Effets multiples et dissociables de l'histoire sensorielle sur les performances de la mémoire de travail, partie 3

Dépendance à la tâche d'un biais de performance attrayant entre les essais

Ensuite, nous avons répété les mêmes analyses entre les essais, mais avons étudié le rôle de la pertinence de la tâche et du type d'indice dans l'essai précédent. Cela nous a permis de tester et de comparer les biais comportementaux provoqués par l'orientation sondée (et rapportée) et par l'orientation non signalée dans l'essai précédent. procès.

Nous avons également testé si le type de signal de l'essai précédent affectait le biais de l'essai en cours. Nous avons uniquement examiné les essais dans lesquels deux orientations étaient présentées lors de l'essai précédent.

Les expériences sont très étroitement liées à la mémoire car le but des expériences est de vérifier et de prouver certaines théories et hypothèses, et ces théories et hypothèses nécessitent une expérimentation et une analyse à travers notre mémoire.

Lorsque nous menons des expériences, nous devons nous souvenir d’informations importantes telles que le but de l’expérience, les procédures expérimentales, les conditions expérimentales et les résultats expérimentaux. Ce n’est que lorsque nous pouvons nous souvenir clairement de ces informations que nous pouvons analyser et interpréter avec précision les résultats expérimentaux et tirer des conclusions correctes.

En même temps, l’expérimentation peut aussi nous aider à améliorer notre mémoire. Grâce à des expériences répétées, à la mémorisation et à la synthèse, nous pouvons consolider notre mémoire, approfondir notre compréhension et notre maîtrise des connaissances expérimentales, et ainsi améliorer notre capacité de mémoire.

De plus, les expériences peuvent également stimuler notre mémoire grâce à la stimulation de plusieurs sens, tels que la vision, l’ouïe et le toucher. Grâce à l’implication de plusieurs sens, nous pouvons mieux mémoriser et comprendre les connaissances, bénéficiant ainsi d’un avantage en matière de mémoire.

Bref, expérimentation et mémoire sont inextricablement liées. En participant activement à des expériences, nous pouvons non seulement exercer nos capacités pratiques, mais également améliorer notre mémoire et notre compréhension. Utilisons pleinement la plateforme d'apprentissage expérimental et efforçons-nous d'améliorer nos capacités d'apprentissage ! On peut voir que nous devons améliorer la mémoire, et la Cistanche deserticola peut améliorer considérablement la mémoire, car la Cistanche deserticola est une matière médicinale traditionnelle chinoise qui a de nombreux effets uniques, dont l'un est d'améliorer la mémoire. L’efficacité de la viande hachée vient de ses différents ingrédients actifs, notamment l’acide, les polysaccharides, les flavonoïdes, etc. Ces ingrédients peuvent favoriser la santé cérébrale de diverses manières.

Cliquez sur connaître les moyens d'améliorer votre mémoire

Une ANOVA à mesures répétées sur la somme des distances angulaires du biais de performance pour la pertinence de la tâche et le type d'indice a confirmé un effet de la pertinence de la tâche (F(1,19)=14.684, p=0.{ {29}}01 ; Fig.3D) mais n'a montré aucun effet du type de signal (F(1,19)=1.423, p=0.248) ou de l'interaction (F (1,19)=1.633, p=0.216). Les orientations pertinentes pour la tâche dans les essais de l'un ou l'autre type d'indice ont entraîné un biais significatif (l'essai précédent a été rapporté en premier et contenait deux éléments : t(19)=3.524,p=0.002 ; le précédent l'essai a été rapporté en deuxième position et contenait deux éléments : t(19)=4.476, p, 0,001). Les orientations non sondées n'ont pas conduit à un biais significatif (p . 0,2 dans les deux cas).

Aucune différence fiable n'a été observée entre la force du biais entre les conditions des deux seconds éléments du rapport ou celles des deux premiers éléments dans les essais précédents (t (19)=1,691, p=0,107).
Par la suite, nous avons évalué le biais de performance en fonction de la distance angulaire entre l'orientation actuelle de la cible et les orientations présentées précédemment. Les tests de permutation basés sur les clusters ont montré un biais attrayant en faveur de l'orientation pertinente pour la tâche lors de l'essai précédent lorsqu'un premier signal de rapport (p=0.001 ; 7–58 degrés ; Fig. 3C) ou un deuxième rapport un signal (p, 0,001 ; 4–77 degrés) a été présenté lors de l'essai précédent.

