Ensamblando operaciones mentales : desarrollo de un marco teórico y computacional para la toma de decisiones humanas

• Autores: Paz, Luciano
• Año de publicación: 2016
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Sigman, Mariano
• Materia: TOMA DE DECISIONES; CONFIANZA; PLANEAMIENTO; INFERENCIA; COMPUTABILIDAD; DECISION MAKING; CONFIDENCE; PLANNING; INFERENCE; COMPUTABILITY
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

A lo largo de esta tesis, estudiamos el problema de la toma de decisiones en el cerebro. Nuestro enfoque fue abarcativo, intentando analizar las diversas escalas del problema, desde modelos neurofisiológicos para decisiones sencillas hasta el encadenamiento de decisiones individuales para formar programas complejos. Es claro que el cerebro es una máquina capaz de realizar cómputos de manera flexibley versátil, pero que además presenta circuitos especializados en ciertos cómputos específicoscomo el trazado visual de una curva, la detección de la orientación, del contraste, del mo-vimiento, etc. Estos circuitos configuran una red de procesadores especializados, capaces deoperar en paralelo pero que para realizar los cómputos flexibles y versátiles, a veces debenencadenarse de forma serial. Los mecanismos específicos detrás del encadenamiento de lasoperaciones `elementales' del cerebro son mayormente desconocidos. Durante esta tesis exponemos los requisitos computacionales que deben ser satisfechos para que las operacionesconfiguren programas comportamentales flexibles y complejos. Actualmente se tiene un conocimiento bastante detallado del mecanismo subyacente alas decisiones perceptuales. A partir de registros electrofisiológicos en monos y ratas quefueron entrenados para hacer tareas de discriminación perceptual, se observó que existenneuronas sensibles a las categorías que se deben responder, cuya actividad rampea hasta un nivel donde señalan la decisión. Esto se interpreta como que las neuronas integran evidencia sensorial ruidosa hasta alcanzar un nivel de certeza suficiente como para decidir. Esta interpretación se deriva de la estrategia de inferencia bayesiana óptima para toma dedecisiones en presencia de ruido, que reproduce varias de las observaciones experimentales. Sin embargo, no está claro cómo es que esta inferencia se instancia en el cerebro, ni a nivel algorítmico ni neurofisiológico. En esta tesis estudiamos una propuesta particular, la inferencia aproximada por un proceso de muestreo de una distribución de probabilidad. Estudiamos este mecanismo al nivel neurofisiológico, implementando una red de neuronasque forman varios atractores dinámicos. En particular, nos enfocamos en cómo es que esta implementación permite codificar de forma natural la medida de la confianza que tienen los sujetos en la elección que tomaron. La confianza, junto al tiempo de respuesta y la tasa de errores, es uno de los observables del proceso de toma de decisión que fueron estudiados por psicólogos y neurocientíficos cognitivos. Se considera que es una medida interna crucial para el comportamiento, desde la política de toma decisiones hasta la modulación del aprendizaje en tareas complejas, cuyas bases neurofisiológicas siguen siendo mayormente desconocidas. Por último, extendemos la implementación del proceso de muestreo para explicar, alnivel algorítmico, una forma de encadenamiento de decisiones individuales. En particular,estudiamos cómo es que chicos de entre 6 y 7 años se desempeñan en un juego sencillo de planeamiento. Proponemos un mecanismo de encadenamiento de acciones individuales (proceso de planeamiento o de búsqueda) que nos permite ajustar el desempeño de los chicos en la tarea. Más importante aún, nos permite sondear las estrategias de los chicos para orientar o sesgar la búsqueda de cadenas de acciones (el mecanismo de asignación de valor de las acciones o la heurística).
During this thesis, we studied decision making in the brain. We used a broad approach,attempting to analyze the various scales of decision making, from neurophysiological modelsfor simple decision to chains of many individual decisions that form complex behavioralprograms. It is clear that the brain is capable of performing flexible and versatile computationson demand, but also has specialized circuits devoted to specific operations such as curvevisual tracing, orientation detection, contrast or movement sensing, etc. These circuits form anetwork of specialized processors, capable of parallel operations but to retain flexibility, theymust sometimes work in serial manner. The specific mechanisms that underly the chainingof the brain's `elemental' operations is mostly unknown. During this thesis, we expose thecomputational requirement that must be satisfied to allow the operations to configure flexible and complex behavioral programs. Presently, the underlying mechanism behind perceptual decisions is known with a lot ofdetail. It was seen in electrophysiological recordings in monkeys and rats that were trainedto perform perceptual discrimination tasks, that there are neurons, sensitive to the responsecategory, whose activity ramps to a level that signals the decision. The neurons' ramping isinterpreted as a noisy sensory evidence integration, which continues up to a level of certaintythat is sufficient to decide. This interpretation derives from the optimal bayesian inferencedecision strategy, which is also able to reproduce various experimental observations. However,it is still unclear how the inference is instantiated in the brain at both the algorithmic andneurophysiological levels. In the present thesis, we study a particular proposal: inference is approximated by a sampling process. We study this mechanism at the neurophysiologicallevel by implementing a network of neurons that form dynamic attractors. In particular,we study how this implementation is able to naturally encode a measure of the confidencesubjects have in their decision. Confidence, along with response time and error rates, isone of the behavioral observables of the decision making process that have been studiedby psychologists and cognitive neuroscientists for many decades. Confidence is considereda measure that subjects rely on to shape their behavior, from the decision making policyto the modulation of complex task learning, and whose neurological underpinning is mostlyunknown. Finally, we extend the implementation of the sampling process to explain, at the algo-rithmic level, a form of simple decision chaining. In particular, we study how children, thathave between 6 and 7 years of age, play a simple planning game. We propose a mechanismof action chaining (planning process or search process) that allows us to fit children's taskaccuracy. More importantly, we are able to probe the strategies that children use to shapetheir plans of action chains (the action value assignment mechanism or heuristic).
Fil: Paz, Luciano. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.