Aandacht als Bayesiaanse inferentie: Neurale dynamiek van verwachte en onverwachte onzekerheid

Navigeren in een onzekere omgeving vereist aandacht voor relevante locaties en kenmerken. Hoewel het begrip aandacht intuïtief en gemakkelijk te begrijpen is in termen van de effecten die het heeft, is het concept van aandacht theoretisch ongrijpbaar. Recent is het Bayesiaanse kader hierop toegepast. Onder spatiale aandacht wordt verstaan de inferentie over welke ruimtelijke locaties in de nabije toekomst waarschijnlijk relevant zullen zijn. Bayesiaanse principes kunnen worden toegepast om de onzekerheid van dergelijke overtuigingen in te schatten. Computationeel modelleringswerk suggereert dat onzekerheid verwacht of onverwacht kan zijn vanuit het perspectief van het individu. Verwachte onzekerheid betreft de onbetrouwbaarheid van voorspellende relaties binnen een vertrouwde context. Onverwachte onzekerheid wordt daarentegen veroorzaakt door onverwachte veranderingen in de omgeving. Zo een theoretische conceptualisering zou de aard van aandacht kunnen verduidelijken. Een kernvraag is dan hoe deze twee conceptueel verschillende vormen van onzekerheid in de aandachtshersennetwerken worden weergegeven. Deze kwestie is opvallend genoeg nog niet onderzocht in experimentele studies. Het huidige project beoogt de neurale dynamiek van verwachte en onverwachte onzekerheid systematisch te onderzoeken en hoe het menselijk gedrag drijft. Computationele modellering wordt gecombineerd met state-of-the-art neuroimaging methoden om de rol van onzekerheid in aandachtsoriëntatie te begrijpen.