Pour les orientations non signalées, aucun biais n’a été observé (aucun groupe candidat pour le signalement du premier signal ou du signalement du deuxième signal). Ensemble, cette tendance des résultats montre un biais intéressant entre les essais, mais uniquement sur les éléments pertinents dans l'essai précédent.

Classification neuronale des orientations présentées

Pour notre analyse de classification, les orientations des grilles ont été regroupées dans 10 compartiments équidistants. Nous avons appliqué une analyse discriminante linéaire (LDA) sur les caractéristiques spatiales et temporelles des 306 capteurs MEG allant de 400 ms avant le début du stimulus jusqu'à 900 ms après le début du stimulus (voir Matériels et méthodes).

Si les informations d'orientation étaient présentes, les estimations de vraisemblance LDA donnaient lieu à des courbes de similarité représentationnelles centrées sur l'orientation présentée qui pouvaient être convoluées avec une fonction cosinus pour aboutir à une estimation de preuve unique par point temporel. La classification LDA reflétait des preuves significatives de l'orientation présentée après l'apparition visuelle du réseau (Fig. 4).

Cela a révélé un décodage significatif à la fois de la première orientation du réseau (100 – 615 ms ; p, 0,001) et de la deuxième orientation du réseau (95–590 ms ; p, 0,001). Une tendance non significative a été observée pour la preuve de l'orientation du premier réseau après la présentation du deuxième réseau (250–600 ms ; t(19)=1,971 ; p=0,063 ; voir aussi croisement- analyses de décodage ci-dessous). Il n'y avait aucune différence dans les preuves du classificateur après un premier signal ou un deuxième signal (250–600 ms ; t(19)=0,798 ; p=0,435).

Biais de classification au sein de l'essai par rapport au stimulus précédent

Des courbes de similarité représentationnelle ont été utilisées pour estimer la direction et l'ampleur des biais neuronaux dans la représentation de l'orientation. En entraînant le classificateur sur tous les stimuli, les biais historiques d'orientation devraient s'annuler, permettant ainsi de tester des essais avec des orientations antérieures spécifiques (dans le sens horaire ou antihoraire par rapport au stimulus actuel) pour révéler tout biais neuronal.

Pour étudier comment les informations du deuxième réseau étaient modulées par les informations du premier réseau, nous avons évalué séparément les essais avec les signaux reportfirst et report second. Ce faisant, nous avons évalué les preuves de classification dans les données MEG à l’époque suivant la présentation du deuxième réseau. Pour ces analyses, nous avons encore une fois sélectionné des essais avec les deux réseaux.

Nous avons séparé les essais dans lesquels le premier réseau était dans le sens des aiguilles d'une montre par rapport au deuxième réseau (distance angulaire de 10 à 50 degrés, sur la base des résultats comportementaux, voir Fig. 2A, B).

Nous avons considéré la moyenne des points temporels compris entre 250 et 600 ms pour toutes les analyses futures, car dans cette fenêtre temporelle, l'orientation du stimulus pouvait être décodée avec une précision fiable dans cette fenêtre temporelle (voir Fig. 4; voir également Fig. 5, zone grisée). Faisant écho aux biais de performance, aucun biais significatif n'est apparu dans les premiers essais du rapport (Z=0,645 ; p=0,516 ; Fig. 5A, B).

Cependant, lors du deuxième essai, nous avons observé un effet répulsif, s'éloignant de l'orientation du réseau précédemment codée (Z =2,743 ; p=0,006 ; Fig. 5C, D). Il n'y avait aucune corrélation, entre les participants, entre l'ampleur du biais dans les données comportementales et neuronales sur les premiers essais rapportés (r=0,010 ; p=0,968) ou sur les seconds essais rapportés (r {{9} }.328 ; p= 0.158).

Biais neuronaux répulsifs entre les essais éloignés de l'histoire sensorielle

Pour rechercher les biais neuronaux entre essais, nous avons utilisé la même approche que pour les biais neuronaux intra-essais. Nous avons testé les preuves LDA dérivées pendant la période de codage du stimulus pour détecter les écarts systématiques dans les estimations de vraisemblance en fonction de la distance angulaire entre l'orientation actuelle et l'orientation sondée dans l'essai précédent.

