亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Explicit knowledge of task structure is a primary determinant of human model-based action

任务(项目管理) 动作(物理) 认知心理学 控制(管理) 心理学 强化学习 计算机科学 简单(哲学) 钢筋 人工智能 社会心理学 物理 管理 量子力学 经济 哲学 认识论
作者
Pedro Castro-Rodrigues,Thomas Akam,Ivar Snorasson,Marta Camacho,Vítor Paixão,Ana Maia,J. Bernardo Barahona‐Corrêa,Peter Dayan,Blair Simpson,Rui M. Costa,Albino J. Oliveira‐Maia
出处
期刊:Nature Human Behaviour [Nature Portfolio]
卷期号:6 (8): 1126-1141 被引量:40
标识
DOI:10.1038/s41562-022-01346-2
摘要

Explicit information obtained through instruction profoundly shapes human choice behaviour. However, this has been studied in computationally simple tasks, and it is unknown how model-based and model-free systems, respectively generating goal-directed and habitual actions, are affected by the absence or presence of instructions. We assessed behaviour in a variant of a computationally more complex decision-making task, before and after providing information about task structure, both in healthy volunteers and in individuals suffering from obsessive-compulsive or other disorders. Initial behaviour was model-free, with rewards directly reinforcing preceding actions. Model-based control, employing predictions of states resulting from each action, emerged with experience in a minority of participants, and less in those with obsessive-compulsive disorder. Providing task structure information strongly increased model-based control, similarly across all groups. Thus, in humans, explicit task structural knowledge is a primary determinant of model-based reinforcement learning and is most readily acquired from instruction rather than experience. Healthy volunteers and patients with obsessive-compulsive disorder learning a task from experience alone tend to repeat actions that lead to rewards. They are poor at learning predictive models, but their use of these models is strongly increased when explicit information is provided.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
我是老大应助林宥嘉采纳,获得10
刚刚
研友-wbg-LjbQIL完成签到,获得积分10
刚刚
daiyao完成签到,获得积分20
2秒前
3秒前
JamesPei应助小巍澜采纳,获得10
4秒前
小二郎应助柔弱的便当采纳,获得10
4秒前
5秒前
fsdghert完成签到,获得积分10
6秒前
无辜不惜发布了新的文献求助10
10秒前
可乐发布了新的文献求助10
12秒前
柠檬黄发布了新的文献求助10
13秒前
Alice完成签到 ,获得积分10
16秒前
科研通AI6.1应助星之宇痕采纳,获得10
17秒前
18秒前
22秒前
流星雨完成签到 ,获得积分10
22秒前
小巍澜发布了新的文献求助10
23秒前
25秒前
27秒前
mieyy发布了新的文献求助10
27秒前
28秒前
林宥嘉发布了新的文献求助10
29秒前
WNX完成签到,获得积分10
32秒前
chen发布了新的文献求助10
32秒前
chenchen完成签到,获得积分10
33秒前
36秒前
37秒前
40秒前
40秒前
啦啦啦发布了新的文献求助20
41秒前
47秒前
FashionBoy应助小巍澜采纳,获得10
49秒前
科研通AI6.1应助张璐娜采纳,获得10
50秒前
田様应助chen采纳,获得10
52秒前
mieyy完成签到,获得积分10
54秒前
今后应助androabo采纳,获得30
55秒前
Hello应助困了采纳,获得10
57秒前
1分钟前
Xxxxzzz完成签到,获得积分10
1分钟前
搜集达人应助天真如松采纳,获得30
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Introduction to Helicopter and Tiltrotor Flight Simulation, Second Edition 2500
卤化钙钛矿人工突触的研究 2000
Моделирование процессов самоорганизации в кристаллообразующих системах 1000
History of U.S. Space Surveillance and Satellite Cataloging 1000
Malcolm Fraser : a biography 700
Signals, Systems, and Signal Processing 610
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6507762
求助须知:如何正确求助?哪些是违规求助? 8300811
关于积分的说明 17720702
捐赠科研通 5608458
什么是DOI,文献DOI怎么找? 2921254
邀请新用户注册赠送积分活动 1898450
关于科研通互助平台的介绍 1760993