В мозге все время общаются нейроны-«оптимисты» и «пессимисты» — неврологи
Каждый день наш мозг принимает тысячи решений — от выбора ресторана до смены карьеры. Эти решения связаны с оценкой риска и возможного вознаграждения. Как именно мозг делает этот выбор? Исследование Гарвардской медицинской школы и Гарвардского университета, опубликованное в Nature, помогает раскрыть этот процесс.
Как мозг оценивает вознаграждение?
Ученые обнаружили у мышей две группы нейронов: одна помогает усваивать положительный опыт (лучшие, чем ожидалось, результаты), другая — отрицательный (хуже, чем ожидалось). Вместе они позволяют мозгу оценивать весь спектр возможных последствий выбора.
«Вы можете думать об этом как о том, что в вашем мозгу есть оптимист и пессимист и оба дают вам совет о том, что делать дальше», — объясняет Ян Фадроуч, соавтор исследования.
В эксперименте мышей обучали ассоциировать запахи с разными уровнями вознаграждения (например, большее или меньшее количество сладкой жидкости). Затем, наблюдая за их реакцией (количество облизываний в ожидании награды), ученые регистрировали активность вентрального стриатума — области мозга, связанной с оценкой награды.
Когда исследователи отключали «оптимистичные» нейроны, мыши вели себя так, как будто ждали меньшую награду. Если отключались «пессимистичные» нейроны, ожидания награды становились завышенными.
Что это значит для людей?
Исследование подтверждает, что мозг животных и человека оценивает не только среднее значение ожидаемого результата, но и весь диапазон возможных исходов. Это объясняет, почему мы иногда выбираем рискованные варианты, а иногда предпочитаем безопасные.
«Наши результаты показывают, что мыши — и, вероятно, другие млекопитающие — способны учитывать больше деталей о риске и возможной награде, чем мы предполагали ранее», — говорит Фадроуч.
Результаты помогут понять, как работает механизм принятия решений у человека. Например, нарушения в системе оценки вознаграждений могут объяснять поведенческие особенности при депрессии или зависимостях.
В основе исследования лежат принципы машинного обучения. Ученые взяли за основу алгоритмы искуственного интеллекта, которые анализируют не только средний результат, но и весь спектр возможных исходов.
Нейробиологи из Принстона расшифровали, как мы принимаем решения
Когда ожидание не стоит свеч: как мозг принимает решения в условиях неопределенности
