행동 간 시행 편향이 감각 특징을 인코딩하는 동안 신경 변조를 반영하는 경우 매력적인 성능 편향에 따라 이전 실험에서 제시된 방향의 가능성이 증가할 것으로 예상됩니다. 우리는 첫 번째와 두 번째 격자 방향이 결합된 후 데이터에 대해 분류기를 훈련했으며 제시된 모든 큐 유형과 여러 항목을 포함했습니다.
시험 성능 편향 간의 행동 분석을 바탕으로 테스트 세트에 대해 이전 프로브 각도의 상대적 차이가 0-60도(상당한 각도 차이에서 파생됨, 그림 3A, B)인 시험을 선택했습니다. 제시된 격자 방향에서 음수입니다. 결과는 질적으로 동일했으며 다른 각도 범위를 선택한 경우에도 여전히 중요했습니다.
우리의 기대와는 달리 분류기 증거는 이전 시도(250-600ms postgrated onset; Z=3.228, p=0.001; 그림 6A-D)에서 대상 방향에서 크게 이동했습니다. ) 매력적인 행동 편향을 반영하는 것이 아닙니다. 실제로 이는 이전 시험에서 단서 방향이 CW인 경우 CCW 저장소에 대한 분류기 증거가 증가하고 그 반대의 경우도 마찬가지임을 의미합니다.
이전 실험에서 목표로부터 멀어지는 혐오 편향은 첫 번째(Z{0}}.020, p= 0.043)에서 유의미했습니다. 별도로 고려할 때 현재 시험의 두 번째 격자(Z=2.690, p=0.007)(그림 6C). 자극 2 처리 중 시험 간 반발 바이어스는 첫 번째 간격(Z=2.298,p=0.021)에서 방향 방향이 제시된 경우 존재했지만 첫 번째 격자도 제시된 경우에는 존재하지 않았습니다( Z =1.714, p=0.087). 흥미롭게도 그림 6D의 지형 G는 매우 유사했으며(r=0.563; p, 0.001) 두 지형 모두 자극-디코딩 지형 [r=0.558, p, 0.001( 도 6D); r= 0.763, p, 0.001(그림 6G)].
다음으로, 우리는 이 반발적인 신경 편향이 격자의 작업 관련성과 이전 시험의 신호 조건에 의해 영향을 받는지 여부를 테스트했습니다. 우리는 이전 시험에서 작업 관련 및 작업 관련 없는 격자 방향에 대한 이러한 편견을 정량화했습니다. 이전 시험에 두 가지 항목이 포함된 시험만 이 분석에 포함되었습니다.
250-600 ms에 걸쳐 신경 편향을 평균화했을 때 작업 관련 방향에서는 혐오적인 신경 편향(Z=2.565, p=0.010)을 보였지만 작업 관련 없는 방향에서는 신경 편향이 발견되지 않았습니다( Z =0.174, p=0.861), 하지만 이 차이는 유의미한 수준에 도달하지 못했습니다(t(19)=1.80, p=0. 088). 그러나 클러스터 기반 순열 테스트에서는 작업 관련 방향이 작업 관련 없는 방향보다 훨씬 더 강한 반발 편향을 나타냄을 나타내는 중요한 클러스터가 나타났습니다(500–550 ms;p=0.039).
이전에 제시된 자극에 대한 교차 디코딩 증거
이전에 제시된 방향에 대한 정보가 현재 격자 방향을 제시하는 동안과 제시 후에 시각적 시스템에 부분적으로 존재하는 경우 인코딩과 상호 작용하여 관찰된 반발 바이어스로 이어질 수 있습니다. 한 가지 가능성은 느린 표현이 특징의 감각 코딩과 다른 직교 표현 형식이라는 것입니다(Libby and Buschman, 2021).
이 경우 감각 입력 중에 유도된 활성화 패턴과 과거 격자 방향의 느린 표현과 관련된 패턴 사이에는 겹치는 부분이 거의 또는 전혀 없습니다. 따라서 별도의 지각 정보로 훈련된 분류자는 메모리 코드에서 테스트하면 교차 일반화되지 않습니다.
또는 느린 코드가 들어오는 감각 정보의 표현과 유사성을 공유하는 안정적인 표현으로 존재할 수 있습니다. 이 경우 현재 격자 방향의 데이터에 대해 훈련된 분류자는 교차 일반화하고 정보를 식별합니다. 과거의 격자(또는 부정적인 증거로 표현된 정보의 억제).
