认知控制的神经编码:RSA(1)
文献信息
Freund, M. C., Etzel, J. A., & Braver, T. S. (2021). Neural coding of cognitive control: The representational similarity analysis approach. Trends in Cognitive Sciences, 25(7), 622–638. https://doi.org/10.1016/j.tics.2021.03.011
认知控制依赖于分布式和潜在的高维额叶任务表征。然而先前方法侧重于高度抽象的一维因素(如Stroop一致性),通过单变量或多变量方法,对神经测量进行汇总和对比。
本文:提出表征相似性分析(RSA)可以对认知控制理论的表征成分进行研究。(1)回顾了RSA的几个经典应用。(2)进一步表明,大多数经典范式可以通过最小的修改来优化RSA。
- 认知控制的经典测量方法往往只与它们通常用来测试的理论表征有轻微的对应。
- RSA 可以更好地将测试方法与理论相结合。
- RSA 优势:表征结构建模方面的灵活性和明确性。
- 全因子RSA 提高了推断的精确性,并使相互作用得到检验。
- 讨论 RSA~认知控制理论 的最新研究。
文献解析
认知控制表征的建模
Toward Modeling Cognitive Control Representations
认知控制能力是最复杂的能力的基础。前人通常通过 表征和加工 2个互补的认知结构的视角来理解认知控制。
- 表征(representation):一个神经单元(如 neuron, ensemble, or area)的活动所编码的信息。
- 加工(process):神经单元的功能,编码信息的特定内容的抽象。
黑盒的计算功能由 输入-输出映射定义(而不是一组内部状态值)。而认知控制的神经标记往往只能通过加工层面的测量来间接观察。
理解认知控制的机制——实验方法的扩展形式:从专注于测量控制过程的经典方法,到明确建立控制表征模型的表征方法。这种扩展是由神经群体水平分析技术的发展催生的:多变量模式分析(MVPA,包含RSA)和降维方法(允许在宏观地测量广泛变量的神经编码)
下文:
(1)RSA框架中如何补充经典方法。
(2)最近几个认知控制的RSA研究
认知控制的经典测量方法
The ‘Classical’ Approach Measures Control Processes
大多数原型(prototypical)认知控制任务的关键:一个抽象的实验因素,对控制加工提出了不同的要求。
- 例如Stroop任务,关键因素是一致性:任务相关的维度(颜色)是否与空间上重叠但不相关的维度(单词)一致或不一致(关键图:design)。
这些因素是抽象的,包含较少的水平,这些水平与其他成分(如刺激物、规则或反应模式)重叠。
研究者试图通过聚集和对比这些因素的测量结果来分离类似的抽象认知控制过程(关键图:analysis)——认知控制的 经典方法
- 经典方法像温度计一样,一维的数值被假定为代表认知控制的水平。这些指标的变化被用来阐明基本控制过程的特征(例如,边界条件,关键图:橙色箭头)
经典方法+认知神经科学手段:单变量激活分析,类似于以前的基于加工的行为对比,但是现在对比表示控制-加工操作在ROI内增加总活动的数量。
- 早期结果:外侧前额叶皮层(LPFC)、背内侧额叶皮层(DMFC)以及额叶和齿状突起脑网络(FPN、CON)中的其他节点在控制加工的情况下激活。
许多认知控制理论主要不是在加工方面,而是在表征方面。然而,由于只有加工层面可以测量,调查这些表征非常困难。甚至有可能,对于理解与认知控制相关的表征形式来说,最能说明问题的是测量加工的方法最不支持的。特别是:是什么使两个需要控制的状态相似或不同?