دانلود رایگان مقاله مدار مغز برای تصمیم گیری در راسته پستانداران غیر انسان

مقدمه

          مطالعات تجربی در مورد تصمیم ­گیری (در اغلب موارد) به بررسی انتخاب ها با احتمالات و نتایجی که به وضوح تعریف شده ­اند می­پردازد که در آن تصمیم­ گیرندگان گزینه­ هایی را انتخاب می­کنند که برای آن ها عواقبی را در بر دارد. در واقع این امر نشان می­دهد که وظایف تصمیم­ گیری متعارف شامل انتخاب بین شرط­بندی های پولی است، برای مثال ممکن است از شرکت­ کنندگان این پرسش بیان شود که آیا 50 درصد شانس را برای 25 دلار ترجیح می­دهند یا شانس قطعی برای 10 دلار را ترجیح می­دهند.

             اگرچه نتایج و احتمالات غالبا پیچیده و نامشخص است و در بعضی مواقع با ابهام همراه است، این تصمیمات معمولا در تنظیمات جداشده اجتماعی قرار می­گیرند. با این حال، در تصمیمات روزمره ما به ندرت در این شرایط قرار می­گیریم، و در حقیقت بسیاری از تصمیمات و انتخاب ها در بستر تعامل اجتماعی گزینش می­شوند. ما زندگی می­کنیم، کار می­کنیم و در محیط بسیار پیچیده اجتماعی بازی می­کنیم، و تصمیماتی که می­گیریم غالبا به تصمیمات دیگران بستگی دارد، برای مثال، زمانی که ما در حال تصمیم ­گیری برای گسترش یک پیشنهاد شغلی هستیم یا زمانی که ما وارد یک مذاکره تجاری می­شویم. این تصمیمات این پتانسیل را دارند که پنجره مفیدی را به داخل اشکال پیچیده تصمیم ­گیری باز کنند، تصمیماتی که تقریبا بسیاری از گزینه ­های جالب را در زندگی واقعی ما انتخاب می­کند. این بخش به بررسی رویکرد اقتصاد عصبی برای مطالعه این مسئله در پستانداران غیر انسانی می­پردازد، که با اندازه­ گیری مستقیم یا دستکاری سیگنال های عصبی در میمون هایی که در چنین تصمیمات اجتماعی درگیر هستند صورت می­گیرد.

             ماهیت تصمیم ­گیری ممکن است اساسا هنگامی که نتیجه تصمیم ­گیری به تصمیمات دیگران بستگی دارد تغییر کند، موضوعی که در فصل های 2، 11، 25 و 27 این کتاب نیز آورده شده است. تحت این نوع از شرایط، محاسبه ابزار مورد انتظار استاندارد که بسیاری از نظریه ­های موجود را پایه­ ریزی می­کند و مدل های تصمیم­ گیری توصیف شده در فصل 1 با این حقیقت که ما باید برای فهمیدن اعتقادات شریک یا رقیب خودمان که در تلاش برای رسیدن به تصمیم بهینه است تلاش کنیم را پیچیده کرده است، همانطوری که در فصل 2 نیز به آن اشاره شده است.

          بعنوان بخشی از رویکرد اقتصاد عصبی، چندین گروه از محققان شروع به بررسی روابط روانی و عصبی تصمیمات اجتماعی نسبتا ساده با استفاده از وظایف مشتق شده از شاخ ه­ای از اقتصاد تجربی که بر روی تئوری بازی تمرکز دارد کرده ­اند. این وظایف و امور، در عین سادگی ممکن است نیازمند استدلال پیچیده ­ای در مورد انگیزه­ های دیگر بازیکنان در این کار باشد. ترکیب این امور و روش های اعصاب­ شناختی تا حد زیادی توانایی بالایی برای بسط دادن دانش مکانیسم ­های ذهنی موجود در تصمیم ­گیری اجتماعی و نیز پیشرفت مدل های نظری تصمیم­ گیری در یک محیط اجتماعی غنی را دارد.