우리는 이전 시험에서 느린 방향 선택 활동을 감지하기 위해 교차 디코딩을 적용했습니다(Wanet al., 2020도 참조). 제시된 방향에 대한 분류기를 훈련하고 이전 시도의 목표 방향에 대한 증거를 테스트한 후 격자 시작 후 250-600 기간 동안 유의미한 부정적인 분류기 증거를 관찰했습니다(격자 1과 격자 2에 연결: t(19) {{6 }}.078,p=0.006; grating one 단독, t(19)=1.376, p=0.185; gratingtwo, t(19)=2 .951, p= 0.008; 그림 6F).
부정적인 분류기 증거는 이전 방향에 대한 정보가 여전히 존재하는 동안 방향 선택 패턴이 자극 인코딩에 비해 부호가 반전될 수 있음을 나타냅니다.
이전 재판의 방향에 대한 증거의 이러한 억제는 현재 재판의 방향을 해독하는 데 있어 명백한 혐오 편향의 원인일 수 있습니다. 만약 그렇다면, 우리는 두 측정값이 양의 상관관계가 있을 것으로 예상할 것입니다. 즉, 이전 방향(부정 분류기 증거)에 대한 더 강한 억제는 현재 방향에 대해 더 부정적인 편견으로 이어질 것입니다. 우리는 참가자 전체에 걸쳐 Pearson 상관 관계를 사용하여 이를 테스트했으며 모든 격자 프레젠테이션을 함께 평가할 때 중요한 상관 관계를 발견했습니다(r {{0}}.832, p, 0.001; gratingone 단독, r=0.685, p, 0.001; 2개만 격자화, r=0.751, p, 0.001; 그림 6E).
매력적인 행동 수행 편향과 신경 데이터의 음의 변화 크기(r=0.186, p=0.432) 또는 음의 디코딩 크기(r {{4 }}.144, p=0.544).
논의
현재 연구에서는 신경 코딩 및 행동 반응에 대한 이전에 인지되고 기억된 정보의 편견을 조사했습니다. 우리는 과거와 현재의 감각 처리 사이의 상호 작용을 보여주는 신경 및 행동 편향을 모두 관찰했습니다. 동일한 시험에서 제시된 방향은 현재 인식된 방향에 대해 반발적인 성능 편향을 나타냈습니다.
대조적으로, 이전 시험의 작업 관련 방향은 서로 반대되는 매력적인 성능 편향을 발휘하여 동시에 작용하는 두 가지 상쇄 편향 프로세스에 대한 증거를 모두 제공했습니다. 흥미롭게도 신경 데이터의 다변량 디코딩은 동일 및 이전 시험의 자극이 모두 혐오스러운 신경을 생성한다는 것을 나타냅니다. 이는 두 가지 유형의 성능 편향이 자극 처리의 서로 다른 단계에 작용하는 변조에서 발생할 수 있음을 시사합니다.
반발 편향은 시각적 식별성을 촉진하는 시각적 적응과 유사한 메커니즘을 반영할 수 있지만, 시험 전반에 걸쳐 관찰된 매력적인 성능 편향은 감각 표현 수준에서는 관찰되지 않았습니다. 신경성 반발 편향이 대신 발생했기 때문에 우리는 지각 후 조절 메커니즘이 초기 반발 감각 조절을 무시하고 매력적인 성능 편향으로 이어질 수 있다고 추측합니다.
현재의 행동 결과는 두 가지 유형의 성능 편향, 즉 혐오스러운 시험 내 성능 편향과 매력적인 시험 간 성능 편향에 대한 증거를 제공합니다(cf. Bae and Luck, 2020; Fischeret al., 2020). 두 편견 모두 유도 자극의 작업 관련성에 의해 조절되었습니다. 첫째, 우리는 시험에서 첫 번째 방향에서 벗어난 반발 성능 편향을 확인했지만 두 번째 방향에서는 두 번째 격자가 프로브에 더 가까운 시간에 제시되었지만 두 번째 방향에서는 중요한 회고적 반발 편향이 없었습니다.
우리는 관련성 단서가 이 두 번째 자극과 함께 나타났기 때문에 이것이 발생했을 수 있다고 추측하며, 이는 프로브 우선 시도에서 관련성이 없음을 나타냅니다. 마찬가지로, 현재 실험에서 참가자들의 반응은 이전 실험에서 작업 관련 방향으로만 편향되었습니다. 신경 수준에서 편견은 작업 관련성에 따라 달라집니다. 반발적인 신경 편향은 제시된 방향이 작업 관련 신호를 받아 작업 메모리에 인코딩된 경우에만 존재했습니다.
