🧠 neuroscience

Modality-specific predictive templates in pre-stimulus EEG activity

यह अध्ययन प्रदर्शित करता है कि प्री-स्टिमुलस (उद्दीपन-पूर्व) ईईजी गतिविधि में संकेतित (cued) और बिना संकेत वाले (uncued) दोनों प्रकार के परीक्षणों के लिए सिंगल-ट्रायल, मोडैलिटी-विशिष्ट प्रेडिक्टिव टेम्पलेट्स होते हैं, जो निर्णय लेने की रणनीतियों में बदलाव से जुड़े हैं और यह पुष्टि करते हैं कि स्पष्ट संकेतों के बिना भी अपेक्षाएं बन सकती हैं।

मूल लेखक: Hoxha, I., Chevallier, S., Delorme, A., Amorim, M.-A.

प्रकाशित 2026-04-18

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hoxha, I., Chevallier, S., Delorme, A., Amorim, M.-A.

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

मुख्य विचार: मस्तिष्क की "प्री-गेम" हडल (Pre-Game Huddle)

कल्पना कीजिए कि आप एक फुटबॉल मैच में गोलकीपर हैं। आप जानते हैं कि खेल शुरू होने वाला है, लेकिन आपको यह नहीं पता कि स्ट्राइकर गेंद को बाईं ओर किक करेगा या दाईं ओर।

तैयार रहने के लिए, आपके मस्तिष्क को एक सेकंड के भीतर एक अनुमान लगाना होगा। क्या आपको बाईं ओर झुकना चाहिए? क्या आपको दाईं ओर झुकना चाहिए? या क्या आपको बस बीच में खड़ा होकर इंतजार करना चाहिए?

इस अध्ययन ने एक बहुत ही विशिष्ट प्रश्न पूछा: क्या आपका मस्तिष्क वास्तव में गेंद के किक होने से पहले ही किसी विशिष्ट अनुमान की ओर "झुकता" है? और इससे भी महत्वपूर्ण बात यह है कि क्या हम आपकी ब्रेन वेव्स (brain waves) में उस "झुकाव" को देख सकते हैं?

शोधकर्ताओं ने पाया कि हाँ, आपका मस्तिष्क वास्तव में उस चीज़ के लिए विशेष रूप से तैयार होता है जिसकी वह अगली बार उम्मीद करता है। भले ही कोई आपको यह न बताए कि क्या आने वाला है, आपका मस्तिष्क इसके लिए एक "मानसिक टेम्पलेट" बनाना शुरू कर देता है।

प्रयोग: "क्यूड" (Cued) बनाम "अनक्यूड" (Uncued) गेम

शोधकर्ताओं ने 42 लोगों के लिए एक गेम सेट किया जिसे उन्होंने एक EEG कैप (एक हाई-टेक हेलमेट जो मस्तिष्क की गतिविधि को पढ़ता है) पहनकर खेला।

खेल:

एक व्यक्ति स्क्रीन पर विजुअल नॉइज़ (स्टैटिक/शोर) की चमक देखेगा।
अचानक, एक लक्ष्य दिखाई देगा: या तो एक चेहरे की तस्वीर (दृश्य/Visual) या एक बीप की आवाज़ (श्रवण/Auditory)।
खिलाड़ी को यह पहचानने के लिए कि उसने क्या देखा या सुना, जितना हो सके उतनी तेज़ी से बटन दबाना होगा।

दो राउंड:

"हिंट" राउंड (Cued): शोर से पहले, एक छोटा आइकन दिखाई दिया। एक आँख का मतलब था "चेहरे के लिए तैयार हो जाओ!" एक कान का मतलब था "आवाज़ के लिए तैयार हो जाओ!" (संकेत 80% बार सही था, लेकिन खिलाड़ियों को सतर्क रखने के लिए 20% बार गलत भी था)।
"सरप्राइज" राउंड (Uncrewed): कोई आइकन नहीं। बस शोर, फिर अचानक आया लक्ष्य। खिलाड़ियों को अपने अंतर्ज्ञान (gut feeling) के आधार पर अनुमान लगाना था।

खोज: "मानसिक मौसम" को पढ़ना

शोधकर्ता जानना चाहते थे: क्या हम लक्ष्य दिखने से कुछ सेकंड पहले ब्रेन वेव्स को देखकर बता सकते हैं कि खिलाड़ी क्या उम्मीद कर रहा है?