             این فصل بر روی استفاده از روش های الکتروفیزیولوژیک تهاجمی در میمون ­ها برای مطالعه فرآیند تصمیم ­گیری در طول فعالیت ­های نظری-بازی تمرکز دارد. بزرگترین مزیت این روش این است که به ما اجازه می­دهد که بطور مستقیم سیگنال ها و مدارهای عصبی را با تفکیک­ پذیری فضایی و زمانی مطلوب در طول فرآیند تصمیم ­گیری اندازه­ گیری و دستکاری کنیم. به دلیل شماری از دلایل فنی که در زیر مورد بحث قرار خواهد گرفت، این رویکرد به بازیهای تکراری ساده مانند سنگ-کاغذ-قیچی محدود شده است. این بازی های ساده برای بررسی فرآیندهای عصبی موجود در ارائه پاداش، احتمال، ارزش ذهنی، انتخاب گزینه و یادگیری سازگار ایده ­آل هستند. خواننده به فصل های 11 و 25 که رویکرد اقتصاد عصبی عادی تصویربرداری مغز در انسانها در طول بازیها ارائه شده است ارجاع داده می­شود. مزیت تصویربرداری مغز انسان این است که به بررسی فرآیندهای تصمیم­ گیری در گونه ­هایی که بیشتر مورد علاقه ماست می­پردازد. همچنین، بیشتر بازی های پیچیده ­تر می­توانند برای بررسی ترجیحات اجتماعی و مفاهیم وابسته در انسانها به کار برده شوند مانند عدالت، متقابل به مثل و اعتماد که نقش مهمی را در به چالش کشیدن موقعیت ­های اجتماعی ایفا می­کنند. تکنیکهای تصویربرداری عصبی که در حال حاضر موجود هستند فاقد غنای فضایی و زمانی اندازه­ گیری های نوروفیزیولوژیک مستقیم هستند. در مجموع، این رویکردهای انسانی و غیر انسانی برای ما دسترسی به فرآیند موجود در جعبه سیاه و درک عمیقتر اینکه چگونه حیوانات اجتماعی به موفقیت ( و گاهی با عدم موفقیت) با هم تعامل می­کنند را فراهم می­ آورد.

تئوری بازی

              در اصل، تئوری بازی مجموعه ­ای از مدلهای سختگیرانه با هدف توضیح موقعیت هایی است که در آن تصمیم­ گیرندگان باید با یکدیگر تعامل داشته باشند و این موضوع در فصل 2 این کتاب به تفصیل آمده است. در تئوری بازی کلاسیک (برای مثال، ون نیومن و مورگن اشترن، 1944) فرض بر این است که تصمیم­ گیرندگان دانش کاملی نه تنها در مورد هر کدام از اقدامات متناوبی که می­توانند انتخاب کنند دارند، بلکه همچنین در مورد اینکه چگونه بازپرداخت بطور مشترک با اقدامات آنها و دیگر تصمیم ­گیرندگان تعیین می­شوند نیز مطلع هستند. مفهوم تعادل نقش مهمی را در فهم این تعاملات دارد. برای مثال، مجموعه ­ای از استراتژی ­ها بعنوان تعادل ناش یعنی زمانی که هیچ بازیکن فردی نمی­تواند بازپرداخت را با انحراف از چنین استراتژی هایی بصورت یکطرفه افزایش دهد ارجاع داده می­شوند (ناش، 1950، همچنین فصل 2 را نیز ببینید). بعنوان مثال، اگر دو بازیکن در یک بازی سنگ-کاغذ-قیچی در حال انتخاب از بین سه گزینه غیرقابل پیش­بینی و در نسبتهای مساوی باشند (یک استراتژی مخلوط)، ممکن است در تعادل ناش باشند زیرا هیچکدام از آنها انگیزه ­ای برای تغییر استراتژی خود ندارند. چنین نعادل نظری بازی باعث دقیق شدن مدلهای تصمیم­ گیری انسانی و غیر انسانی خواهد شد، با این حال، تنها تا حدی که تصمیم­ گیرندگان واقعی قادر به ساختن چنین استنتاج های هستند، شناسایی و پیاده ­سازی چنین استراتژی هایی ضروری به نظر می­رسد. در حقیقت، زمانیکه رفتارهای انسان و حیوان در طول بازی های مختلف به صورت سیستماتیک در آزمایشگاه مورد مطالعه قرار می­گیرد، نتایج غالبا انحرافات سیستمی مشابه ی را از پیش ­بینی­ های استراتژیهای تعادل نشان می­دهد (نکته­ای که در فصل قبل و در مطالعه کارمر در سال 2013 مطرح شده است). بطور معمول، تصمیم­ گیرندگان خودخواهی کمتری دارند و بیشتر تمایل به در نظر گرفتن عواملی مانند تقارن و عدالت به جای نظریه بازی کلاسیک دارند (فصل 11). علاوه بر این، زمانیکه همان بازی بصورت مکرر تکرار شود، تصمیم ­گیرندگان تمایل دارند که استراتژیهای خود را به تدریج برای بهبود نتایج انتخاب خود تطبیق دهند. در واقع، انسانها و میمون ها پویایی مشابهی را در رفتارهای انتخابی خود در طول بازی های تکراری نشان می­دهند (لی، 2008)، و این به نحوی است که غالبا در نظریه بازی کلاسیک گنجانده نشده است. با این حال برای خواننده مهم است که در نظر داشته باشد که به رغم این شباهت  های استراتژیک بین گونه ­ها، معلوم نیست که آیا میمون هایی که آزمایشات را در آزمایشگاه ها انجام می­دهند به واقع این را می ­فهمند که آنها در بازی استراتژیک درگیر هستند یا محققان می­توانند برای آنها آموزش کلامی یا دریافت گزارش از آنها را فراهم کنند، زیرا آنها غالبا با یک رقیب زنده در آزمایشگاه مواجه نیستند.

