Risiko-sensitive Entscheidungen und belohnungsabhängiges Lernen unter Unsicherheit

• Antragsteller: Professor Dr. Klaus Obermayer; Professor Dr. Dirk Ostwald
• Fachliche Zuordnung: Kognitive und systemische Humanneurowissenschaften
• Förderung: Förderung von 2018 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 407012307

Entscheidungen im täglichen Leben sind oftmals mit Risiken behaftet. Es gibt mindestens zwei Sorten von Unsicherheit, die diese Risiken bedingen und letztendlich ihre ökonomischen Konsequenzen beeinflussen können: (1) Unsicherheit über die Konsequenzen der Entscheidung selbst ("ökonomisches Risiko") und (2) unvollständige Informationen über die Entscheidungssituation ("perzeptuelles Risiko"). Während die neuronalen Prozesse, die der Verarbeitung ökonomischer Risiken zu Grunde liegen, für statische Bedingungen und in Abwesenheit eines perzeptuellen Risikos bereits recht gut charakterisiert sind, sind die Prozesse, die dem Lernen risikosensitiver Strategien für beide Sorten von Unsicherheit zu Grunde liegen, wenig erforscht. Im vorgeschlagenen Projekt wollen wir deswegen auf unsere theoretischen Vorarbeiten zu risiko-sensitiven, belohnungsabhängigen Lernverfahren in Markov’schen Umgebungen aufbauen, um die der Verarbeitung von perzeptueller und ökonomischer Unsicherheit zu Grunde liegenden kognitiven und neuronalen Mechanismen besser zu verstehen. Auf theoretischer Seite sollen zu diesem Zweck - basierend auf der Theorie risiko-sensitiver teilweise beobachtbarer Markov’scher Entscheidungsprozesse (POMDP) - komputationale Modelle menschlicher Lern- und Entscheidungsprozesse und den damit verbundenen Reaktionszeiten erstellt werden. Auf experimenteller Seite sollen diese Modelle dann an Hand zweier Verhaltens- und eines kombinierten Verhaltens-/fMRI-Experiments am Menschen validiert werden. Der Arbeitsplan besteht aus drei aufeinander aufbauenden Arbeitspaketen. Im ersten Arbeitspaket sollen iterative, belohnungsabhängige Verfahren für das Lernen optimaler, risiko-sensitiver Strategien entwickelt werden, die sowohl ökonomische als auch perzeptuelle Unsicherheit berücksichtigen können. Im zweiten Arbeitspaket wollen wir die Hypothese testen, dass die neuen komputationalen Modelle menschliches Verhalten besser beschreiben können als bisherige Ansätze. Im dritten Arbeitspaket sollen schließlich mit Hilfe des funktionellen Kernspinverfahrens die neuronalen Korrelate risiko-sensitiver Lern- und Entscheidungsprozesse unter perzeptueller und ökonomischer Unsicherheit identifiziert werden. Die geplanten Arbeiten erweitern somit bisherige Ergebnisse zu risiko-sensitiven Lern- und Entscheidungsprozessen um den Aspekt der perzeptuellen Unsicherheit.

• DFG-Verfahren: Sachbeihilfen