Die Rolle neuronaler "belief state" Repräsentationen bei Entscheidungen unter Unsicherheit

• Antragsteller: Professor Dr. John-Dylan Haynes; Professor Dr. Nicolas Schuck; Dr. Ondrej Zika, Ph.D.
• Fachliche Zuordnung: Kognitive und systemische Humanneurowissenschaften ; Biologische Psychologie und Kognitive Neurowissenschaften
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 462197630

Entscheidungen im Alltag sind weit mehr als reine Reaktionen auf wahrgenommene Ereignisse. Zum einen hängt es oftmals vom der aktuellen Zielsetzung ab, welche Aspekte der Umwelt relevant für eine Entscheidung sind. Beim Warten an einer Ampel kann man zum Beispiel die Farben der vorbeifahrenden Autos ignorieren und die Entscheidung loszulaufen alleine von der Ampel abhängig machen. Zum anderen sind wahrgenommenen Informationen oftmals nicht ganz eindeutig. Sonnenlicht kann zum Beispiel die Sicht so erschweren, dass es schwer auszumachen ist, ob es sich um ein grünes oder rotes Ampellicht handelt. Um im Alltag gute Entscheidungen treffen zu können, muss das Gehirn daher Informationen gezielt so verarbeiten, dass sowohl das aktuelle Ziel also auch die Unsicherheit über die Umwelt berücksichtigt werden. Algorithmen aus der Verstärkungslerntheorie, deren Nutzen als theoretisches Modell für die Lern- und Entscheidungsforschung sich bereits erwiesen hat (Niv, 2009), nehmen an, dass Informationen über entscheidungsrelevante Aspekte der Umwelt mit der Unsicherheit dieser Informationen integriert werden. Diese so-genannten „belief states“ (Kaelbling et al., 1996) erlauben es in eine Entscheidung miteinzubeziehen, dass mehrere Zustände in der Umwelt mit unterschiedlichen Wahrscheinlichkeiten wahr sein können. Obwohl sich diese Idee als theoretisch nützlich erwiesen hat, ist bislang noch ungeklärt ob es solche Prozesse im Gehirn gibt. Diese Frage ist Gegenstand des vorgelegten Antrages. Werden die aktuell möglichen und entscheidungsrelevanten Zustände der Umwelt (z. B. „die Ampel ist grün“) und die entsprechenden Wahrscheinlichkeiten, dass diese Zustände zutreffen, im menschlichen Gehirn gemeinsam repräsentiert? Basierend auf unseren eignen Vorarbeiten (Schuck et al., 2015, 2016; Kaplan, Schuck, Doeller, 2017), oben genannten Theorien und ersten Befunden aus der Tierforschung, stellen wir die Hypothese auf, dass im ventromedialen präfrontalen Cortex des Menschen belief states durch nicht-lokale Populationsaktivität repräsentiert werden. Um diese Hypothese zu testen planen wir die Messung von Hirnaktivität mittels funktioneller Magnetresonanztomographie (fMRT) während Probanden eine serielle Entscheidungsaufgabe durchführen. In dieser von uns entwickelten Aufgabe beeinflussen vorherige Ereignisse welche Aspekte eines Stimulus für die momentane Entscheidung relevant sind. Zugleich sind vorherige und aktuelle Ereignisse mit Unsicherheit behaftet. Die Anwendung von Klassifikationsalgorithmen auf die gewonnenen fMRT Daten wird es dann ermöglichen, Evidenz für belief states zu identifizieren. Gleichzeitig soll der Entscheidungsprozess mathematisch modelliert und mit den empirischen Daten verglichen werden. Dieses Projekt wird es damit ermöglichen, kontextabhängige Entscheidungen unter Unsicherheit mit bislang nicht erreichter Präzision zu untersuchen und zu einem besseren wissenschaftlichen Verständnis menschlicher Entscheidungen beizutragen.

• DFG-Verfahren: Sachbeihilfen