              با این وجود، وظایف مشخص و رویکرد مدلسازی رسمی ارائه شده توسط تئوری بازی یک بنیاد مفید را برای مطالعه تصمیمات در بستر اجتماعی فراهم می­سازد. از نقطه نظر تجربی، چارچوب ریاضی تئوری بازی یک زبان مشترک را فراهم می­اورد که در آن یافته­ های گروه های تحقیقاتی مختلف و در واقع روش های تحقیقاتی می­توانند مقایسه شوند و انحرافات از پیش ­بینی ­های مدل نیز تعیین گردند. این وظایف یک الگوی غنی و متغیر از تصمیم ­گیری را با استفاده از قوانین بسیار ساده ارائه می­دهند. قوانین برای سه بازی تکراری که در میمون ها (تطبیق پول، بازی بازرسی و سنگ، کاغذ، قیچی) مطالعه شده است به شکل معمول در شکل 26.1 نشان داده شده است. همانطور که نتایج را به شرح زیر توصیف می­کنیم، روندی را مورد بررسی قرار می­دهیم که در آن این فعالیت ها و وظایف برای آزمایشات نوروفیزیولوژیک در بیداری و رفتار میمونها تطبیق داده شده است.

INTRODUCTION

           Experimental studies of decision making have, for the most part, examined choices with clearly defined probabilities and outcomes in which the decision maker selects between options that have consequences only for them. This is reflected in the fact that the canonical decision tasks involve choices between monetary gambles  for example, participants might be asked whether they prefer a 50% chance of $25, or a certain $10. Though the outcomes and likelihoods are often complex and uncertain, and sometimes ambiguous, these decisions are typically made in socially isolated settings.

            However, in our daily life decisions are seldom made in these sterile situations, and indeed many of our everyday decisions and choices are made in the context of a social interaction. We live, work, and play in highly complex social environments, and the decisions we make are often dependent on the concomitant decisions of others, for example, when we are deciding to extend an offer of employment or when we are entering a business negotiation. These decisions have the potential to offer a useful window into more complex forms of decision making, decisions that approximate many of the more interesting choices we make in real-life. This chapter examines a neuroeconomic approach to study this problem in non-human primates, that is, by directly measuring or manipulating neural signals in monkeys who are engaged in such social decisions.

             The nature of decision making may change fundamentally when the outcome of a decision is dependent on the decisions of others, an issue also taken up in Chapters 2, 11, 25, and 27 of this book. Under these kinds of conditions, the standard expected utility computation that underlies many of the existing theories and models of decision making described in Chapter 1 is complicated by the fact that we must also attempt to infer the beliefs of our partner or opponent in attempting to reach the optimal decision, as noted in Chapter 2.

             As part of the neuroeconomic approach, several groups of researchers have begun to investigate the psychological and neural correlates of relatively simple social decisions using tasks derived from a branch of experimental economics that focuses on game theory. These tasks, though simple, may require sophisticated reasoning about the motivations of other players in the task. The combination of these tasks and modern neuroscientific methods have the potential to greatly extend our knowledge of both the brain mechanisms involved in social decision making, as well as advancing the theoretical models of how we make decisions in a rich, social environment.

             This chapter focuses on the use of invasive electrophysiological techniques in monkeys for studying decision-making processes during game-theoretic tasks. The biggest advantage of this approach is that it allows us to directly measure and manipulate neural signals and circuits with exquisite spatial and temporal resolution during the actual decision-making process. For a number of technical reasons that will be discussed below, this approach has been limited to simple iterative games such as rock-paper-scissors. These simpler games are ideal for examining neural processes involved in representing reward, probability, subjective value, choice selection and adaptive learning. The reader is directed to Chapters 11 and 25 that adopt the complimentary neuroeconomic approach of brain imaging in humans during games. The advantage with human brain imaging is that it examines the decision processes in the species we are most interested in, ourselves. Also, more sophisticated games can be employed in humans to examine social preferences and related concepts, such as fairness, reciprocity, and trust that play important roles in challenging social situations. The currently available neuroimaging techniques, however, lack the spatial and temporal richness of direct neurophysiological measurements. Together, these human and non-human primate approaches are providing us with unparalleled access to the process within the “black-box” and the promise of a deeper understanding of how social animals successfully (and sometimes unsuccessfully) interact.

