不確実性が学習の決定にどんな影響を与えるか

動物、つまり人間も含めて、周りの情報をもとに選択をしなきゃいけないことがよくあるよね。例えば、近くの池に魚がいるとしたら、動物はその魚を捕まえるために時間をかけて証拠を集めて、最適な判断をしなきゃいけない。このプロセスは必ずしも簡単じゃなくて、多くの重要なこと、つまり環境の「状態」は直接見えないことが多いんだ。だから、意思決定をする人たちは、自分の信念と集めた証拠を組み合わせて、これらの状態をより良く理解しようとする。

良い研究によると、人間も動物も不確実性を考慮しながら学び、選択をするんだ。この不確実性がうまく使われないと、特に高齢者や特定の健康問題を抱える人々にとっては、悪い判断や有害な決定につながることがある。人や動物が自分の信念に基づいて証拠をどう使うべきかを説明するために、科学者たちはベイズ推論というものを使うよ。この理論では、不確実な状況で良い決定をするための一つの方法は、確率を使って環境の異なる可能な状態を表すことだって言われてる。

集めた証拠が増えるにつれて、信念への自信も通常は高まって、環境のより明確なイメージにつながる。でも、この信念への自信の高まりが脳の中でどう示されるかは全然明確じゃない。

ある理論では、脳の細胞の反応の変化が不確実性のレベルを示すことができるって言われてる。脳の特定の領域では、証拠が示すところによると、脳の反応のばらつきが、動物が見ているものに対する不確実性を示す信号になるかもしれない。つまり、もし状況が不確かだったら、脳の反応はもっと変動的になる可能性があるということ。フレキシブルな反応は、特に不確実な状況下で感覚情報の原因を探ろうとする時に役立つと考えられてる。

このアイデアは理にかなってるけど、今までの研究では、脳活動の変化が学習課題の不確実性にどう関係しているかを調べたものはないんだ。最近の研究では、人々が見ているものの大事な特徴に対して不確かだと感じている時、EEGと呼ばれる方法を使って測定できる脳エネルギーレベルに明らかな変化が見られることがわかった。でも、学習課題での不確実性に関連する脳信号の変化が、他の高次の判断にも関係しているかはまだ不明だね。

新しいことを学ぶ時、たくさんの不確実性があると、可能な説明が広がって、新しい情報が入ってくることで信念の柔軟な更新ができる。これまでの研究では、脳信号のばらつきが増えると認知タスクでの柔軟性が高まるかもしれないって提案されてきた。例えば、研究では、脳の反応のばらつきがタスクが難しくなると増えることが見つかって、ばらつきを増やせる人はパフォーマンスが良い傾向にあることがわかった。

人々が学ばなければならないタスクでは、プロセスの初期では脳が新しい証拠を取り入れ、信念を更新するために一生懸命働いているときに、たくさんの挑戦があることが多い。これが、学び続ける中で最も正確な理解に脳が集中するのを助けるはずだ。私たちは、学びのプロセスで信念への自信が高まるにつれて、脳信号のばらつきが減少する可能性があると思ってる。

#マーブルタスク実験

私たちのアイデアをテストするために、「マーブルタスク」と呼ばれる実験を設定したよ。このタスクでは、参加者は見えないジャーから青いビー玉を引く確率を考えなきゃいけなかった。彼らはジャーからビー玉をいくつか引いて、それに基づいてジャーに入っている青いビー玉の数を推測したんだ。ベイズ推論によれば、ジャーのビー玉の混合は、参加者が学ばなきゃいけない隠れた状態を表してる。

私たちは実験にいくつかの重要な予測を持っていた。まず、ジャーからのサンプルに応じて脳の反応のばらつきが減少すると思ってた（これはfMRIという方法を使って測定した）。参加者がより多くの情報を集めるにつれて、ジャーへの不確実性が減少し、それが脳信号のばらつきの減少として表れると考えていた。そして、ばらつきの減少が大きい人は、ジャーの青いビー玉の数についてより正確な推測をするだろうってことで、彼らが信念をより効果的に更新してることを示すと考えてた。

私たちはまた、一般線形モデル（GLM）というもっと伝統的な方法とも比較を目指していて、平均的な脳反応と不確実性の関係を見ていた。私たちの脳信号のばらつきの測定が、伝統的な方法が見逃すかもしれない推測の正確さに関するユニークな情報を提供できるかを知りたかった。

#参加者とタスクデザイン

私たちの研究では、18歳から35歳の健康な若者51人を集めた。彼らはfMRIスキャナーの中にいる間にマーブルタスクに参加して、実験中の脳活動を観察できた。参加者には時間とタスクでのパフォーマンスに応じて報酬を支払った。