대조적으로, 작업 메모리로 인코딩되지 않은 작업과 관련 없는 격자는 유사한 정밀도로 디코딩될 수 있지만 상당한 편향을 나타내지 않았습니다. 매력적인 성능 편향과 관련된 이전 시험의 격자는 작업 메모리 인코딩 중에 반발성 신경 편향을 초래했습니다. 작업 관련 방향만이 반발 편향을 초래했습니다.
적응은 여기서 관찰된 혐오스러운 신경 편향을 부분적으로 설명할 수 있습니다. 시각적 적응은 혐오적인 신경 편향의 원인으로 제안되었습니다(Jazayeri and Movshon, 2006, 2007; Kohn, 2007; Stocker and Simoncelli, 2007; Webster, 2015). 적응은 최근 활성화된 뉴런의 발화를 감소시키기 때문에(Clifford et al., 2000; Wainwright, 1999), 환경이 자기상관될 때 유한 신경 자원을 효율적으로 사용합니다(Stocker and Simoncelli, 2007; Webster, 2015). 왜냐하면 뉴런은 더 넓은 범위의 신경 자원을 코딩할 수 있기 때문입니다. 흥미롭게도 우리는 제시된 방향이 작업 관련성이 있고 작업 메모리에 인코딩된 경우에만 보고서 두 번째 시험에서 반발적인 신경 편향을 관찰했습니다. 작업 관련성과의 상호 작용은 자극 처리가 다가오는 행동에 사용하도록 준비된 경우에만 편향된다는 것을 암시합니다.
이러한 작업 의존적 변조는 전반적인 방향 디코딩이 작업 관련성에 의해 영향을 받지 않았기 때문에 작업과 관련 없는 자극의 처리 감소로 인한 결과일 가능성이 낮았습니다. 최근 연구에 따르면, 지각 이후 단계에서 발생할 가능성이 있는 상황에 민감한 반발 편향(Zamboni et al., 2016; Fritsche and de Lange, 2019)이 시각적 적응을 기반으로 한 초기 지각 편향과 함께 존재할 가능성이 있습니다( Fritsche et al., 2017). 신경 편향의 작업 의존성은 최근 관찰된 행동의 혐오 편향의 기초가 될 수 있습니다(Bae and Luck, 2017; Czoschke et al., 2019, 2020; Chunharas et al., 2022). 이는 동시에 유지되는 자극을 개별화하는 데 도움이 될 수 있습니다(Wei et al., 2012). 이 설명에 따르면 유인 및 인코딩된 기능만 이전 기능과 상호 작용할 수 있습니다.
이전 시험의 방향에 의해 부과된 편향은 행동 면에서는 매력적이었지만 초기 처리 단계의 신경 데이터에서는 반발력이 있었습니다. 이러한 대조는 매력적인 시험 간 편향에 초기 지각 기원을 할당한 이전 행동 연구와 표면적으로 상충됩니다(Fischer and Whitney, 2014; Cicchini et al., 2017, 2018). 이를 확인하는 직접적인 신경 증거는 아직 거의 없습니다. EEG 연구에 따르면 이전 시험 정보는 현재 시험의 인코딩 단계(Bae and Luck, 2019) 또는 현재 시험 직전(Barbosa et al., 2020)에서 디코딩될 수 있으며 수비 판단 작업에서 시각적으로 유발된 신경 반응은 자극에 의해 조절됩니다. 역사(Fornaciai and Park, 2018, 2020). 그러나 단순히 이전 자극 정보가 존재한다고 해서 현재 자극에 대한 매력 없는 편향을 의미하는 것은 아닙니다. 한 연구에서는 fMRI를 사용하여 초기 시각 영역에서 매력적인 행동 편향과 신경 편향을 관찰했지만(St. John-Saaltink et al., 2016), 이 연구에서는 오프셋을 생성하기에는 오프셋이 너무 큰 두 가지 자극 방향(45도 및 135도)만 사용했습니다. 신뢰할 수 있는 행동 편향. 이는 우리의 조사 결과가 다른 편향 현상을 반영할 수 있음을 의미합니다.
연쇄적 매력 편향의 초기 감각적 기원과 모순되는 최근 fMRI 연구(Sheehan and Serences, 2022)에서는 현재 결과와 일치하는 증거를 발견했습니다. Sheehan과 Serences는 매력적인 행동 편향에도 불구하고 시각 피질 전반에 걸쳐 이전 시험의 방향과 관련된 혐오적인 신경 편향을 관찰했으며 초기 시각 적응과 매력적인 편향의 지각 후 기원을 통합한 모델이 두 효과를 모두 설명할 수 있음을 발견했습니다. 이러한 결과는 우리의 연구 결과와 대체로 일치합니다. 우리는 분류된 방향의 혐오적인 신경 편향이 실험 초기에 상대적으로 나타났으며 편향의 원인인 초기 시각 피질과 일치한다는 것을 발견했습니다.