Si le biais comportemental entre essais reflète une modulation neuronale lors de l'encodage des caractéristiques sensorielles, nous nous attendrions à voir une augmentation de la probabilité des orientations présentées dans l'essai précédent, conformément au biais de performance attrayant. Nous avons formé le classificateur sur les données suite à la présentation de la première et de la deuxième orientation du réseau combinées et avons inclus tous les types de signaux et plusieurs éléments présentés.

Basés sur nos analyses comportementales sur les biais de performance entre les essais, pour l'ensemble de tests, nous avons sélectionné des essais dans lesquels l'angle de la sonde précédente présentait une différence relative de 0–60 degrés (dérivée de différences angulaires significatives ; Fig. 3A, B) positive ou négatif de l’orientation du réseau présentée. Les résultats étaient qualitativement les mêmes et restaient significatifs lorsque d'autres plages angulaires étaient sélectionnées.

Contrairement à nos attentes, les preuves du classificateur étaient considérablement éloignées de l'orientation cible lors de l'essai précédent (250 à 600 ms après le début du réseau ; Z=3,228, p=0,001 ; Fig.6A–D ) plutôt que de refléter le biais comportemental attrayant. En pratique, cela signifierait que si l'orientation indiquée lors de l'essai précédent était CW, les preuves du classificateur pour les bacs CCW augmenteraient, et vice versa.

Le biais répulsif loin de la cible lors de l'essai précédent était significatif pour le premier (Z {{0}}.020, p=0.043) et le deuxième réseau (Z=2.690, p=0.007) dans l'essai actuel lorsqu'il est considéré séparément (Fig. 6C). Le biais répulsif entre les essais lors du traitement du stimulus deux était présent si aucune orientation n'était présentée dans le premier intervalle (Z=2,298,p=0,021) mais pas lorsque le premier réseau était également présenté ( Z =1.714, p=0.087). Fait intéressant, les topographies de la figure 6D, G étaient très similaires (r=0,563 ; p, 0,001), et les deux topographies étaient en corrélation négative avec la topographie de décodage du stimulus [r=0,558, p, 0,001 ( figure 6D); r=0,763, p, 0,001 (Fig. 6G)].

Ensuite, nous avons testé si ce biais neuronal répulsif était affecté par la pertinence de la tâche du réseau et par les conditions de repérage de l'essai précédent. Nous avons quantifié ce biais pour les orientations de réseau pertinentes et non pertinentes pour la tâche dans l'essai précédent. Seuls les essais dont l'essai précédent contenait deux éléments ont été inclus dans cette analyse.

Lors de la moyenne du biais neuronal sur 250 à 600 ms, l'orientation pertinente pour la tâche a montré un biais neuronal répulsif (Z=2,565, p=0,010), mais nous n'avons trouvé aucun biais neuronal pour les orientations non pertinentes pour la tâche ( Z =0.174, p=0.861), bien que cette différence ne soit pas significative (t(19)=1.80, p=0. 088). Pourtant, les tests de permutation basés sur les clusters ont indiqué un cluster significatif indiquant que les orientations pertinentes pour la tâche exerçaient un biais répulsif significativement plus fort que les orientations non pertinentes pour la tâche (500–550 ms ; p=0,039).

Preuve de décodage croisé pour les stimuli présentés précédemment

Si les informations sur l'orientation présentée précédemment sont encore partiellement présentes dans le système visuel pendant et après la présentation de l'orientation actuelle du réseau, elles pourraient interagir avec le codage, conduisant éventuellement au biais répulsif observé. Il est possible que la représentation persistante soit dans un format de représentation orthogonal, différent du codage sensoriel des caractéristiques (Libby et Buschman, 2021).

Dans ce cas, il y aurait peu ou pas de chevauchement entre le modèle d'activation provoqué lors de l'entrée sensorielle et le modèle lié à la représentation persistante de cette orientation passée du réseau. Un classificateur entraîné à séparer les informations perceptuelles ne ferait donc pas de généralisation croisée s'il était testé sur le code mémoire.

Alternativement, le code persistant pourrait être présent dans une représentation stable partageant des similitudes avec la représentation des informations sensorielles entrantes. Si tel était le cas, un classificateur, formé sur les données de l'orientation actuelle du réseau, généraliserait de manière croisée et identifierait les informations sur le code persistant. réseau passé (ou suppression d'informationsexprimées dans des preuves négatives).