1. "झुकाव" का प्रभाव (The "Leaning" Effect)

अपने मस्तिष्क के ध्यान (attention) को एक स्पॉटलाइट की तरह समझें।

यदि आप एक चेहरे की उम्मीद करते हैं, तो आपका मस्तिष्क अपने स्पॉटलाइट को विजुअल प्रोसेसिंग क्षेत्रों (सिर के पिछले हिस्से) की ओर मोड़ देता है।
यदि आप एक आवाज़ की उम्मीद करते हैं, तो स्पॉटलाइट श्रवण क्षेत्रों (सिर के किनारों) की ओर मुड़ जाता है।

अध्ययन में पाया गया कि लक्ष्य दिखने से पहले ही, मस्तिष्क पहले से ही सही दिशा में "झुक" रहा था। यह केवल एक सामान्य "मैं जाग रहा हूँ" का संकेत नहीं था; यह एक विशिष्ट "मैं चेहरे के लिए तैयार हूँ" या "मैं आवाज़ के लिए तैयार हूँ" का संकेत था।

2. "थीटा" बैंड का जादू (The Magic of the "Theta" Band)

शोधकर्ताओं ने पाया कि यह "झुकाव" का संकेत मस्तिष्क की तरंगों की एक विशिष्ट फ्रीक्वेंसी में सबसे मजबूत था जिसे थीटा बैंड (4–8 Hz) कहा जाता है।

उपमा: कल्पना कीजिए कि मस्तिष्क एक रेडियो है। अधिकांश समय, यह एक तेज़ शोर वाले चैनल पर ट्यून रहता है। लेकिन जब यह कोई निर्णय लेने वाला होता है, तो यह एक विशिष्ट, कम-फ्रीक्वेंसी वाले "प्री-गेम" चैनल पर ट्यून हो जाता है जो संदेश प्रसारित करता है: "विजुअल के लिए तैयार हो जाओ!"

3. "अनक्यूड" सरप्राइज

यह सबसे दिलचस्प हिस्सा है। शोधकर्ताओं ने एक कंप्यूटर प्रोग्राम (AI) को प्रशिक्षित किया ताकि वह "हिंट राउंड" का उपयोग करके "चेहरा अपेक्षा" (Face Expectation) के संकेत और "आवाज़ अपेक्षा" (Sound Expectation) के संकेत को पहचान सके।

फिर, उन्होंने हिंट बंद कर दिए और सरप्राइज राउंड खेला।

परिणाम: AI अभी भी ब्रेन वेव्स को देखकर कह सकता था, "आह, यह व्यक्ति एक चेहरे की उम्मीद कर रहा है," भले ही कोई हिंट नहीं दिया गया था!
इसका अर्थ क्या है: आपके मस्तिष्क को यह बताने के लिए कोच की ज़रूरत नहीं है कि क्या उम्मीद करनी है। आपका मस्तिष्क खेल के पैटर्न के आधार पर अपनी खुद की उम्मीदें बनाता है, भले ही आप अंधेरे में हों।

परिणाम: गति बनाम सटीकता

यह क्यों मायने रखता है? क्या यह "मानसिक झुकाव" वास्तव में आपको बेहतर खेलने में मदद करता है?

हाँ, लेकिन एक शर्त के साथ।

जब मस्तिष्क का अनुमान सही निकला: खिलाड़ी बहुत तेज़ और सटीक था। यह ऐसा था जैसे गोलकीपर ने गेंद किक होने से पहले ही सही जगह पर अपनी स्थिति बना ली हो। मस्तिष्क ने "इंजन शुरू" कर दिया था।
जब मस्तिष्क का अनुमान गलत निकला: खिलाड़ी धीमा था और उससे गलतियाँ अधिक हुईं। मस्तिष्क गलत दिशा में झुक गया था, और उसे वापस सही रास्ते पर आने के लिए अतिरिक्त समय लगा।

शोधकर्ताओं ने इस प्रक्रिया को समझाने के लिए एक गणितीय मॉडल (जिसे डिफ्यूजन डिसीजन मॉडल कहा जाता है) का उपयोग किया। उन्होंने पाया कि जब मस्तिष्क "सही पूर्वानुमान" कर रहा था, तो वह केवल जानकारी को तेज़ी से प्रोसेस नहीं कर रहा था; बल्कि वह निर्णय लेने की प्रक्रिया को फिनिश लाइन के और करीब से शुरू कर रहा था।

उपमा: एक दौड़ की कल्पना करें। यदि आप उम्मीद करते हैं कि फिनिश लाइन बाईं ओर है, तो आप बाईं ओर दौड़ना शुरू कर देते हैं। यदि आप सही हैं, तो आप जीत जाते हैं। यदि आप गलत हैं, तो आपको रुकना पड़ता है, मुड़ना पड़ता है, और दाईं ओर दौड़ना पड़ता है, जिससे कीमती समय का नुकसान होता है।

