您的位置:首页 > 科研进展

Cerebral Cortex发表陈安涛教授团队有关预期错误量化调节反馈相关负波的研究报告

发布时间:2020-09-07 来源:本站原创 作者:本站编辑   浏览次数:

在做出一个决定后,我们会期待出现相应的结果。如果事与愿违,结果与预期不相符合,则意味着先前决定不合适,有必要进行调整。因此,迅速且准确地判断结果与预期的一致性,构成了适应性反应的基础。已有研究发现,结果与预期不一致时在大脑额中部会引发一个负走向的脑电成分,命名为反馈相关负波(feedback-related negativity, FRN)。关于FRN的产生机制主要有强化学习和预期违反两个模型。强化学习认为FRN反映的是结果比预期好还是坏,相对于结果比预期好时,结果比预期差时的FRN波幅更负。预期违反则认为FRN只反映结果是否与预期一致,无所谓好坏;因此,当结果与预期不一致时,更好的结果与更坏的结果所引起的FRN波幅差异不显著。从文献来看,两个观点都获得了实验证据的支持,因此FRN的产生机制尚无定论。

在实际情景中,结果与预期之间的不一致(预期错误)有可能较大,也可能较小,即预期错误实际上是在一定范围内连续变化的。但已有研究一般只设置两个预期错误:比预期好、比预期坏。西南大学心理学部陈安涛教授带领的研究团队提出,有必要对预期错误进行量化处理,获得从较小的预期错误到较大的预期错误的连续变化。在此基础上,研究者根据上述两个模型分别做出预期错误值调节FRN的实验预测。根据强化学习模型,结果比预期越好的FRN波幅越正、结果比预期越坏的FRN波幅越负,二者会以EV(结果与预期一致,即预期错误为0)为中心形成不对称分布(图1左)。相反,根据预期违反模型,无论好坏,结果与预期越不一致就越负,二者会以EV为中心形成对称分布(图1右)。因此,预期错误的量化处理允许研究者严格地检验上述两个模型的预测

图1:模型预测。在预期错误量化处理背景下,根据强化学习观点所做的预测(左)和根据预期违反观点所做的预测(右)。

在本研究中,预期错误的量化处理是让被试者在每个试次中,确认其预期值(在020之间移动光标实现),随后向被试呈现反馈结果(同样是020的数字),反馈值减去预期值得到的差值就是他们在该试次中的预期错误值。得益于预期错误量化的实验处理,本研究能够对预期错误值与脑电波幅做单试次相关分析,从而直接地检验上述两个模型的预测。具体来说,将每个试次下的预期错误值与该试次下每个采样点上的ERP波幅求相关,获得一条包含行为信息(即预期错误值)的新波形。为了排除脑电成分相互叠加的问题,在单试次相关分析的基础上,使用PCA(主成分分析)将FRN与其它脑电成分分离,从而获得纯净的FRN成分。然后检查该波形上FRN时间窗口的相关结果,正值波形反映正相关、负值波形反映负相关。在此基础上进一步具体化模型的预测,如强化学习模型为真,则在获益(Gain)条件下,无论预期错误小于0还大于0,预期错误与脑电的相关均为正;而在损失(Loss)条件下,无论预期错误小于0还是大于0,二者的相关均为负(图1左)。如预期违反为真,则无论是获益还是损失条件,预期错误小于0时预期错误与脑电相关均为正,预期错误大小0时二者的相关均为负(图1右)。

运用上述方法,本研究做了三个实验系统地调查了预期错误值是如何量化调节FRN的。在实验一中,反馈结果包含效价(好、坏)和预期违反(一致、不一致)两方面信息,但不对被试强调任何一方面信息,由被试自主反应(主要结果及解释见图2)。在实验二中,反馈结果只包含预期违反信息,同样由被试自主反应(主要结果及解释见图3)。实验三与实验一相似,均包含结果效价和预期违反,但被试不再是自主反应,而是需要根据任务指导,分别根据结果效价和预期违反来完成任务(主要结果及解释见图4)。

图2:实验一预期错误与脑电单试次相关分析结果。左图为获益条件下的结果,右图为损失条件下结果。整体上,获益时小于EV(L-gain),和损失时小于EV(L-loss)的预期错误值,均与FRN呈正相关。另一方面,获益时大于EV(H-gain),和损失时大于EV(H-loss)的预期错误值,均与FRN呈负相关。这个结果模式符合预期违反模型的预测(见图1右),因此实验一的结果倾向于支持预期违反模型。对于这个结果,我们猜测,虽然实验一没有要求被试根据结果效价还是预测准确性来做反应,但由于任务较难,被试需要关注其预测的准确性以寻找反应规律,因此导致结果更支持预期违反模型。

图3:实验二预期错误与脑电单试次相关分析结果。如图2注释所分析,实验二的结果与预期违反模型的预测相吻合。由于实验二中的数字仅仅反映数字大小,不涉及结果效价,被试的反应主要反映了预测的准确性。

图4:实验三预期错误与脑电单试次相关分析结果。如图2注释所分析,实验三结果显示,当强调结果效价(明确告知被试预测准确性不影响最后结果,只需要关注反馈结果的大小)时,出现了不对称结果(图A、B),支持强化学习模型(见图1左)。而当强调预期准确性(预测的越准,奖励越多)时,出现了对称的结果(图C),支持预期违反模型(见图1右)。

综合上述实验结果可知,反馈相关负波对结果的效价和预期违背信息都敏感,其反应取决于关注的是哪个维度的信息。具体来说,当强调预期的准确性时,个体主要关注的是预期是否违背,此时的FRN反映了预期违反信号;而当结果的效价被强调时,奖赏效应与预期违反信号将相互作用,反映了强化学习信号。该研究系统全面地证明了反馈结果效价与预期违背的评价机制,澄清了先前研究中存有争议的发现,加深了我们对适应性反应机制的理解。该研究最近被神经科学领域著名学术期刊《大脑皮层》(Cerebral Cortex)正式接受

陈安涛教授为通讯作者,第一作者古焱为西南大学在读博士研究生。本研究得到国家自然科学基金项目(批准号:6143101331771254)以及中央高校基本科研业务费科研项目(SWU1609106SWU1709107SWU1909567)资助。

 

论文信息:

Gu Y (古焱), Liu T (刘天亮), Zhang X (张雪萌), Long Q (龙泉杉), Hu N (胡娜), Zhang Y (张毅), Chen A (陈安涛). 2020. The event-related potentials responding to outcome valence and expectancy violation during feedback processing. Cerebral Cortex. DOI: 10.1093/cercor/bhaa274.