Nous avons adapté le décodage croisé pour détecter l'activité sélective d'orientation persistante de l'essai précédent (voir également Wanet al., 2020). Après avoir entraîné le classificateur pour l'orientation présentée et testé les preuves de l'orientation cible de l'essai précédent, nous avons observé des preuves de classificateur négatives significatives dans la période de 250 à 600 après l'apparition du réseau (concaténation sur le réseau un et sur le réseau deux : t(19) {{6 }}.078,p=0.006 ; réseau un seul, t(19)=1.376, p=0.185 ; réseau deux, t(19)=2 .951, p=0.008 ; figure 6F).

Les preuves négatives du classificateur indiquent que, bien que les informations soient toujours présentes sur l'orientation précédente, les modèles sélectifs d'orientation peuvent être de signe inversé par rapport au codage du stimulus.

Cette suppression des preuves de l'orientation de l'essai précédent aurait pu être la cause du biais répulsif apparent dans le décodage de l'orientation de l'essai actuel. Si tel était le cas, nous nous attendrions à ce que les deux mesures soient positivement corrélées : une suppression plus forte de l’orientation précédente (preuve de classification négative) devrait conduire à un biais plus négatif en faveur de l’orientation actuelle. Nous avons testé cela en utilisant les corrélations de Pearson entre les participants et avons trouvé une corrélation significative lors de l'évaluation de toutes les présentations de réseaux ensemble (r {{0}}.832, p, 0.001 ; réseau seul, r=0,685, p, 0,001 ; en râpant deux seuls, r=0,751, p, 0,001 ; figure 6E).

Aucune corrélation n'a été observée entre le biais de performance comportementale attrayant et l'ampleur du décalage négatif dans les données neuronales (r=0,186, p=0,432), ni avec l'ampleur du décodage négatif (r {{4 }}.144, p= 0.544).

Discussion

La présente étude a examiné les biais d'informations précédemment perçues et mémorisées sur le codage neuronal et les réponses comportementales. Nous avons observé des biais neuronaux et comportementaux qui démontrent des interactions entre le traitement sensoriel passé et présent. Les orientations présentées dans le même essai exerçaient des biais de performance répulsifs sur les orientations actuellement perçues.

En revanche, les orientations pertinentes pour la tâche dans l'essai précédent exerçaient un biais de performance opposé et attrayant, fournissant ensemble la preuve de deux processus de biais antagonistes agissant en tandem. biais, ce qui suggère que les deux types de biais de performance peuvent provenir de modulations agissant sur différentes étapes du traitement du stimulus.

Alors que les biais répulsifs pourraient refléter des mécanismes proches de l'adaptation visuelle favorisant la discriminabilité visuelle, le biais de performance attrayant observé dans les essais n'a pas été observé au niveau de la représentation sensorielle. Étant donné qu'un biais répulsif aneural s'est produit à la place, nous pensons que les mécanismes de modulation post-perceptuels pourraient outrepasser toute modulation sensorielle répulsive précoce et conduire à des biais de performance attrayants.

Les présents résultats comportementaux mettent en évidence deux types de biais de performance : un biais de performance répulsif au sein de l'essai et un biais de performance attrayant entre les essais (cf. Bae et Luck, 2020 ; Fischeret al., 2020). Les deux biais étaient modulés par la pertinence de la tâche du stimulus inducteur. Premièrement, nous avons identifié un biais de performance répulsif par rapport à la première orientation dans un essai, mais aucun biais répulsif rétrospectif significatif par rapport à la deuxième orientation, bien que le deuxième réseau ait été présenté plus près dans le temps de la sonde.

Nous pensons que cela a pu se produire parce que l'indice de pertinence est apparu avec ce deuxième stimulus, indiquant sa non-pertinence dans les essais de sonde d'abord. De même, les réponses des participants à l'essai actuel étaient biaisées uniquement en faveur des orientations pertinentes pour les tâches de l'essai précédent. Au niveau neuronal, les biais dépendaient également de la pertinence de la tâche. Un biais neuronal répulsif n’était présent que lorsque l’orientation présentée était pertinente pour la tâche et donc codée dans la mémoire de travail.

