How do expectations shape perception?

doi.org/10.1016/j.tics.2018.06.002

Abstract

Perception and perceptual decision-making are strongly facilitated by prior knowledge about the probabilistic structure of the world. While the computational benefits of using prior expectation in perception are clear, there are myriad ways in which this computation can be realized. Here, we review recent advances in our understanding of the neural sources and targets of expectations in perception. Furthermore, we discuss Bayesian theories of perception that prescribe how an agent should integrate prior knowledge and sensory information, and investigate how current and future empirical data can inform and constrain computational frameworks that implement such probabilistic integration in perception.

지각 및 지각적 의사결정perceptual decision-making은 세상의 확률적 구조probabilistic structure of the work에 대한 사전 지식에 의해 강하게 영향 받음.

이 논문에서는 a) 신경학적 기반에 대한 최근의 연구들을 소개, b) 베이지안 모델에 기반한 지각 이론을 소개.

Expectation in perception

앤디 클락 등에 따르면 뇌는 예측 기계prediction machine. a) 세상에 대한 예측 모델을 만들고 이를 기반으로 감각 입력을 해석, b) 감각 입력을 통해 예측 모델을 갱신. 이 리뷰에서는 a)를 살펴볼 것.

계산 정신의학computational psychiatry에서 이 이론에 기반하여 조현증과 자폐증을 해석하는 관점을 소개.

Perceptual consequences of expectation

세상은 매우 예측가능성이 높음. 예:

사물들은 대체로 그대로 멈춰 있거나 시간의 흐름에 따라 서서히 바뀜
광원은 대체로 위에 있음

뇌는 이러한 예측가능성을 활용하여 감각정보에 대한 ‘기대’를 구성하고 이를 바탕으로 감각정보를 해석. 감각 정보와 기대 사이의 상호작용:

감각정보가 부정확한 경우, 기대가 해석에 큰 영향을 미침. 예: 빨간점은 왼쪽, 파란점은 오른쪽으로 움직인다는 사실을 학습시킨 후, 움직임이 모호한 점을 보여주는 경우 점의 색상이 무엇인지에 따라 움직임에 대한 판단이 달라짐
감각정보가 충분히 명확하거나 기대가 크게 어긋난 경우, 기대가 해석에 큰 영향을 미치지 않음

즉, 베이지안 추론(prior + information —> posteria —> new prior)과 유사. 현재의 기대가 믿을만하고 새로운 정보가 빈약하면 prior에 영향을 적게 주는 방식.

Where do expectations come from?

기대를 형성하려면 세상에 존재하는 통계적 규칙성을 인식할 수 있어야 함. 뇌는 이 작업을 어떻게 수행하나?

규칙성의 종류에 따라 피질의 서로 다른 계층에 인코딩됨:

물리적 특성에 기반한 규칙성. 예: 그림자는 보통 물체 아래에 형성됨(광원은 보통 위에 있으니까), 주변시의 사물은 대체로 곧 사라짐(사람은 보통 앞으로 걸어가니까)
조건부 확률에 기반한 규칙성. 예: 운전 중 도로 위에서 움직이는 다른 물체는 상어일 가능성보다는 다른 차일 가능성이 높음
여러 감각 정보를 통합하여 형성되는 규칙성. 예: 강아지 울음소리를 들었으면 아마 강아지를 볼 가능성이 높음

기타:

빠르게 학습해야 하는 매우 가변적인 규칙성: 예: 아이스크림 파는 트럭이 내는 소리(?). 아마도 해마 및 전전두엽이 관여하는 것으로 보임.
스스로의 움직임에 의해 형성되는 기대: 예: 손을 움직여서 공을 잡았으니 공을 만지는 촉각을 기대하기. 운동 시스템에서 감각 영역으로 흐르는 신호가 존재한다고 함.

팝아웃 효과:

Preattentive processing(전주의적 처리)
Tunable processing((주의에 의해) 조율 가능한 프로세스)

How do expectations modulate sensory processing?

주의 등 기존에 잘 알려진 인지적 요인 뿐 아니라 기대도 초기 감각 영역의 작동에 강한 영향을 미침. 기대와 일치하는 자극은 대체로 반응성이 줄어든다고.

이러한 작용을 어떻게 해석할지는 아직 논쟁 중
몇몇 연구자들은 기대와 일치하면 정보가치가 적기 때문에 일종의 ‘데이터 압축’ 역할을 하는 것이라고 추측.

Expectation in computational models of perception

기대에 따라 하위 수준 뉴런들의 반응성이 달라진다는 점은 명확하지만, 이러한 모듈레이션의 계산적 기능에 대해서는 조금 더 연구가 필요.

논의중인 가설1: 베이지언 추론bayesian inference. 이상적인 예측 기계라면 베이지언 방식을 따를 것이라는 규범적 접근. 일부 실험에 의해 지지됨.
논의중인 가설2: 예측적 코딩predictive coding. 세상에 대한 가상의 모델을 만들고, 이 모델의 움직임과 실제 감각 정보를 계속 비교하는 방식. 일부 실험에 의해 지지됨.

Alterations of expectation in psychopathology

기대에 대한 연구는 정신병리학적 측면에서도 유용할 수 있음. 일부 신경발달장애를 통한된 틀에서 설명할 수 있게 됨.

자폐스팩트럼장애: 기대에 대한 가중치가 지나치게 낮음. 감각 정보의 세밀한 사항들을 매우 잘 처리하지만 이를 통합하거나 해석하지 못함. 뜻밖의 자극에 과도하게 민감하게 반응.
조현병: 기대에 대한 가중치가 지나치게 높음. 실제 감각 정보가 존재하지 않지만 존재하는 것으로 여김.

Conclusing Remarks and Future Perspectives

뇌가 감각 정보를 더 잘 해석하기 위해 세상에 대한 사전 정보를 어떻게 활용하는지에 대한 최근 논의들을 살펴보았음.

추후 해볼만한 흥미로운 연구 주제들:

서로 다른 감각 채널로부터 오는 예측 정보를 어떻게 통합하여 하나의 모델을 만들어내는가. 채널 간 공유하는 “칠판blackboard” 같은 게 있나.
딥러닝 연구로부터 배울 점들 찾기.
기술적 발전으로 인해 뇌의 더 넓은 영역을 더 정밀하게 관찰할 수 있게 되고 있음.