GAME THEORY

              In essence, game theory is a collection of rigorous models aimed at explaining situations in which decision makers must interact with one another, and it is the focus of Chapter 2 in this volume. In classical game theory (e.g., von Neumann and Morgenstern, 1944), it is assumed that decision makers have full knowledge not only about each of the alternative actions they can choose, but also know about how the payoff is determined jointly by their actions and actions of other decision makers. The concept of an equilibrium plays a central role in understanding these interactions. For example, a set of strategies is referred to as a Nash equilibrium (Nash, 1950; also see Chapter 2) when no individual players can increase their payoffs by deviating from such strategies unilaterally. For example, if both players in a game of rock-paper-scissors were choosing between the three options unpredictably and in equal proportions (a mixed-strategy) they would be at the Nash equilibrium because neither would have an incentive to change their strategy, conditional upon their belief that their opponent is also behaving rationally in this regard. Such game theoretic equilibria would be accurate models of human or animal decision making, however, only to the extent that real decision makers are capable of making all the inferences necessary to identify and implement such equilibrium strategies. In fact, when the behaviors of humans and animals during various games are systematically studied in laboratory experiments, the results often display similar systematic deviations from the predictions of equilibrium strategies (a point taken up in the preceding chapter and in Camerer, 2003). Typically, decision makers are both less selfish and more willing to consider factors such as reciprocity and equity (Chapter 11), than the classical game theory might predict. In addition, when the same game is played repeatedly, decision makers tend to adjust their strategies gradually to improve the outcomes of their choices. In fact, humans and monkeys display similar dynamics in their choice behaviors during iterative games (Lee, 2008), and in a way that is often not captured by classical game theory. It is also important, however, for the reader to keep in mind that despite these strategic similarities between species, it is unclear whether monkeys performing experiments in laboratories truly understand that they are engaged in a strategic game because they often do not face a live opponent in the laboratory, nor can the researchers provide them with verbal instruction or receive selfreports from the monkeys.

               Nonetheless, the well-characterized tasks and formal modeling approach offered by game theory provides a useful foundation for the study of decisions in a social context. From an experimental standpoint, the mathematical framework of game theory provides a common language in which findings from different research groups, and indeed research methodologies, can be compared, and deviations from model predictions quantified. These tasks produce a surprisingly varied and rich pattern of decision making, while employing quite simple rules. The rules for the three iterative, repeated games that have been studied in monkeys  matching pennies, the inspection game, and rock-paper-scissors  are shown in normal form in Figure 26.1. As we describe the results for each below, we will examine the manner in which these tasks have been adapted for neurophysiological experiments in awake, behaving monkeys.

مقدمه
تئوری بازی
مدار بصری راسته پستانداران غیر انسان بعنوان یک سیستم مدل برای مطالعه پایه عصبی تصمیم گیری اجتماعی
مزایا و معایب رویکرد نوروفیزیولوژی سیستم ها
انطباق بازیها برای راسته پستانداران غیر انسانی
تجزیه و تحلیل آماری داده های بازی تکراری
آموزش تقویتی
آموزش تقویتی در بازیها
یادگیری تقویتی بدون مدل در طول بازی تطبیق پول در میمونها
یادگیری ترکیبی در طول بازی سنگ-کاغذ-قیچی در میمونها
مکانیک قشری یادگیری تقویتی در طول بازیهای تکراری
فعالیت عصبی مربوط به مقادیر و انتخاب ها
فعالیت عصبی مرتبط با تاریخچه انتخاب و پاداش
فعالیت عصبی مرتبط با نتایج ساختگی (فکری)
انتخاب پاسخ توسط نواحی چشمی پیشانی و برجستگی فوقانی
نتیجه گیری
منابع

INTRODUCTION
GAME THEORY
PRIMATE VISUO-SACCADIC CIRCUITRY AS A MODEL SYSTEM FOR STUDYING THE NEURAL BASIS OF SOCIAL DECISION MAKING
Advantages and Disadvantages of a Systems Neurophysiology Approach
Adapting Games for Non-Human Primates
Statistical Analyses of Iterative, Repeated Game Data
REINFORCEMENT LEARNING
Reinforcement Learning in Games
Model-Free Reinforcement Learning During Matching Pennies Games in Monkeys
Hybrid Learning During the Rock-PaperScissors Game in Monkeys
CORTICAL MECHANISMS OF REINFORCEMENT LEARNING DURING ITERATIVE GAMES
Neural Activity Related to Values and Choices
Neural Activity Related to Choice and Reward Histories
Neural Activity Related to Fictive Outcomes
RESPONSE SELECTION BY THE FRONTAL EYE FIELDS AND SUPERIOR COLLICULUS
CONCLUSIONS
References