En revanche, les réseaux non pertinents pour la tâche et qui n'étaient pas codés dans la mémoire de travail pouvaient être décodés avec une précision similaire, mais ne présentaient pas de biais significatif. Les réseaux issus d'essais précédents, associés à un biais de performance attrayant, ont également conduit à des biais neuronaux répulsifs lors du codage de la mémoire de travail. Seules les orientations pertinentes pour la tâche ont conduit à un biais répulsif.

L'adaptation pourrait expliquer en partie le biais neuronal répulsif observé ici. L'adaptation visuelle a été proposée comme cause de biais neuronaux répulsifs (Jazayeri et Movshon, 2006, 2007 ; Kohn, 2007 ; Stocker et Simoncelli, 2007 ; Webster, 2015). Puisque l’adaptation réduit le déclenchement des neurones récemment actifs (Clifford et al., 2000 ; Wainwright, 1999), il s’agit d’une utilisation efficace de ressources neuronales limitées lorsque l’environnement est autocorrélé (Stocker et Simoncelli, 2007 ; Webster, 2015) car les neurones peuvent coder pour une gamme plus large de neurones. stimuli lorsque leurs réponses ne sont pas saturées. Curieusement, nous avons observé un biais neuronal répulsif lors des deuxièmes essais uniquement lorsque l'orientation présentée était pertinente pour la tâche et codée dans la mémoire de travail. L'interaction avec la pertinence de la tâche suggère que le traitement du stimulus n'est biaisé que lorsqu'il est préparé pour être utilisé dans un comportement à venir.

Cette modulation dépendante de la tâche était peu probable le résultat d'un traitement réduit de stimuli non pertinents pour la tâche, car le décodage global de l'orientation n'était pas affecté par la pertinence de la tâche. Conformément à des études récentes, il est possible qu'un biais répulsif contextuel, pouvant survenir à un stade post-perceptuel (Zamboni et al., 2016; Fritsche et de Lange, 2019), coexiste avec un biais perceptuel précoce basé sur l'adaptation visuelle ( Fritsche et al., 2017). La dépendance à la tâche du biais neuronal pourrait être à la base des biais répulsifs dans le comportement récemment observés (Bae et Luck, 2017 ; Czoschke et al., 2019, 2020 ; Chunharas et al., 2022), ce qui peut aider à individualiser des stimuli maintenus simultanément (Wei etal., 2012). Selon cette explication, seules les fonctionnalités suivies et codées seraient sujettes à des interactions avec les fonctionnalités précédentes.

Le biais imposé par l'orientation de l'essai précédent était attrayant dans le comportement mais répulsif dans les données neuronales aux premiers stades de traitement. Ce contraste est manifestement en contradiction avec les études comportementales antérieures qui attribuaient une origine perceptuelle précoce aux biais attrayants entre les essais (Fischer et Whitney, 2014 ; Cicchini et al., 2017, 2018). Il existe encore peu de preuves neuronales directes confirmant cela. Des études EEG ont montré que les informations de l'essai précédent peuvent être décodées pendant la phase d'encodage de l'essai en cours (Bae et Luck, 2019) ou immédiatement avant l'essai en cours (Barbosa et al., 2020), et les réponses neuronales évoquées visuellement dans les tâches de jugement de quantité sont modulées par le stimulus. histoire (Fornaciai et Park, 2018, 2020). Cependant, la simple présence d’informations sur un stimulus antérieur n’implique pas un biais attrayant sur le stimulus actuel. Une étude a observé un biais comportemental attrayant et un biais neuronal dans les zones visuelles précoces en utilisant l'IRMf (St. John-Saaltink et al., 2016), mais l'étude n'a utilisé que deux orientations de stimulus (45 degrés et 135 degrés) avec un décalage trop important pour produire un un biais comportemental fiable, ce qui signifie que nos résultats peuvent refléter un phénomène de biais différent.

Contredisant l’origine sensorielle précoce du biais d’attraction en série, une étude récente d’IRMf (Sheehan et Serences, 2022) a trouvé des preuves cohérentes avec les présents résultats. Sheehan et Serences ont observé des biais neuronaux répulsifs par rapport à l'orientation de l'essai précédent à travers le cortex visuel, malgré un biais comportemental attrayant, et ont découvert que des modèles intégrant une adaptation visuelle précoce et une origine post-perceptuelle de biais attractifs pouvaient expliquer les deux effets. Ces résultats sont globalement conformes à nos conclusions. Nous avons constaté que le biais neuronal répulsif de l'orientation classifiée est apparu relativement tôt dans l'essai, ce qui concorde avec le fait que le cortex visuel précoce est la source du biais.

