Skip to main content
LibreTexts - Ukrayinska

10.8: Ієрархічна організація PFC- підзадач, цілей, когнітивного секвенування

  1. Last updated
  2. Save as PDF
  • Page ID
    72568

    • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

    800px-bgpfc_hier_Probs.png
    Малюнок\(10.16\): Ієрархічний вибір дій через декілька петель префронтальних базальних гангліїв. На крайньому правому, на самому передньому рівні, PFC представляє контекстну інформацію, яка закривається відповідним циклом BG на основі ймовірності того, що підтримка цього контексту для керівництва діями нижчого рівня є прогнозом винагороди. Середній контур передбачає як вхідне, так і вихідне стробирование. Механізм введення стробирования дозволяє стимулюючим представленням S оновити шар PFC_Maint, тоді як механізм виведення стробирования виводить підмножину підтримуваної інформації, умовної від контексту в передній PFC. Його асоційований шар BG вивчає ймовірність винагороди виходу стробирования, враховуючи підтримуваний стимул S та контекст. Нарешті, крайня ліва рухова петля вчиться створювати прості рухові реакції на основі їх ймовірностей винагороди, умовних від стимулу, як у моделі BG з одним циклом, описаної в розділі Motor, але де тут відповідні особливості стимулу вибираються більш передніми петлями. Репродуковано з Френка і Бадре (2012).

    Відповідні моделі, що імітують ієрархічний контроль над діями на декількох схемах PFC-BG, див. Reynolds & O'Reilly, 2009; Frank & Badre, 2012 та Collins & Frank (2013). Остання модель розглядає ситуації, в яких існує кілька потенційних наборів правил, що означають, які дії вибрати в конкретних сенсорних станах, і де відповідний набір правил може залежати від контексту вищого рівня. (Наприклад, ваша схильність вітати когось обіймами, поцілунком, рукостисканням або хвилею може залежати від ситуації: ваші стосунки з людиною, чи перебуваєте ви на вулиці чи на роботі тощо І коли ви їдете в нову країну (або місто), правило, яке ви застосовували, може бути таким же, як і в інших країн, або може знадобитися створення нового набору правил). Більш загально, ми називаємо правило вищого рівня як «набір завдань», який контекстуалізує, як діяти у відповідь на багато різних подразників. Ієрархічні мережі PFC-BG можуть навчитися створювати ці набори завдань PFC і одночасно, які дії вибирати в кожному наборі завдань. Критично, при цьому ієрархічному поданні вивчені уявлення PFC є абстрактними та незалежними від контекстів, які їх визначають, полегшуючи узагальнення та передачу в інші контексти, а також визначають, коли потрібно створити нові набори завдань. Вони також дозволяють додавати нові знання до існуючих абстрактних структур завдань, які потім можуть бути негайно перенесені в інші контексти, які їх вказують (подібно до вивчення нового слова мовою: ви можете негайно повторно використовувати це слово в інших контекстах та з іншими людьми). Щоб побачити цю мережу в дії, включаючи демонстрації узагальнення та передачі, див. Мережу Collins & Frank, пов'язану тут. Різні емпіричні дані тестування цієї моделі показали, що дійсно люди (включаючи немовлят!) представляти такі набори завдань ієрархічно (навіть якщо це не підказано, і навіть коли це не корисно для навчання) таким чином, що полегшує узагальнення та передачу; і що ступінь цієї ієрархічної структури пов'язана з нейронними підписами в PFC та BG (див. Наприклад, Badre & Frank , 2012; Коллінз та співавт., 2014; Коллінз і Френк, 2016; Верчан та ін., 2016).

    Щоб поставити багато елементів, вивчених вище, до їх найважливішого використання, ми досліджуємо, як скоординовані взаємодії різних регіонів ПФК (включаючи афективні області, досліджені раніше), разом з BG gating, дозволяють системі вести себе послідовно, керованим завданнями чином над декількома послідовними етапи когнітивної обробки. Це дійсно відмінна риса людського інтелекту: ми можемо вирішувати складні проблеми, виконуючи послідовність простіших пізнавальних кроків, гнучким, адаптивним способом. Більш абстрактні когнітивні моделі, такі як ACT-R, забезпечують приємну характеристику функціональних властивостей цього рівня пізнання. Мета моделі, яку ми досліджуємо тут, полягає в тому, щоб зрозуміти, наскільки детальніші нейронні механізми можуть працювати разом, щоб створити цю функціональність.

    • Вищі (більш передні) рівні ПФК кодують контекст/цілі/плани організувати послідовність когнітивних дій, які керуються більш нижчими, більш задніми областями ПФК. Критично, ці вищі області не вказують жорсткі послідовності дій, а скоріше кодують бажані стани результату послідовності дій та забезпечують відповідний контекст, щоб були обрані відповідні кроки нижчого рівня.
    • Кожен крок послідовності дій передбачає розгляд результатів винагороди та витрат на зусилля щодо інших можливих варіантів.

    TODO: винайдіть цю модель!