24、言语反应选择任务中的神经学习建模

言语反应选择任务中的神经学习建模

一、引言

长期以来，人们对通过练习学习的认知模型进行了研究，提出了多种不同的学习机制，如组块化、优先级与关联学习、组合与强化等。这些机制基于不同的功能架构。近年来，正电子发射断层扫描（PET）、功能磁共振成像（fMRI）和事件相关电位（ERP）等技术，为了解练习学习过程中实际的大脑机制提供了新的线索。

在迭代言语反应选择任务中，人类的认知行为是练习学习的一个简单而有趣的例子。当要求受试者对视觉呈现的名词列表做出适当的动词反应时，最初对每个名词的反应各不相同，但随着练习，会形成刻板反应，且反应速度会加快。此外，言语反应选择还依赖于多个认知变量，操作这些变量会引发启动、掩蔽、干扰等认知现象。

二、模型概述

我们提出了一个异质动态神经元模型，该模型在系统层面整合了参与这些任务的大脑不同区域。它既能复制观察到的人类高级认知行为，又能体现大脑回路的神经元层面特征。这需要在神经元层面模拟语言理解和生成系统的大部分内容，包括单词表示、注意力导向、反应选择过程和输出过程。虽然有些组件的信息尚不明确，但我们在模型中纳入了已知的神经元回路和假设的动态，或者捕捉了其假设功能的大致特征。

许多为练习学习提出的认知模型假设单一处理流，通过多次接触任务来提高处理效率或注意力焦点。然而，也有研究者认为认知处理利用多个处理流，学习的观察属性是其中一个流变化的体现。例如，Kounios使用速度 - 准确性分解方法推断语义记忆操作可能涉及多个同时进行的过程；Logan假设自动反应的学习涉及形成每次接触任务实例的知识库，特定任务的反应是两个独立处理流竞争的结果，他用这种方法重现了反应时间随练习加速的幂律以及其他观察到的变化。

Rai