Notre approche d'analyse principale ne nous a pas permis de déduire les sources anatomiques du biais (puisque nous avons inclus les données de tous les capteurs en tant que caractéristiques dans le classificateur et que leur interprétabilité anatomique a été encore réduite par l'étape de réduction de dimensionnalité). Nous avons donc effectué une analyse par projecteur pour identifier les capteurs qui contribuaient le plus à la classification des stimulus et au biais répulsif. Ces résultats résolus spatialement étaient conformes au site cortical visuel du biais répulsif observé par Sheehan et Serences.

Ensemble, les observations démontrent que des stimuli antérieurs conduisent à une répulsion au stade du codage et que des biais de performance attrayants peuvent provenir d'un type différent de biais qui n'affecte pas systématiquement le décodage d'orientation. Nos résultats indiquent en outre que le lien entre l'adaptation neuronale et le comportement peut dépendre du contexte, car des biais neuronaux répulsifs pourraient conduire à des biais comportementaux à la fois répulsifs (au cours de l'essai) et attrayants (entre les essais). Par conséquent, les futurs modèles liant l'adaptation visuelle au comportement devront peut-être intégrer la dépendance au contexte. De plus, la haute résolution temporelle du MEG nous a permis de montrer que les biais neuronaux surviennent dans les 500 ms suivant le début du stimulus, ont une origine postérieure et qu'ils se produisent simultanément par rapport à plusieurs stimuli antérieurs. (du même essai et de l'essai précédent).

Alors que Sheehan et ses collègues (Sheehan et Serences, 2022) affirmaient que les stimuli passés étaient stockés dans un code non sensoriel, ils n'ont pas examiné directement si la représentation des stimuli passés se produisait dans un sous-espace neuronal partagé avec la représentation des stimuli actuels. Ici, nous avons abordé ce problème en montrant que la suppression neuronale de populations neuronales récemment actives pourrait expliquer le biais répulsif observé. Nous avons testé cela en utilisant des analyses de décodage croisé, en entraînant un classificateur sur l'orientation présentée et en prédisant les orientations précédentes. Conformément à la suppression de l'activité récente spécifique au stimulus, le décodage croisé a donné un décodage inférieur au hasard de l'orientation précédente. À son tour, cela peut avoir décalé la courbe d'accord neuronal pour l'orientation actuelle par rapport à l'orientation précédente, générant un biais répulsif. Cette relation a été confirmée par la corrélation robuste entre le décodage croisé et l'ampleur du biais répulsif.

Une autre étude récente a observé un biais neuronal répulsif dans les enregistrements unitaires des champs oculaires frontaux (FEF), associé à un biais comportemental attrayant dans une tâche à saccade retardée (Papadimitriouet al., 2017). Les auteurs ont suggéré qu'une attention persistante portée à l'emplacement cible précédent pourrait fausser la représentation des emplacements cibles actuels (Zirnsak et al., 2014). Puisque nous avons observé des biais neuronaux principalement dans les capteurs postérieurs, nos résultats sont plus en accord avec l'origine sensorielle du biais répulsif, mais cela peut interagir avec des biais attentionnels provenant du cortex frontal (Moore et Armstrong, 2003 ; Taylor et al., 2007). La modulation attentionnelle pourrait être une explication de la dépendance au contexte des biais observés ici.

La présente étude, ainsi que celle de Sheehan et Serences (2022), fournissent des preuves contre une origine sensorielle précoce du biais sériel attractif, mais elles ne fournissent pas de preuves directes de la manière dont il apparaît. Nous supposons que le biais attractif ne se manifeste pas dans le décodage d'orientation ou n'est pas assez fort pour surmonter le biais répulsif lors du codage. Le biais attractif pourrait provenir du post-décodage, mais comme nous n'avons pas été en mesure d'identifier des modèles d'activité spécifiques au stimulus plus tard dans le délai de maintenance, nous ne pouvons pas dire comment cela se produit. Une possibilité est que les biais comportementaux en série ne soient pas du tout causés par des représentations neuronales biaisées. Akrami et coll. (2018 ; Boboeva et al., 2023) ont suggéré que les informations sur le stimulus antérieur sont stockées dans l'activité neuronale pariétale, séparément du maintien du stimulus actuel en mémoire. Son influence sur le comportement n’apparaît que lorsqu’une réponse s’appuie sur les deux signaux neuronaux, créant ainsi un biais attractif. Les récits bayésiens de la dépendance en série (Fritsche et al., 2020), bien que conceptuellement distincts, pourraient également s'appuyer sur le maintien séparé et l'intégration au stade de la décision des stimuli antérieurs et actuels. De tels modèles pourraient expliquer pourquoi il existe si peu de preuves positives d’un biais neuronal attrayant à n’importe quelle étape du traitement.

