Testing computational models of learning from social, real, and fictive feedback in human and nonhuman primates

In diesem deutsch-japanischen Kooperationsprojekt, gefördert im gemeinsamen Programm Computational Neuroscience der DFG, des BMBF und der Japan Science and Technology Agency (JST), sollen computergestütze Modelle des Lernens und Entscheidens entwickelt und in zwei Primatenspezies (Mensch, Makake) getestet werden. Die Modelle sollen verschiedene Quellen von Informationen über Handlungsergebnisse, die zukünftiges Verhalten beeinflussen, inkorporieren: Rückmeldungen über tatsächliche Handlungsergebnisse, fiktive Handlungsergebnisse ("was wäre passiert, wenn ich eine alternative Entscheidung getroffen hätte") und beobachtete Handlungsergebnisse bei anderen in sozialen Situationen. Wir erwarten, dass in allen Lernsituationen ähnliche computationale Prinzipien die Daten beschreiben können, dass sich aber einzelne Parameter quantitativ zwischen den Situationen und Spezies unterscheiden. Mit modellbasierter Analyse der erhobenen empirischen Daten sollen Hirnkorrelate der Modellparameter identifiziert werden. Wir erwarten anatomische und funktionelle Dissoziationen während der Überwachung der verschiedenen Informationsquellen sowie eine spätere Konvergenz auf einen gemeinsamen Mechanismus, der die Adaptation des Verhaltens initiiert. Die Verwendung komplementärer Verfahren in zwei Primatenspezies wird in einer besseren Generalisierbarkeit der Ergebnisse und einem besseren Verständnis der zugrundeliegenden neuronalen Mechanismen resultieren.

The consortium will develop computational models of learning and decision making and test them in two biological systems, humans and macaques. The models shall account for the use of different sources of information on action outcomes to guide future behavior: feedback on real outcomes, fictive feedback on outcomes that would have been obtained had a different action been chosen, and observational feedback on action outcomes seen in other actors in social situations. We expect that the same computational principles apply for all information sources but that the learning parameters differ quantitatively between feedback type and species. Model fits to behavior and model-based analyses of neural data will reveal brain correlates of the computational variables. We expect to find anatomical and functional dissociations during monitoring of the different sources of feedback information and later convergence on a single mechanism implementing changes to future behavior. Using complementary methods in two primate species will lead to better generalizability of the models, better understanding of underlying neural mechanisms, and mutually informed choice of recording sites and analysis.