우리의 기본 분석 접근 방식에서는 편향의 해부학적 원인을 추론할 수 없었습니다(모든 센서의 데이터를 분류기의 특징으로 포함했고 해부학적 해석 가능성이 차원 축소 단계에 의해 더욱 감소되었기 때문입니다). 따라서 어떤 센서가 자극 분류 및 반발 편향에 가장 큰 영향을 미치는지 확인하기 위해 탐조등 분석을 수행했습니다. 이러한 공간적으로 해결된 결과는 Sheehan과 Serences가 관찰한 반발 편향의 시각 피질 부위와 일치했습니다.
함께, 관찰은 이전 자극이 인코딩 단계에서 반발로 이어지고 매력적인 성능 편향이 방향 디코딩에 체계적으로 영향을 미치지 않는 다른 유형의 편향에서 발생할 수 있다는 사례를 만듭니다. 우리의 연구 결과는 혐오적인 신경 편향이 혐오스러운(시험 내) 행동 편향과 매력적인(시험 간) 행동 편향으로 이어질 수 있기 때문에 신경 적응과 행동 사이의 연관성이 상황에 따라 달라질 수 있음을 나타냅니다. 따라서 시각적 적응과 행동을 연결하는 미래 모델은 상황 의존성을 통합해야 할 수도 있습니다. 또한 MEG의 높은 시간적 해상도를 통해 우리는 신경 편향이 자극 시작 후 500ms 이내에 발생하고 후방 기원을 가지며 여러 이전 자극에 대해 동시에 발생한다는 것을 보여줄 수 있었습니다. (동일한 재판과 이전 재판에서).
Sheehan과 동료(Sheehan and Serences, 2022)는 과거 자극이 비감각 코드에 저장되어 있다고 주장했지만, 과거 자극의 표현이 현재 자극의 표현과 함께 공유된 신경 하위 공간에서 발생했는지 직접 조사하지는 않았습니다. 여기서 우리는 최근 활성화된 신경 집단의 신경 억제가 관찰된 반발 편향을 설명할 수 있음을 보여줌으로써 이 문제를 해결했습니다. 우리는 교차 디코딩 분석, 제시된 방향에 대한 분류기 훈련 및 이전 방향 예측을 사용하여 이를 테스트했습니다. 최근 자극 관련 활동의 억제와 일치하여 교차 디코딩은 이전 방향의 확률 이하의 디코딩을 생성했습니다. 결과적으로 이는 현재 방향에 대한 신경 조정 곡선을 이전 방향에서 멀어지게 이동시켜 반발 편향을 생성할 수 있습니다. 이 관계는 크로스 디코딩과 반발 바이어스 크기 사이의 강력한 상관 관계에 의해 확인되었습니다.
또 다른 최근 연구에서는 지연 단속성 작업에서 매력적인 행동 편향과 짝을 이루는 전두엽 안구 영역(FEF)의 단일 단위 기록에서 반발성 신경 편향이 관찰되었습니다(Papadimitriouet al., 2017). 저자는 이전 목표 위치에 대한 지속적인 관심이 현재 목표 위치의 표현을 왜곡할 수 있다고 제안했습니다(Zirnsak et al., 2014). 우리는 주로 후방 센서에서 신경 편향을 관찰했기 때문에 우리의 결과는 반발 편향의 감각 기원과 더 일치하지만 이는 전두엽 피질에서 발생하는 주의 편향과 상호 작용할 수 있습니다(Moore and Armstrong, 2003; Taylor et al., 2007). 주의 조절은 여기에서 관찰된 편견의 맥락 의존성에 대한 하나의 설명이 될 수 있습니다.
