fMRI आधारित न्यूरल प्रीडिक्शन की स्पष्टता में सुधार करके धोखे को इसके भ्रमों से अलग करना

धोखा एक सार्वभौमिक मानव व्यवहार है। फिर भी, धोखाधड़ी व्यवहार के जैविक तंत्रों की विशेषता के लिए उपयोग किए जाने वाले मापों की वैधता के बारे में लंबे समय से चल रहा संदेह ऐसे अध्ययनों को वैज्ञानिक परिधि में सीमित कर देता है। यहां, हम मशीन लर्निंग विधियों और फंक्शनल मैग्नेटिक रिसोनेंस इमेजिंग (fMRI) का उपयोग करके मानव प्रतिभागियों में प्रेरित धोखाधड़ी को पकड़ने वाले सिग्नलिंग खेलों के माध्यम से इन मौलिक प्रश्नों का समाधान करते हैं। पहले, हम भ्रमित प्रक्रियाओं की उपस्थिति के लिए परीक्षण करने का एक दृष्टिकोण विकसित करते हैं और बताते हैं कि धोखाधड़ी डेटा पर प्रशिक्षित न्यूरल प्रिडिक्टर की पूर्वानुमान शक्ति का अधिकांश हिस्सा धोखाधड़ी के अलावा दूसरी प्रक्रियाओं से आता है। विशेष रूप से, हम दिखाते हैं कि भेदक वैधता को उस कार्य में व्यवहार की भविष्यवाणी करने की प्रिडिक्टर की क्षमता द्वारा बाधित किया जाता है जो धोखे को शामिल नहीं करता। दूसरा, हम दिखाते हैं कि भ्रमित सिग्नल की उपस्थिति अनिष्टकारी नहीं होनी चाहिए और न्यूरल प्रिडिक्टर की वैधता को उन सिग्नलों को हटा कर बेहतर किया जा सकता है जो दिलचस्प कार्य से संबंधित हैं। इस उद्देश्य के लिए, हम "डुअल-गोल ट्यूनिंग" दृष्टिकोण विकसित करते हैं जिसमें, दिलचस्प व्यवहार की भविष्यवाणी के सामान्य लक्ष्य के अलावा, प्रिडिक्टर एक दूसरा अनिवार्य लक्ष्य भी शामिल करता है जो नियंत्रण कार्य में संयोग प्रदर्शन को लागू करता है। इन निष्कर्षों ने एक उपेक्षित वर्ग के व्यवहार की न्यूरल आधार को समझने के लिए एक दृढ़ वैज्ञानिक आधार प्रदान किया है, और वे न्यूरल प्रिडिक्टर्स की वैधता में सुधार के लिए एक दृष्टिकोण का सुझाव देते हैं।