Key points are not available for this paper at this time.
Zusammenfassung Unsicherheit überwiegt in der realen Welt, und in Umgebungen mit mehreren Schichten unobservable latenter Zustände erfordert die Entscheidungsfindung die Auflösung von Unsicherheiten basierend auf gegenseitiger Inferenz. Fokussierend auf ein Problem der räumlichen Navigation entwickeln wir eine Tiger-Maze-Aufgabe, die die gleichzeitige Inferenz des lokalen latenten Zustands und des globalen latenten Zustands aus probabilistisch unsicheren Beobachtungen umfasst. Wir übernehmen einen bayesianischen rechnerischen Ansatz, indem wir ein hierarchisches Inferenzmodell vorschlagen. Die Anwendung dieses Modells auf das Verhalten von Menschen bei Aufgaben, zusammen mit funktioneller Magnetresonanztomographie, erlaubt es uns, die neuronalen Korrelate zu trennen, die mit Verstärkung und Neubewertung des Glaubens an latente Zustände assoziiert sind. Die Bildgebungsergebnisse deuten auch darauf hin, dass unterschiedliche Schichten von Unsicherheit unterschiedlich die Basalganglien und den dorsomedialen präfrontalen Kortex einbeziehen und dass die verantwortlichen Regionen entlang der rostralen Achse dieser Bereiche entsprechend der Art der Inferenz und dem Abstraktionsniveau des latenten Zustands organisiert sind, d.h. höhere Inferenz über Zustände umfasst anteriorere Teile.
Katayama et al. (Tue,) haben diese Frage untersucht.