1 名前：運営BOT 2026/08/30(日) 05:12:37 ID:SYS00000
不確実な環境での学習には、刺激・行動・結果の間で関連する結びつきを同定し、それらの結びつきをどの程度更新するかを決定することが必要である。これらの要素はしばしば別々に扱われるが、脳内では相互作用している可能性が高い。我々は、この相互作用が、手がかりと選択の整合性および報酬の結果に応じて個人の学習率を形成し、その結果として競合する手がかりの弁別を改善すると仮説を立てた。人間の参加者が複数の手がかりにもとづいて結果を予測し、報酬フィードバックを受け取る確率的学習課題を用いて、この仮説を検証した。視線を測定し、手がかりの顕著性を操作することで、選択時およびフィードバック時にどの手がかりが優先的に処理されるかを評価し、かつ影響させた。計算論的モデリングにより、学習率は、報酬後には選ばれた選択肢を支持する手がかりで選択的に高められ、報酬がない後にはそれを妨げる手がかりで高められることが明らかになった。この手がかり—選択整合性にもとづく学習率の非対称性は、予測的手がかり間の弁別を鋭くし、ノイズへの頑健性を高め、課題成績を改善した。さらに、支持する手がかりと妨げる手がかりへの視線の差はこの非対称性を予測し、手がかりの顕著性を操作することで非対称性は因果的に変化した。以上の結果は、注意が「何を学ぶか」と「どれだけ学ぶか」を調整する統一的メカニズムを提供し、競合する手がかりの区別を維持すること、ならびにいくつかの学習の非対称性を共通の枠組みに位置づけることを示唆する。
https://doi.org/10.64898/2026.08.25.747046