对新异事物选择的神经相关
你是否愿意尝试新鲜事物？对于熟悉的事情，付出多少努力会得到多少回报是比较确定的。但对于陌生的事情，则很难估计付出后得到的回报。敢于尝试新鲜事物从长远的角度看是有利的，但对于个体来说如何克服不确定性而去尝试新鲜事物呢？这确实是个很有意思的问题。最近Neuron上的一篇文章讨论了这个问题。
研究者让被试从4幅图片中选择一幅，然后会按照一定的概率得到奖赏。图片中有些是已经看过的熟悉图片，而有些则是新出现的图片。随着实验过程被试会逐渐学习到每幅图片的奖赏概率。因此整个过程可以用一个时间差分的学习模型建模。简单地说，被试自己对图片奖赏的概率有一个评估Q，这决定了他选择哪幅图片。而图片当前的Q值是上一次选择时的Q值选择后的奖赏的积累。这样，整个实验过程就是不同图片Q值逐渐update的学习过程。通过学习模型，还可以计算出最初被试对熟悉图片和陌生图片的Q值的差异。不出所料，新异图片的Q值要大于熟悉图片，也就是说虽然新出现图片的奖赏概率是未知的，但被试仍然更偏向于选择新异的刺激。
根据学习的模型，在每一次选择后Q值得更新是基于选择与否的奖赏和选择之前的Q值之间的差异。研究中发现，这个差异项与负责奖赏有关的纹状体区域相关。进一步考虑个体差异，越偏好新异事物的被试的纹状体的激活水平越高。这些都说明与奖赏有关的机制与人类对未知事物的“非理性”的偏好是有很大的关系。
这篇文章的一个精彩之处在于首先使用模型来建模行为数据，再用模型的参数与大脑活动求相关。这种方式最近比较流行，而且可能更容易得到漂亮的结果。但是，这类牛文章通常基于强烈的先验假设，因此除了关注有限的区域，其它地方都忽略不计。在这篇文章中，除了纹状体，其他皮层区域会怎样呢？这里只关注与反应后的奖赏，而更早的知觉与注意过程可能也与新异选择的偏好有关。
原文: Wittmann, B., Daw, N., Seymour, B., Dolan, R., 2008. Striatal Activity Underlies Novelty-Based Choice in Humans. Neuron 58(6), 967-973. DOI
研究者让被试从4幅图片中选择一幅，然后会按照一定的概率得到奖赏。图片中有些是已经看过的熟悉图片，而有些则是新出现的图片。随着实验过程被试会逐渐学习到每幅图片的奖赏概率。因此整个过程可以用一个时间差分的学习模型建模。简单地说，被试自己对图片奖赏的概率有一个评估Q，这决定了他选择哪幅图片。而图片当前的Q值是上一次选择时的Q值选择后的奖赏的积累。这样，整个实验过程就是不同图片Q值逐渐update的学习过程。通过学习模型，还可以计算出最初被试对熟悉图片和陌生图片的Q值的差异。不出所料，新异图片的Q值要大于熟悉图片，也就是说虽然新出现图片的奖赏概率是未知的，但被试仍然更偏向于选择新异的刺激。
根据学习的模型，在每一次选择后Q值得更新是基于选择与否的奖赏和选择之前的Q值之间的差异。研究中发现，这个差异项与负责奖赏有关的纹状体区域相关。进一步考虑个体差异，越偏好新异事物的被试的纹状体的激活水平越高。这些都说明与奖赏有关的机制与人类对未知事物的“非理性”的偏好是有很大的关系。
这篇文章的一个精彩之处在于首先使用模型来建模行为数据，再用模型的参数与大脑活动求相关。这种方式最近比较流行，而且可能更容易得到漂亮的结果。但是，这类牛文章通常基于强烈的先验假设，因此除了关注有限的区域，其它地方都忽略不计。在这篇文章中，除了纹状体，其他皮层区域会怎样呢？这里只关注与反应后的奖赏，而更早的知觉与注意过程可能也与新异选择的偏好有关。
原文: Wittmann, B., Daw, N., Seymour, B., Dolan, R., 2008. Striatal Activity Underlies Novelty-Based Choice in Humans. Neuron 58(6), 967-973. DOI
行为建模和大脑活动求相关这个思路不错，不过也应考虑其他脑区和主要脑区的互动，不过可能太复杂，从简单开始也不错。
回复删除题外话，个体差异可能会很大，追求感觉刺激的人容易对旧事物产生厌倦，对新鲜事物有特别的偏好。