현재 연구는 Sheehan and Serences(2022)의 연구와 함께 매력적인 연쇄 편향의 초기 감각 기원에 대한 증거를 제공하지만 그것이 어떻게 발생하는지에 대한 직접적인 증거는 제공하지 않습니다. 우리는 매력적인 편향이 방향 디코딩에서 나타나지 않거나 인코딩 중에 반발 편향을 극복할 만큼 충분히 강하지 않다고 추측합니다. 매력적인 편향은 디코딩 후 발생할 수 있지만 나중에 유지 관리 지연에서 자극별 활동 패턴을 식별할 수 없었기 때문에 이것이 어떻게 발생하는지 말할 수 없습니다. 한 가지 가능성은 행동의 연속 편향이 편향된 신경 표현으로 인해 전혀 발생하지 않는다는 것입니다. Akramiet al. (2018; Boboeva et al., 2023)은 이전 자극 정보가 현재 기억 자극의 유지와 별도로 두정신경 활동에 저장된다고 제안했습니다. 행동에 대한 영향은 두 신경 신호를 모두 활용하여 매력적인 편견을 만드는 반응이 이루어질 때만 나타납니다. 연속 의존성에 대한 베이지안 설명(Fritsche et al., 2020)은 개념적으로는 다르지만 이전 자극과 현재 자극의 별도 유지 관리 및 결정 단계 통합에 동일하게 의존할 수 있습니다. 이러한 모델은 모든 처리 단계에서 매력적인 신경 편향에 대한 긍정적인 증거가 거의 없는 이유를 설명할 수 있습니다.
전체적으로 우리는 작업 메모리 인코딩 중에 신경 증거의 일관된 반발 변화를 보여줍니다. 우리의 결과는 상황에 맞는 요인과 함께 지각 적응이 최근 자극 기능에서 반발 편향을 발휘하기 위해 기능 선택적 하향 가중치에 기여한다는 것을 의미합니다. 흥미롭게도 인코딩의 감각적 측면에 직접적으로 작용하는 매력적인 신경 편향에 대한 증거는 관찰되지 않았습니다. 따라서 신경 데이터는 인코딩 단계를 조절하기보다는 매력적인 시험 간 편견에 대한 사후 지각 설명에 대한 간접적인 증거를 제공합니다(Bliss et al., 2017; Fritsche et al., 2017; Pascucci et al., 2019; Bae and Luck, 2020; Kimet al., 2020). 우리는 매력적인 시험 간 편향이 대신 기억(Bliss et al., 2017; Fritsche et al., 2017), 지각 결정 또는 운동 계획(Boettcher et al., 2021; de Azevedo Neto and 바텔스, 2021).
신경 메커니즘이 무엇이든 매력적인 시험 간 편향의 원인은 지각/부호화 단계에서 반발 편향을 무시할 만큼 충분히 강력할 수 있습니다. 이러한 공존하는 편견은 우리 환경 전반에 걸쳐 미묘한 지각 차별과 시각적 안정성을 위한 효율적인 코딩을 안내하는 데 도움이 될 수 있습니다.
참고자료
Akrami A, Kopec CD, Diamond ME, Brody CD (2018) 후방 두정피질은 감각 역사를 나타내며 행동에 미치는 영향을 중재합니다. Nature 554:368-372.
배수지, Luck SJ (2017) 시각적 작업 기억 표현 간의 상호 작용. Percept Psychophys 79:2376–2395에 참여하세요.
배수지, Luck SJ (2019) 작업기억 작업에서 이전 경험의 재활성화. Psychol Sci 30:587–595.
배기영, Luck SJ (2020) 비전의 연속 의존성: 단순히 이전 시도 목표를 인코딩하는 것만으로는 충분하지 않습니다. 사이콘 황소 개정판 27:293-300.
Barbosa J, Stein H, Martinez RL, Galan-Gadea A, Li S, Dalmau J, Adam KCS, Valls-Solé J, Constantinidis C, Compte A (2020) 전두엽 피질 하부의 지속적인 활동과 활동 침묵 역학 간의 상호 작용 작업기억의 편향. Nat Neurosci 23:1016–1024.
Bays PM, Catalao RFG, Husain M(2009) 시각적 작업 메모리의 정밀도는 공유 리소스 할당에 따라 설정됩니다. J Vis 9:7.1–11.
Bliss DP, Sun JJ, D'Esposito M(2017) 지각 시 연속 의존성은 없지만 시각적 작업 기억은 증가합니다. Sci Rep 7:14739.
Boboeva V, Pezzotta A, Clopath C, Akrami A (2023) 작업 메모리의 최신성에서 중심성 편향까지: 통합 네트워크 모델. bioRxiv491352.https://doi.org/10.1101/2022.05.16.491352.
Boettcher SE, Gresch D, Nobre AC, van Ede F(2021) 시각적 작업 메모리의 입력 단계에서 출력 계획. Sci Adv 7:eabe8212.
RT, Tootell RBH 출생(1992) 중간 시간적 시각 영역. 자연 357:497–499.
For more information:1950477648nn@gmail.com
