社会情境下世界似乎不同：基于人工神经网络的人类实验数据分析
神经元与认知
2022-10-12 v1 人工智能
人机交互
机器学习
摘要
人类感知与行为受情境影响，尤其在社交互动期间。最近一项研究表明，人类感知视觉刺激的方式取决于其独自完成任务还是与机器人共同完成。具体而言，研究发现中心倾向效应在社会性任务设置中强于非社会性任务设置。然而，此类由社交互动引发的行为改变的特殊性质及其在人脑中的潜在认知过程仍知之甚少。本文通过在上述行为数据集上训练受预测编码理论启发的人工神经网络来解决此问题。利用该计算模型，我们探究人类实验中由情境引发的行为改变是否可用表达感觉与先验信息影响感知强度的参数的连续修正来解释。我们证明，通过调整先验与感觉信号的精度，可在个体与社会性任务设置中复现人类行为数据，表明社会性与非社会性任务设置实际上可能存在于一个连续体上。同时，对训练网络神经激活轨迹的分析提供证据表明，网络在个体与社会性条件下以根本不同的方式编码信息。我们的结果强调了行为数据的计算复现对于生成共享感知潜在认知机制假设的重要性，并可为神经科学领域的后续研究提供启发。
引用
@article{arxiv.2203.01862,
title = {The world seems different in a social context: a neural network analysis of human experimental data},
author = {Maria Tsfasman and Anja Philippsen and Carlo Mazzola and Serge Thill and Alessandra Sciutti and Yukie Nagai},
journal= {arXiv preprint arXiv:2203.01862},
year = {2022}
}