統計学習を学びちう✌️6

Neural integration underlying naturalistic prediction flexibly adapts to varying sensory input rate

Thomas J. Baumgarten, Brian Maniscalco, Biyu J. He

deeplにて翻訳
自然な予測を支える神経統合は、感覚入力率の変化に柔軟に対応する

生物がダイナミックな環境下で効果的に行動を適応させるためには、過去の感覚情報に基づいて将来の感覚入力を予測することが不可欠である。人間は、様々な自然環境下で将来の刺激を予測することに成功している。しかし、感覚情報の蓄積速度に直接影響する感覚入力速度が大きく変化するにもかかわらず、脳がどのようにして効果的な予測を実現しているのかは、いまだに解明されていない。本研究では，自然界に広く存在する時間的な統計的規則性を捉えた音響シーケンスを被験者に提示し，MEGを用いて予測計算の基盤となる神経メカニズムを調べた。シーケンス提示速度をパラメトリックに操作することで，「神経予測は，過去の感覚情報を一定期間に渡って統合すること，あるいは一定量の情報を統合することに依存する」という2つの仮説を検証した。その結果、提示速度を半分にしても2倍にしても、神経活動の予測情報は固定量の情報を統合したものであることが明らかになった。この結果は、感覚入力の速度が大きく変化しても、人間が自然環境の中でダイナミックな刺激をしっかりと予測できる神経メカニズムを明らかにするものである。

Prediction of future sensory input based on past sensory information is essential for organisms to effectively adapt their behavior in dynamic environments. Humans successfully predict future stimuli in various natural settings. Yet, it remains elusive how the brain achieves effective prediction despite enormous variations in sensory input rate, which directly affect how fast sensory information can accumulate. We presented participants with acoustic sequences capturing temporal statistical regularities prevalent in nature and investigated neural mechanisms underlying predictive computation using MEG. By parametrically manipulating sequence presentation speed, we tested two hypotheses: neural prediction relies on integrating past sensory information over fixed time periods or fixed amounts of information. We demonstrate that across halved and doubled presentation speeds, predictive information in neural activity stems from integration over fixed amounts of information. Our findings reveal the neural mechanisms enabling humans to robustly predict dynamic stimuli in natural environments despite large sensory input rate variations.