综述:Computational Models of Hedonic Evaluation: An Explanatory–Predictive Framework 计算评价的计算模型:一个解释-预测框架

《Current Opinion in Psychology》:Computational Models of Hedonic Evaluation: An Explanatory–Predictive Framework

【字体: 大 中 小 】 时间:2026年08月28日 来源:Current Opinion in Psychology 7.4

编辑推荐:

  研究人员提出了一种用于分类计算评价的计算模型的解释-预测空间。机制可解释性(Mechanistic explainability)和预测性能(Predictive performance)是互补的目标。计算模型按其主导的计算原理进行组织。该框架确定了通往一般计

  
研究人员提出了一种用于分类计算评价的计算模型的解释-预测空间。机制可解释性(Mechanistic explainability)和预测性能(Predictive performance)是互补的目标。计算模型按其主导的计算原理进行组织。该框架确定了通往一般计算评价理论(general computational theory of hedonic value)的路径。
引言
评价性判断(Evaluative judgement)已成为认知科学的核心话题,不同领域(如食物、性、货币奖励、音乐、视觉艺术和社会刺激)的评价性判断调用共同的评价系统,表明享乐价值(hedonic value)具有共享的神经计算基础。这种收敛支持统一概念:偏好、喜欢、美和“审美”判断最好被理解为共同评价过程的表现,即计算评价(hedonic evaluation)。该过程动态整合感觉信息、先验经验、内部状态、目标、期望和上下文信息以生成享乐价值。解释享乐价值如何从这些信息整合中产生是认知科学的主要挑战。概念理论识别了评价的候选决定因素,但往往未具体说明这些决定因素如何转化为享乐价值,且难以区分竞争性解释。计算模型通过将信息如何被表示、转换和整合以生成享乐价值的计算形式化来解决这一限制,从而实现定量预测、竞争性假设的严格比较,以及行为、神经机制和计算规范原则之间的明确联系。
评估模型:一个解释-预测空间
研究人员提出了一个解释-预测空间(explanatory–predictive space)来组织、比较和评估计算评价的计算模型。该框架综合了评估计算模型的互补标准,包括经验准确性、经验范围、机制细节、生物合理性和心理合理性。这些标准可理解为两个总体科学目标——机制可解释性(Mechanistic explainability)和经验预测性能(Empirical predictive performance)——的互补方面。机制可解释性评估计算模型在多大程度上提供了计算评价底层计算的原则性解释,一端是描述性统计模型,另一端是显式实例化计算机制的模型。经验预测性能评估模型生成行为、心理或神经结果的准确、可泛化预测的能力,包括交叉验证或样本外预测。计算评价沿处理层次展开,从感觉转导到先验知识、期望、内部状态和上下文信息的整合,再到享乐价值的分配。因此,两个模型可能在解释-预测空间中占据相似位置,同时提供该层次不同阶段的机制解释。机制焦点(Mechanistic focus)通过识别模型形式化的评价过程阶段来补充机制可解释性维度,从而区分具有相似解释性能但不同机制焦点的模型。
分类模型:主要家族
解释-预测空间根据科学贡献表征计算模型。互补地,研究人员根据主导计算原理将计算评价的计算模型组织为六个广泛的家族:特征表示(Feature representation)、处理模型(Processing models)、学习模型(Learning models)、推理模型(Inference models)、神经计算模型(Neurocomputational models)和整合模型(Integrative models)。这些家族不互斥,随着模型日益复杂,许多整合了多种传统的原理。概念过程理论(Conceptual process theories)作为概念先驱,未构成实现的计算模型。特征表示模型从刺激属性的显式或学习表示计算享乐价值。处理模型通过信息处理本身的特性解释评价,包括加工流畅性(processing fluency)、高效编码(efficient coding)、复杂性、熵和信息增益。学习模型将享乐价值视为通过经验、强化或暴露获得或更新。推理模型在不确定性下通过概率推理计算价值。神经计算模型将这些计算与生物实现显式关联,链接评价到神经处理和具身交互。整合模型在共同架构内组合多种计算原理。最终,这些家族的逐步整合指向统一模型(Unified models),占据解释-预测空间的右上区域,将互补计算原理整合到单一生成架构中,链接计算评价、学习、推理和行动。
迈向一般计算理论
除了组织现有方法,上述分类揭示了计算建模演变的更广泛趋势,突出了预测性能和机制理解之间的区别。更强大的计算架构可能大幅改善预测性能而不增加机制理解,而机制丰富的模型通常解释计算评价的特定方面,但在预测范围或可泛化性上有限。这些发展表明,核心挑战不是孤立地最大化预测准确性或机制细节,而是将互补计算原理整合到连贯理论中。从这一视角,六个模型家族构成了一般计算评价理论的互补的、仍在演化的构建块。计算建模已将计算评价的研究从概念过程理论集合转变为能够生成机制解释和可检验预测的定量科学。通过区分机制可解释性和经验预测性能,同时根据主导计算原理组织模型,所提出的解释-预测框架为组织、比较和推进计算评价的计算模型提供了共同概念基础。通过该框架,先前被视为竞争的建模传统成为互补的科学贡献。解释-预测空间的右上区域代表了最大机制可解释性和经验预测性能的理想研究视界。朝向这一视界的进展将较少依赖孤立开发日益复杂的模型,而更多依赖于在连贯理论解释中整合其互补计算原理。实现这一目标不仅将统一现有计算模型,也将使该领域更接近一般计算评价理论。
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