निष्कर्ष: हम हमेशा भविष्यवाणी कर रहे होते हैं

यह अध्ययन साबित करता है कि हमारा मस्तिष्क केवल एक निष्क्रिय कैमरा नहीं है जो जो होता है उसे रिकॉर्ड करता है। हम सक्रिय अनुमान लगाने वाले (predictors) हैं।

भले ही हमें यह न बताया जाए कि क्या आने वाला है, हमारा मस्तिष्क लगातार सिमुलेशन चला रहा होता है, और जो अगला होने वाला है उसके लिए मानसिक टेम्पलेट बना रहा होता है।

यदि आप एक टेक्स्ट मैसेज का इंतज़ार कर रहे हैं, तो आपका मस्तिष्क सूक्ष्म रूप से विजुअल सिस्टम को तैयार कर रहा है।
यदि आप फोन कॉल का इंतज़ार कर रहे हैं, तो यह सुनने वाले सिस्टम (hearing system) को तैयार कर रहा है।

सार:
आपका मस्तिष्क हमेशा "आगे क्या होगा?" का खेल खेल रहा होता है। यह एक विशिष्ट, कम-फ्रीक्वेंसी वाली "प्री-गेम हडल" बनाता है ताकि उस विशिष्ट प्रकार की जानकारी के लिए तैयार हो सके जिसकी वह उम्मीद करता है। यह तैयारी हमें तब तेज़ बनाती है जब हम सही होते हैं, लेकिन यह हमें तब धीमा भी बनाती है जब हम गलत होते हैं। यह एक ऐसा ट्रेड-ऑफ (समझौता) है जो हमें एक जटिल दुनिया में कुशलतापूर्वक नेविगेट करने में मदद करता है।

यहाँ शोध पत्र "Modality-specific predictive templates in pre-stimulus EEG activity" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

प्रत्यक्ष बोध संबंधी निर्णय-निर्माण (Perceptual decision-making) संवेदी इनपुट और पूर्व विश्वासों (अपेक्षाओं) के एकीकरण पर निर्भर करता है। जबकि यह स्थापित है कि मस्तिष्क यह अनुमान लगाता है कि कोई घटना कब घटित होगी (कालिक प्रत्याशा/temporal anticipation), यह स्पष्ट नहीं है कि क्या प्री-स्टिमुलस (उद्दीपन-पूर्व) तंत्रिका गतिविधि यह भी दर्शाती है कि क्या विशिष्ट घटना अपेक्षित है (विषय-विशिष्ट प्रत्याशा/content-specific anticipation), विशेष रूप से सिंगल-ट्रायल स्तर पर।

मुख्य अनसुलझे प्रश्न शामिल हैं:

क्या प्री-स्टिमुलस EEG गतिविधि एक सामान्य तैयारी अवस्था (जैसे, सामान्य उत्तेजना/arousal) को दर्शाती है या विस्तृत, मोडैलिटी-विशिष्ट अपेक्षाओं (जैसे, दृश्य बनाम श्रव्य) को?
क्या इन प्रत्याशित अवस्थाओं को सिंगल-ट्रायल EEG डेटा से डिकोड किया जा सकता है?
क्या ये डिकोड की गई तंत्रिका अवस्थाएं बिना किसी स्पष्ट संकेत (uncued trials) वाली स्थितियों में सामान्यीकृत (generalize) होती हैं?
ये प्रत्याशित अवस्थाएं निर्णय लेने की प्रक्रियाओं (जैसे, साक्ष्य संचय दर बनाम निर्णय पूर्वाग्रह) को यांत्रिक रूप से कैसे प्रभावित करती हैं?

2. कार्यप्रणाली (Methodology)

प्रायोगिक डिजाइन (Experimental Design)

प्रतिभागी: 42 स्वस्थ वयस्क (24 पुरुष, 18 महिला; औसत आयु 30.4)।
कार्य: एक संवेदी वर्गीकरण कार्य जहाँ प्रतिभागियों ने या तो एक दृश्य उद्दीपन (चेहरे का रेखाचित्र) या एक श्रव्य उद्दीपन (1000 Hz टोन) के प्रति प्रतिक्रिया दी।
स्थितियाँ (Conditions):
- क्यूड चरण (Cued Phase): उद्दीपन से 200ms पहले एक आइकन (दृश्य के लिए आँख, श्रव्य के लिए कान) दिखाई दिया, जो 80% सटीकता के साथ संभावित मोडैलिटी को दर्शाता था। सरल मोटर तैयारी को रोकने के लिए 20% क्यूज़ "कैच" ट्रायल (विसंगत) थे।
- अनक्यूड चरण (Uncued Phase): कोई क्यू प्रस्तुत नहीं किया गया; मोडैलिटी रैंडम (50/50) थी।
प्रक्रिया: प्रतिभागियों ने उद्दीपन की मोडैलिटी के आधार पर एक विशिष्ट कुंजी (बायां/दायां तीर) दबाई। संवेदी प्रत्याशा को मोटर तैयारी से अलग करने के लिए प्रतिक्रिया मोडैलिटी दोनों उद्दीपनों के लिए समान थी।
EEG अधिग्रहण: 1000 Hz पर 32-चैनल EEG रिकॉर्ड किया गया।

