图片来源:Nature Human Behaviour摘要:惊讶是一种关键的人类情感,通常在我们目睹或经历的事情与预期不符时产生。这种对意外的自然反应一直是众多心理学研究的焦点,揭示了其背后的某些神经过程。芝加哥大学的研究人员开发了一种大脑网络模型,可以预测人们的惊讶程度。这项研究发表在《自然·人类行为》杂志上,展示了
惊讶是一种关键的人类情感,通常在我们目睹或经历的事情与预期不符时产生。这种对意外的自然反应一直是众多心理学研究的焦点,揭示了其背后的某些神经过程。芝加哥大学的研究人员开发了一种大脑网络模型,可以预测人们的惊讶程度。这项研究发表在《自然·人类行为》杂志上,展示了该模型在各种任务中表现良好,能够预测参与者在执行任务或观看包含意外元素的不同视频时的惊讶感。
研究介绍
图片来源:Nature Human Behaviour“这篇论文的第一个目标是探讨是否可以将大脑作为一个共同的空间来理解我们的体验。”论文合著者Ziwei Zhang告诉Medical Xpress,“如果我在学习一项任务时感到惊讶,我的大脑显示出的模式与你在观看篮球比赛时感到惊讶时的模式相似,这表明这些非常不同的体验之间有一些共通之处,大脑对这些期望的违背做出了类似的反应。”
为了确定这些大脑反应是否可以在不同情境下用于预测个体是否会感到惊讶,Zhang和她的同事Monica Rosenberg博士使用了三个功能磁共振成像(fMRI)数据集。这些数据集由其他研究小组收集并共享。
研究方法
“在 Joseph McGuire 博士及其同事共享的一个数据集中,志愿者在 MRI 扫描仪中执行了一项学习任务。他们的目标是了解装有硬币的卡通袋在计算机屏幕上的显示位置。他们越了解这项任务,他们在游戏中可以'捕获'的硬币就越多。
在 McGuire 博士和他的合作者之前的这项工作中,发现参与者学会了预测袋子在计算机屏幕上的出现位置。然而,在某些情况下,袋子会出现在意想不到的位置,研究人员假设在这些情况下人们会感到惊讶。
“我们分析的第二个数据集是由 James Antony 博士及其同事收集和共享的,”Zhang 说。
“在这项研究中,志愿者在 fMRI 期间观看了篮球比赛视频。当关于谁将赢得比赛的信念发生变化时,根据球队的比分和实力而改变,惊喜会更高。最后,Shari Liu 博士和同事收集并分享了在人们观看卡通片时收集的 fMRI 数据,其中角色或多或少地做出了令人惊讶的动作。
“令人惊讶的动作示例包括角色改变目标(例如,朝着不可预测的方向前进)或行为效率低下(例如,在绕过障碍物时做出夸张的动作)。”
为了预测参与这三个不同研究的参与者的惊讶感,Zhang和Rosenberg创建了一个新的大脑网络模型——基于边缘波动的预测模型(EFPM)。该模型旨在跟踪大脑不同部分之间的互动波动,以预测人们何时会感到惊讶。
“如果我们把大脑看作一个系统,其中不同区域相互作用,那么我们已经在思考它作为一个网络。”Zhang解释道,“在这篇论文中,我们建立了一个基于大脑网络配置预测某人惊讶程度的模型。”
首先,研究人员确定了在McGuire博士的学习任务中预测惊讶的大脑互动。然后,他们尝试确定这些相同的大脑互动强度是否可以用来预测另外两个研究中的参与者在观看篮球比赛和卡通视频时的惊讶感。
“我们认为这项工作有几个含义,”Zhang说,“首先,我们构建的大脑模型能够预测新个体在同一任务(即学习任务)中的惊讶感,以及完全不同的群体在做完全不同事情(如观看篮球比赛)时的惊讶感。换句话说,我们可以查看一个全新个体在做完全不同事情的数据,并在一定程度上准确地猜测他们的惊讶程度。”
总的来说,Zhang和Rosenberg的研究发现,无论人们在做什么或处于什么环境中,人类大脑的某些部分都会对期望的违背做出反应。利用他们的模型,仅凭神经影像数据就能预测个体的惊讶感,尽管预测并非完美,但比随机猜测更准确。
“我们认为这个模型的影响不仅限于惊讶,”Zhang说,“我们开发的方法也可以作为一种框架来预测其他体验,比如某人的注意力集中程度或他们的幸福感。”
研究未来
这项最新研究可能很快会激发新的研究,旨在从记录的大脑活动中预测人类情绪。由于他们的分析依赖于其他研究小组编译的数据集,Zhang和Rosenberg认为这也强调了开放科学的好处,即将数据或代码提供给他人的重要性。
“我们的工作之所以可能,是因为像Joseph McGuire博士、James Antony博士、Shari Liu博士、Joshua Faskowitz博士及其同事这样的科学家们使他们的数据集和脚本可供社区使用。”Zhang解释道,“我们感谢有机会展示开放数据如何帮助社区中的研究人员。”
在接下来的研究中,研究人员计划评估他们的模型在更广泛的情境下预测惊讶的能力。例如,他们希望探索在听故事、音乐作品甚至在社交场合与其他人的互动中,模型的预测能力。
“到目前为止,我们讨论了模型的可推广性,这意味着该模型对跨人和情境的‘共享’惊讶神经特征敏感。”Zhang补充道,“在另一条研究线中,我们也感兴趣于探究为什么人们在不同时间会感到惊讶,以及这对他们的记忆和学习有何影响。例如,个人在听故事时的惊讶差异是否会影响他们对故事的记忆方式?我们认为理解期望违背的‘共享’和‘独特’方面都非常重要。”
新闻来源:Nature Human Behaviour
论文参考:DOI:
10.1038/s41562-024-02017-0.
来源:启真脑机智能基地