基于主动推断框架探讨心理努力自愿投入机制

《COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE》:Understanding mechanisms of voluntary engagement of mental effort using active inference

【字体: 大 中 小 】 时间:2026年03月18日 来源:COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE 2.7

编辑推荐:

  研究人员利用基于主动推断(Active Inference)框架的Stroop任务计算模型,探究了认知控制中尚缺乏深入研究的心理努力(mental effort/cognitive effort)自愿投入机制。在Stroop任务中,被试须报告色词字的字体颜色,

  
研究人员利用基于主动推断(Active Inference)框架的Stroop任务计算模型,探究了认知控制中尚缺乏深入研究的心理努力(mental effort/cognitive effort)自愿投入机制。在Stroop任务中,被试须报告色词字的字体颜色,同时抑制自动阅读字义的倾向。本研究招募20名健康青年分别在"最大努力(EXERT)"与"尽可能放松(RELAX)"两种指令下完成Stroop任务。研究人员采用双层生成模型(generative model)对被试行为进行建模,将认知努力操作化为习惯性反应倾向被目标导向行为压制的程度,并估计两个关键潜参数(latent parameters):个体对字词阅读的习惯性偏向(habitual bias, e)及正确完成任务的动机强度(preference for correct performance, c)。研究结果表明,自愿投入最大努力与正确率偏好(c)的显著升高相关,而习惯性阅读偏向(e)在组水平上未随努力指令发生一致性改变。上述结果支持假设:认知努力的自愿投入主要由对准确性的动机增强所驱动,而非由对习惯性反应倾向的直接抑制所介导。该计算方法有望应用于精神及神经系统疾病中意向性努力分配受损的临床评估。
论文解读:基于主动推断框架探讨心理努力自愿投入机制
本文发表于《COGNITIVE, AFFECTIVE, & BEHAVIORAL NEUROSCIENCE》。
研究背景与目的
心理努力(mental effort / cognitive effort)是认知神经科学中概念模糊的构念,传统分为外源性努力(exogenous effort,由任务难度自动引发)、内源性努力(endogenous effort,自愿调节投入程度)及主观感受性努力(affective effort)。以往研究多关注任务难度引发的外源性资源分配,而对内源性——即个体如何根据指令或动机自愿上调或下调努力投入——及其背后计算与神经机制知之甚少。主流成本-收益(cost-benefit)框架认为努力受预期奖赏调节,但自愿努力究竟是通过增强目标导向动机(goal-directed motivation)还是通过直接抑制习惯倾向(habitual tendency)来实现,尚缺乏实证检验。主动推断(Active Inference, 基于自由能原理 Free Energy Principle)将努力定义为习惯性策略(policy π)概率分布与情境所需目标导向策略分布间的KL散度(Kullback-Leibler divergence),为量化隐藏的认知参数提供了形式化工具。本研究借助Parr等人提出的Stroop任务主动推断模型,通过操纵努力指令(EXERT vs RELAX)分离动机参数c(正确表现偏好)与习惯偏向参数e(读词强于报色),以检验自愿努力的操作机制。
关键技术方法
研究人员招募20名健康青年(12女,18–43岁,排除神经精神疾病及精神活性物质使用),采用PsychoPy呈现四色(红/绿/黄/蓝)色词Stroop任务,含字义—字体颜色一致(congruent)与不一致(incongruent)试次,及报字(word)与报色(color)两种目标。每被试完成4轮(run)共384试次,交替进行"最大努力(EXERT)"与"尽可能放松(RELAX)"区块(block)指令;每轮后用NASA-TLX量表评定主观负荷。采用双层主动推断生成模型,通过变分拉普拉斯(variational Laplace)拟合各被试在EXERT与RELAX条件下的行为数据(选择序列与反应时RT),估计潜参数:c(正确表现动机/preference for accuracy)、e(读词习惯偏向/habitual word-reading bias)、λ(逆温度/inverse temperature,动作选择随机性)、α(最小预期反应时基线)。组水平采用参数经验贝叶斯(Parametric Empirical Bayes, PEB)结合贝叶斯模型约简(Bayesian Model Reduction, BMR)检验四种假设模型(全模型/c-only/e-only/null),以>90%后验概率非零为效应判据,并进行贝叶斯模型平均(Bayesian Model Averaging)。
研究结果
Descriptive and basic statistics of collected data(描述性统计与基础行为分析)
通过三因素重复测量ANOVA确认经典Stroop干扰效应——颜色不一致(color incongruent)试次准确率最低、反应时最长。配对t检验显示EXERT条件下NASA-TLX的心理需求(mental demand)、时间需求(temporal demand)及努力维度评分显著高于RELAX(pcorr<0.05),证实努力操纵有效。RELAX条件下整体反应稍慢,颜色不一致试次准确率略降(94.0% vs 95.7%),说明努力指令影响表现。
Model fitting and parameter estimation(模型拟合与参数估计)
个体水平变分拟合获得c、e、λ、α后验估计值。组水平PEB+BMR分析显示:包含c与e效应的全模型后验概率65.3%,仅含c的模型34.7%,仅含e的模型可忽略。经贝叶斯模型平均,仅有c参数在EXERT与RELAX间差异的后验概率>90%非零,且EXERT条件下c显著高于RELAX;e参数组水平差异90%可信区间含零,无显著组效应。表明自愿最大努力主要通过上调正确率偏好(动机参数c)实现,习惯偏向参数e不因努力指令发生一致性改变,不支持"直接抑制习惯"假说,但不排除个别被试存在e变化可能。
讨论与结论翻译总结
研究人员指出,本研究表明自愿投入认知努力主要表现为内源性增强对正确表现的动机(c↑),可能通过前扣带回(anterior cingulate cortex, ACC)、背内侧纹状体(dorsomedial striatum/caudate)、眶额/背外侧前额叶(orbitofrontal/dorsolateral prefrontal cortex, dlPFC)及岛叶(insula)等奖赏-显著性网络进行精度加权(precision weighting)调控,而非实时修改经学习固化的习惯联结(关联背外侧纹状体/dorsolateral striatum—后壳核 posterior putamen)。这与Khachouf et al.(2017) fMRI发现EXERT激活背内侧纹状体而非背外侧纹状体的结果相吻合。主动推断方法利用全试次序列数据、量化参数不确定性,适合小样本及临床人群拓展。局限性含未设自然努力基线、未直接测评动机主观感受、未跨任务验证等。该计算精神病学(computational psychiatry)思路可用于评估淡漠(apathy)、疲劳及神经精神疾病中的努力分配障碍。
研究结论(翻译):
自愿投入最大认知努力与正确表现动机参数(c)的显著增加相关联,而习惯性读词偏向参数(e)未表现组水平一致性变化。这支持以下假设:认知努力的自愿投入主要受准确性动机增强驱动,而非通过对习惯性反应倾向的直接抑制介导。基于主动推断的Stroop任务计算建模可有效分离动机与习惯成分,具潜在临床应用价值。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号