डेटा प्रोसेसिंग और विश्लेषण (Data Processing & Analysis)

प्रीप्रोसेसिंग: लो-पास फ़िल्टरिंग (35 Hz), लीनियर डिट्रेंडिंग, और आर्टिफैक्ट रिजेक्शन (±200 µV)।
ERP विश्लेषण: Cued बनाम Uncued ट्राइल्स और Visual बनाम Auditory प्रत्याशा (क्यूड ट्राइल्स के भीतर) के बीच स्पैटियोटेम्पोरल अंतरों की पहचान करने के लिए थ्रेशोल्ड-फ्री क्लस्टर एन्हांसमेंट (TFCE) और परम्यूटेशन टेस्टिंग का उपयोग करके टाइम-डोमेन विश्लेषण।
सिंगल-ट्रायल डिकोडिंग:
- एल्गोरिदम: सिग्नल-टू-नॉइज़ अनुपात बढ़ाने के लिए XDawn स्पेशियल फ़िल्टरिंग के बाद L1-रेगुलराइजेशन के साथ लॉजिस्टिक रिग्रेशन।
- फ्रीक्वेंसी चयन: डेल्टा, थीटा, अल्फा और लो-पास बैंड्स पर ग्रिड सर्च। थीटा बैंड (4–8 Hz) ने उच्चतम सटीकता प्रदान की।
- सामान्यीकरण (Generalization): क्यूड ट्राइल्स (जहाँ ग्राउंड ट्र truth ज्ञात है) पर प्रशिक्षित क्लासिफायर को प्रतिभागी की अंतर्निहित अपेक्षा को अनुमानित करने के लिए अनक्यूड ट्राइल्स पर लागू किया गया।
व्यवहार संबंधी मॉडलिंग (Behavioral Modeling): ड्रिफ्ट रेट ( $\nu$ $ν$ , साक्ष्य की गुणवत्ता) बनाम स्टार्टिंग पॉइंट ( $z_r$ $z_{r}$ , निर्णय पूर्वाग्रह) में परिवर्तन को अलग करने के लिए डिफ्यूजन डिसीजन मॉडल (DDM) फिटिंग।
- ट्राइल्स को इस आधार पर विभाजित किया गया कि प्रत्याशा (क्यूड में ग्राउंड ट्र truth; अनक्यूड में क्लासिफायर प्रेडिक्शन) "सही" थी या "गलत"।

3. मुख्य योगदान (Key Contributions)

मोडैलिटी-विशिष्ट डिकोडिंग: यह प्रदर्शित किया कि प्री-स्टिमुलस EEG गतिविधि में पर्याप्त जानकारी होती है कि प्रतिभागी किस विशिष्ट संवेदी मोडैलिटी (दृश्य बनाम श्रव्य) की अपेक्षा कर रहा है, यहाँ तक कि सिंगल-ट्रायल स्तर पर भी।
अंतर्जात प्रत्याशा (Endogenous Expectation): दिखाया कि ये मोडैलिटी-विशिष्ट तंत्रिका हस्ताक्षर अनक्यूड ट्राइल्स में भी सामान्यीकृत होते हैं, जो यह सिद्ध करता है कि स्पष्ट बाहरी ट्रिगर्स की अनुपस्थिति में भी मस्तिष्क विशिष्ट विषय-वस्तु वाले प्रेडिक्टिव टेम्पलेट्स बनाता है।
व्यवहार के साथ यांत्रिक संबंध: डिकोड की गई प्रत्याशित अवस्थाओं और निर्णय गतिशीलता के बीच एक कारण संबंध स्थापित किया, जिससे पता चला कि सही प्रत्याशा निर्णय के स्टार्टिंग पॉइंट को सही बाउंड्री की ओर स्थानांतरित करती है, न कि ड्रिफ्ट रेट को बढ़ाती है।
स्थानिक पत्राचार (Spatial Correspondence): उन इलेक्ट्रोड्स को मान्य किया जिन्होंने मजबूत प्रत्याशित अंतर दिखाए और जिनमें मजबूत उद्दीपन-प्रेरित अंतर भी देखे गए, जो "प्री-एक्टिवेशन" के प्रासंगिक संवेदी नेटवर्क के सिद्धांत का समर्थन करते हैं।