Au total, nous démontrons un changement répulsif cohérent dans les preuves neuronales lors du codage de la mémoire de travail. Nos résultats impliquent que l'adaptation perceptuelle, ainsi que des facteurs sensibles au contexte, contribuent à une pondération sélective des caractéristiques afin d'exercer un biais répulsif par rapport aux caractéristiques de stimulus récentes. Il est intéressant de noter qu’aucune preuve d’un biais neuronal attractif agissant directement sur les aspects sensoriels du codage n’a été observée. Les données neuronales fournissent ainsi des preuves indirectes de la explication postperceptuelle de biais attrayants entre les essais, plutôt que de moduler les étapes de codage (Bliss et al., 2017 ; Fritsche et al., 2017 ; Pascucci et al., 2019 ; Bae et Luck, 2020 ; Kimet al., 2020). Nous pensons que le biais attrayant entre les essais apparaît plutôt à travers des étapes de traitement post-perceptuel impliquant la mémoire (Bliss et al., 2017 ; Fritsche et al., 2017), la prise de décision perceptuelle ou la planification motrice (Boettcher et al., 2021 ; de Azevedo Neto et Bartels, 2021).

La source du biais attractif entre les essais, quel que soit son mécanisme neuronal, peut être suffisamment forte pour annuler le biais répulsif pendant la phase de perception/codage. Ensemble, ces biais coexistants peuvent aider à orienter un codage efficace pour des discriminations perceptuelles nuancées et une stabilité visuelle dans notre environnement.

Les références

Akrami A, Kopec CD, Diamond ME, Brody CD (2018) Le cortex pariétal postérieur représente l'histoire sensorielle et médie ses effets sur le comportement. Nature 554 : 368-372.

Bae GY, Luck SJ (2017) Interactions entre les représentations visuelles de la mémoire de travail. Atten Percept Psychophys 79 : 2376-2395.

Bae GY, Luck SJ (2019) Réactivation d'expériences antérieures dans une tâche de mémoire de travail. Psychol Sci 30 : 587-595.

Bae GY, Luck SJ (2020) Dépendance en série dans la vision : le simple codage de la cible de l'essai précédent ne suffit pas. Psychon Bull Rév 27 : 293-300.

Barbosa J, Stein H, Martinez RL, Galan-Gadea A, Li S, Dalmau J, Adam KCS, Valls-Solé J, Constantinidis C, Compte A (2020) Interaction entre l'activité persistante et la dynamique d'activité silencieuse dans le cortex préfrontal sous-jacent biais dans la mémoire de travail. Nat Neurosci 23 : 1016-1024.

Bays PM, Catalao RFG, Husain M (2009) La précision de la mémoire de travail visuelle est définie par l'allocation d'une ressource partagée. J Vis 9 : 7.1-11.

Bliss DP, Sun JJ, D'Esposito M (2017) La dépendance sérielle est absente au moment de la perception mais augmente dans la mémoire de travail visuelle. Sci Rep 7 : 14739.

Boboeva V, Pezzotta A, Clopath C, Akrami A (2023) De la récence aux biais de tendance centrale dans la mémoire de travail : un modèle de réseau unificateur. bioRxiv491352.https://doi.org/10.1101/2022.05.16.491352.

Boettcher SE, Gresch D, Nobre AC, van Ede F (2021) Planification des sorties au stade d'entrée dans la mémoire de travail visuelle. Sci Adv 7 : eabe8212.

Né RT, Tootell RBH (1992) Zone visuelle temporale moyenne. Nature 357 : 497-499.

For more information:1950477648nn@gmail.com