マーブルタスクは4つのセクションに分かれていて、それぞれに18回のトライアルがあった。3つのセクションではスキャンされながらパフォーマンスを行い、最後のセクションはその後に完了した。始める前に、彼らは指示を受けてタスクを練習した。

タスクの各トライアルには、サンプリング、推定、ギャンブルの3つのフェーズがあった。サンプリングフェーズでは、参加者は見えないジャーから引かれた5つのサンプルを見た。彼らは推定フェーズで、ジャーの中の青いビー玉の割合を推測するためにこれらのサンプルを使わなければならなかった。ジャーの中の青いビー玉と赤いビー玉の数はトライアルごとに異なった。参加者が推測をした後、その推定の正確さに応じてボーナスを得ることができた。

#反応パターンの検証

マーブルタスク中の行動を分析するために、私たちは人々がビー玉の比率についての質問に答えるときに考えるかもしれない方法に基づいてモデルを作った。1つのモデルは、参加者がサンプルを見た後に青いビー玉の割合についての信念をどう更新したかを表していて、新しい情報が入るにつれて参加者の初期の信念が変わることを可能にする数学的アプローチを使った。

私たちはまた、各モデルが参加者の選択をどれだけ説明できるかも見た。多くの人が、極端な時にビー玉の比率を過大評価する傾向があることがわかり、そのバイアスを「極端ジャー・バイアス」と呼んだ。このバイアスは、サンプルを見る前に自分の期待をどう表現するかに関連しているようだった。

私たちは、より狭い範囲の前提信念を持つ人々が、つまり50:50の混合に対する強い初期の期待を持つ人々が、より大きな推定誤差を持つ傾向があることを発見した。これは、彼らの信念が新しい情報に適応するほど柔軟ではなかったことを示唆している。

#脳活動分析

脳スキャンから得られた結果は、学習中の不確実性における個人差と関連して脳活動の変化があったことを示した。参加者がより多くのビー玉をサンプリングするにつれて、彼らの脳信号のばらつきが脳のネットワーク全体で減少することがわかった。このばらつきの減少は彼らのタスクパフォーマンスに関連していて、より大きな減少があった参加者はビー玉の推定で少ないエラーを犯していた。

この効果を示している脳の領域は、デフォルトモードネットワークと呼ばれる領域と大きく重なっていることに気づいた。これらの領域は通常、休息中や内面的なタスクを行っている時に活性化される。私たちの観察から、参加者が学び、より多くの証拠を集めるにつれて、彼らの内面的な信念がより安定していき、脳信号のばらつきが減少することが示唆された。

より深く掘り下げるために、タスク中に脳信号が変化する方法が不確実性に対する平均的な脳信号の反応とは異なるかどうかを見たかった。2つのアプローチを比較したとき、信号のばらつきの変化は個人のパフォーマンスに独自に関連しているのに対し、平均的な脳信号は同じような関係を示さなかった。

#発見の意義

私たちの発見は、特に不確実な条件下での学習における脳信号のばらつきの重要な役割を指摘している。新しい情報を取り入れ、時間をかけて信念を調整することが脳の活動に反映されるという証拠を提供している。

この結果はまた、人々の不確実性の表現における個人差を強調していて、一部の人々は新しい証拠に基づいて信念を調整するのが難しいかもしれないことを示唆している。より広い範囲の信念を持つ人々は、学びと正確な選択をするための準備ができているようだ。

#潜在的な制限

私たちの研究は新しい洞察を提供しているが、限界もある。例えば、タスクを提示する方法が不確実性の認識に影響を与えた可能性もある。そして、学習はさまざまな環境で発生することが重要で、私たちのタスクデザインはこのプロセスのすべての側面を捉えきれないかもしれない。今後の研究では、他の種類の学習や異なる要因が不確実性や意思決定にどのように影響するかを探求できる。

#今後の方向性

今後、研究者たちは不確実性をよりコントロールされた方法で操作するタスクを設計して、脳信号のばらつきとの相互作用を見てみることを考えるかもしれない。参加者に自分の信念に対する自信を表現させることで、主観的な不確実感が観察可能な脳活動とどのように調和するかを理解する手助けができるかもしれない。

要するに、私たちは脳信号のばらつきの変化が学習中の自信の増加とともに圧縮されることを示した。この発見は、不確実性が意思決定にどう影響するかの理解を深め、異なる文脈での認知の柔軟性を研究するためのより良いアプローチにつながるかもしれない。