置信偏差揭示决策的神经计算机制：探索感知与价值决策中的关键奥秘

这篇研究聚焦决策过程，发现决策一致的置信偏差（DCB）普遍存在于感知和价值决策任务中。通过行为、神经和计算多方面证据，揭示互抑制和紧急信号是产生 DCB 的关键，为理解决策的神经计算机制及决策与置信的内在联系提供重要依据。

　　

研究背景

决策是动物和人类行为中选择最优选项的认知过程，已有多种规范模型试图描述这一过程，如经典信号检测理论（SDT）、序列采样模型（SSMs）和神经网络吸引子模型（NNAM）等。SDT 能对选择行为进行统计描述，但缺乏决策动态细节；SSMs 通过扩展 SDT，能描述决策的行为和神经动态；NNAM 则基于神经元群体相互抑制的原理，也可复制决策的相关动态。同时，决策常伴随着不确定性，决策者可对其进行评估并给出选择的置信度，上述两种模型都可扩展以解释置信度，但目前缺乏区分这些模型的实证和理论证据。此外，近期研究发现决策与置信之间存在系统偏差，多种模型尝试解释这一现象，但大多认为置信与决策是分离的，这引发了关于两者过程是否相同的疑问。

实验方法

1. 实验任务：分别进行了感知决策实验（n=28）和价值决策实验（n=27）。在每个实验的每次试验中，同时呈现两个备选选项，参与者做出选择后立即对选择的置信度进行评分。在感知决策任务中，选项的证据强度由随机点运动图（RDK）中向特定方向移动的点与随机方向移动的点的比例（相干性）表示；在价值决策任务中，证据强度由选项的主观价值表示，主观价值通过奖励概率和奖励大小的最佳模型计算得出。
2. 数据分析方法：使用不同的一般线性模型（GLMs）定量评估两个备选选项对参与者选择、选择正确性或最优性以及置信度的个体贡献。将证据强度转换为证据差异（ΔV）和证据总和（ΣV），以分析潜在偏差和敏感性。通过模型比较确定解释不同行为指标的最佳模型，并对全模型进行分析以比较各变量的贡献。同时，在全脑范围内搜索与选择和置信度相关的神经活动，使用 GLM 分析神经活动与置信度评分的关系，并评估神经活动是否存在 DCB 效应。此外，构建一系列神经计算模型，通过蒙特卡罗计算拟合模型参数，比较不同模型对数据的解释能力，分析模型产生 DCB 效应的条件。

实验结果

1. 行为结果：通过 GLM 分析发现，在置信度模型中，存在显著的偏向所选选项的偏差（DCB），但在选择模型和选择正确性 / 最优性模型中未发现此偏差。将证据强度转换为ΔV和ΣV后，模型比较结果显示，解释选择和选择正确性 / 最优性的最佳模型仅包含ΔV，而解释置信度的最佳模型包含ΔV、ΣV和反应时间（RT）。全模型分析进一步证实了 DCB 的存在，且该偏差与选择正确性 / 最优性无关，个体在置信度和选择及选择正确性 / 最优性中的ΣV系数无显著相关性，但选择和置信度过程存在共同噪声，且置信度判断可能涉及额外过程。在价值决策任务中，DCB 在需要深思熟虑的 “脑内权衡”（brainer）试验中显著存在，而在 “无需思考”（no - brainer）试验中不存在。
2. 神经结果：在全脑搜索中发现，运动相关脑区的活动可解码参与者的选择，而背侧前扣带回皮层（dACC）、腹侧纹状体（VS）、前辅助运动区（pre - SMA）和腹内侧前额叶皮层（vmPFC）的活动可解码置信度。这些置信编码脑区可预测选择的正确性或最优性，但不能预测选择的侧向化。进一步分析发现，除 vmPFC 外，这些脑区的神经活动受ΔV和ΣV的显著调制，且β值的符号一致表明存在 DCB 效应。dACC 的神经 DCB 效应与行为 DCB 效应高度相关，且在价值任务中，dACC 的神经 DCB 效应仅在 brainer 试验中出现。vmPFC 在价值比较中起重要作用，其活动与证据差异相关，且在不同类型试验中的活动模式与置信度模式一致，表明 dACC 和 vmPFC 可能本质上都编码置信度。此外，fMRI 分析显示，与ΣV相关的神经活动在全脑并不突出，仅在部分脑区存在，且这些脑区编码置信度，其同时与ΔV和ΣV相关可能反映了对置信度的敏感性。
3. 神经计算模型结果：构建的神经计算模型包含两个关键特征：备选选项的两个累加器是否相互抑制（参数λ）以及有效决策边界是否受紧急信号动态影响。通过模型拟合和比较，发现同时具有互抑制和紧急信号的模型（模型 4）能最好地解释参与者的行为数据，该模型不仅能复制选择、置信度评分和反应时间，还能产生选择性 DCB 效应，而去除这两个组件中的任何一个都会导致无法产生 DCB 效应。此外，引入额外参数以考虑决策后置信形成中对未选选项证据折扣的模型，经拟合后最佳模型仍为模型 4，且这些模型中对两个竞争证据的权重分配并不偏向所选选项，表明决策后偏差效应既不是复制 DCB 的充分条件也不是必要条件。通过对不同参数维度的模拟分析，进一步证实 DCB 是特定决策模型结构的决定因素，与参数具体值无关。
4. 神经计算特征导致 DCB 的分析：对获胜模型（模型 4）的决策动态分析表明，该模型主要驱动决策状态形成占主导的赢者通吃（WTA）状态，在这种状态下，被否决选项的积累证据在决策早期就被完全抑制到基线，而支持选项的证据向边界移动。DCB 仅在出现主导 WTA 状态的试验中观察到，且在这些试验中，平均置信度与平均ΣV的关系也呈现 DCB 趋势。此外，在一定ΔV水平下，较低的ΣV会使决策状态更快地演变为主导 WTA 状态，导致证据差异在早期增加较慢，最终决策状态的证据差异（即置信度）大多位于衰减边界附近，从而使得ΣV越高，置信度越高，这与实证研究中观察到的 DCB 一致。同时，反应时间与紧急信号和 DCB 效应密切相关，通过模拟固定刺激呈现时间的任务发现，随着紧急信号增加更陡峭，ΣV对反应时间的影响变小，而对模型置信度的影响几乎不变。

研究结论

本研究通过行为、神经和计算多方面的证据，系统地研究了决策一致的置信偏差（DCB）在感知和价值决策任务中的表现。发现互抑制和紧急信号是决策神经计算模型中不可或缺的组件，它们导致决策早期形成主导的 WTA 状态，进而引发 DCB。这一研究结果为理解决策的神经计算机制提供了新的视角，揭示了决策与置信之间的内在联系，有助于进一步深入研究决策过程的神经基础。