Testing computational models of learning from social, real, and fictive feedback in human and nonhuman primates

In diesem deutsch-japanischen Kooperationsprojekt, gefördert im gemeinsamen Programm Computational Neuroscience der DFG, des BMBF und der Japan Science and Technology Agency (JST), sollen computergestütze Modelle des Lernens und Entscheidens entwickelt und in zwei Primatenspezies (Mensch, Makake) getestet werden. Die Modelle sollen verschiedene Quellen von Informationen über Handlungsergebnisse, die zukünftiges Verhalten beeinflussen, inkorporieren: Rückmeldungen über tatsächliche Handlungsergebnisse, fiktive Handlungsergebnisse ("was wäre passiert, wenn ich eine alternative Entscheidung getroffen hätte") und beobachtete Handlungsergebnisse bei anderen in sozialen Situationen. Wir erwarten, dass in allen Lernsituationen ähnliche computationale Prinzipien die Daten beschreiben können, dass sich aber einzelne Parameter quantitativ zwischen den Situationen und Spezies unterscheiden. Mit modellbasierter Analyse der erhobenen empirischen Daten sollen Hirnkorrelate der Modellparameter identifiziert werden. Wir erwarten anatomische und funktionelle Dissoziationen während der Überwachung der verschiedenen Informationsquellen sowie eine spätere Konvergenz auf einen gemeinsamen Mechanismus, der die Adaptation des Verhaltens initiiert. Die Verwendung komplementärer Verfahren in zwei Primatenspezies wird in einer besseren Generalisierbarkeit der Ergebnisse und einem besseren Verständnis der zugrundeliegenden neuronalen Mechanismen resultieren.