認知科学：超小規模なリカレントニューラルネットワークを用いた認知戦略の発見

動物やヒトが経験から学習して適応的な意思決定を行う仕組みを理解することは、神経科学と心理学の根本的な目標である。ベイズ推定や強化学習などの標準的なモデル化フレームワークは、適応行動を支配する原理について有益な知見をもたらす。しかし、これらのフレームワークの単純性は、現実的な生物学的行動を捕捉する能力の制約となることが多く、研究者の主観に影響されやすい人為的な調整を繰り返し行うことになる。本論文で我々は、リカレントニューラルネットワークを利用して生物学的な意思決定を司る認知アルゴリズムを発見する、新たなモデル化手法を報告する。我々は、よく研究されている6種類の報酬学習課題について個々の動物やヒトの選択を予測する上で、わずか1〜4ユニットのニューラルネットワークが、多くの場合で古典的な認知モデルよりも優れた成績を示し、より大規模なニューラルネットワークに匹敵することを明らかにする。重要なのは、訓練したネットワークを動的システムの概念を用いて解釈できることで、これによって認知モデルの統一的な比較が可能になり、選択行動の根底にある詳細な機構が明らかになった。我々の手法はまた、行動の次元を推定し、メタ強化学習人工知能エージェントが学習したアルゴリズムについての知見を提供する。まとめると本研究は、意思決定における解釈可能な認知戦略を発見するための体系的手法を提示しており、神経機構に関する知見、ならびに健全な認知と認知機能の不全を研究するための基盤をもたらしている。

目次へ戻る