Экономисты используют теорию игр для изучения процесса принятия решений с 1950-х годов. Совсем недавно междисциплинарная область нейроэкономики приобрела популярность, поскольку ученые пытаются понять, как экономические решения принимаются в мозгу. Исследователи во главе с профессором Масаюки Мацумото и доцентом Хироши Ямада из Университета Цукуба в Японии изучили популяции нейронов в сети вознаграждений мозга обезьяны, чтобы выяснить, где и когда рассчитывается ожидаемое значение.
Команда обучила обезьян выполнять лотерейное задание за вознаграждение. Обезьяны увидели две круговые диаграммы на экране компьютера. Цвета на диаграммах сообщали обезьянам размер награды и вероятность ее получения. Математически ожидаемое значение – это размер вознаграждения, умноженный на шанс его получения. Таким образом, весьма вероятное крупное вознаграждение создаст высокую ожидаемую стоимость, а небольшое вознаграждение с низкой вероятностью приведет к низкому ожидаемому значению. Обезьяны последовательно выбирали круговую диаграмму, которая отображала более высокое ожидаемое значение, а поведенческие модели показали, что их решения действительно основывались на этом интегрированном значении, а не просто на вероятности или размере вознаграждения.
Мозг имеет сеть связанных регионов, каждая из которых выполняет функции, связанные с обработкой вознаграждений. Исследователи зарегистрировали активность мозга в четырех областях, которые участвовали в принятии решений: cOFC, mOFC, VS и DS. Они проанализировали активность мозга, когда обезьяны просто видели одну круговую диаграмму, но не должны были делать никакого выбора. Это позволило исследователям идентифицировать области мозга, участвующие в вычислении ожидаемого значения, а не те, которые участвуют в принятии решений. Они обнаружили, что все четыре области содержали нейроны, которые отвечали на части вычислений. Тем не менее, анализ в пространстве состояний показал, что как совокупность только cOFC и VS стабильно представляли рассчитанное ожидаемое значение. Кроме того, эти два региона также стабильно представляли риск-доходность.
Хотя как cOFC, так и VS интегрировали размер и вероятность вознаграждения, команда заметила, что клетки мозга в этих регионах не ведут себя одинаково с течением времени. Анализ показал, что сигналы ожидаемого значения в cOFC развивались быстро, тогда как сигналы в VS развивались постепенно каждый раз, когда обезьяна видела одну из круговых диаграмм.
Обнаружено, что только ожидаемые значения сигналов cOFC и VS отличаются от предыдущих исследований. "Наше использование анализа в пространстве состояний как средства для характеристики динамики нейрональных популяций было ключевым," объясняет Мацумото. "Используя этот метод, мы смогли увидеть различия как в стабильности, так и во времени прохождения сигнала."