4. मुख्य परिणाम (Key Results)

व्यवहार संबंधी निष्कर्ष (Behavioral Findings)

क्यूड ट्राइल्स: प्रतिभागियों ने मोडैलिटी की परवाह किए बिना तेजी से प्रतिक्रिया दी (470ms बनाम 526ms)।
सुसंगति (Congruency): विसंगत क्यूज़ (गलत भविष्यवाणी) ने रिएक्शन टाइम और त्रुटि दर को काफी बढ़ा दिया, जिससे पुष्टि हुई कि प्रतिभागियों ने क्यूज़ पर भरोसा किया।
अनक्यूड ट्राइल्स: क्यूड और अनक्यूड स्थितियों के बीच सटीकता में कोई महत्वपूर्ण अंतर नहीं था, लेकिन अनक्यूड ट्राइल्स में रिएक्शन टाइम धीमा था।

तंत्रिका डिकोडिंग परिणाम (Neural Decoding Results)

वर्गीकरण सटीकता: क्लासिफायर ने क्यूड ट्राइल्स में दृश्य बनाम श्रव्य प्रत्याशा को अलग करने में औसतन 66% (±0.08) की सटीकता प्राप्त की। 42 में से 31 प्रतिभागियों ने संयोग (chance) से काफी बेहतर प्रदर्शन किया।
फ्रीक्वेंसी बैंड: थीटा बैंड (4–8 Hz) डिकोडिंग के लिए सबसे अधिक सूचनात्मक फ्रीक्वेंसी रेंज थी।
सामान्यीकरण: क्यूड डेटा पर प्रशिक्षित क्लासिफायर ने अनक्यूड ट्राइल्स में प्रत्याशा अवस्थाओं की सफलतापूर्वक भविष्यवाणी की। इन भविष्यवाणियों के व्यवहार संबंधी परिणामों ने अनक्यूड डेटा के लिए क्लासिफायर के आउटपुट को मान्य किया।

DDM मॉडलिंग परिणाम (DDM Modeling Results)

क्यूड डेटा: सही प्रत्याशा ने स्टार्टिंग पॉइंट ( $z_r$ ) को सही निर्णय बाउंड्री के करीब महत्वपूर्ण रूप से स्थानांतरित कर दिया ( $p < 0.001$ )। ड्रिफ्ट रेट ( $\nu$ ) में कोई महत्वपूर्ण अंतर नहीं देखा गया।
अनक्यूड डेटा: जब ट्राइल्स को क्लासिफायर के प्रेडिक्शन द्वारा विभाजित किया गया, तो वही पैटर्न उभरा: "सही ढंग से" प्रत्याशित ट्राइल्स (क्लासिफायर के अनुसार) ने गलत प्रत्याशित ट्राइल्स की तुलना में स्टार्टिंग पॉइंट में महत्वपूर्ण बदलाव दिखाया।
निहितार्थ: प्रत्याशा मुख्य रूप से निर्णय प्रक्रिया को बायस (bias) करके काम करती है (अपेक्षित विकल्प के लिए थ्रेशोल्ड को कम करके), न कि आने वाले संवेदी साक्ष्य की गुणवत्ता को बढ़ाकर।

स्थानिक विश्लेषण (Spatial Analysis)

प्री-स्टिमुलस प्रत्याशित अंतरों के परिमाण और पोस्ट-स्टिमुलस इवोक्ड अंतरों के बीच इलेक्ट्रोड्स में एक मजबूत सकारात्मक सहसंबंध पाया गया ( $R^2 \approx 0.71$ )। यह सुझाव देता है कि प्रत्याशा आगामी उद्दीपन को प्रोसेस करने वाले विशिष्ट तंत्रिका समूहों को प्री-एक्टिवेट करती है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह अध्ययन पुख्ता प्रमाण प्रदान करता है कि प्रत्याशा केवल एक जेनेरिक सतर्कता की स्थिति नहीं है, बल्कि इसमें मोडैलिटी-विशिष्ट प्रेडिक्टिव टेम्पलेट्स का सक्रिय निर्माण शामिल है।

सैद्धांतिक प्रभाव: यह इस विचार को चुनौती देता है कि प्री-स्टिमुलस गतिविधि केवल कालिक या गैर-विशिष्ट होती है। इसके बजाय, यह प्रेडिक्टिव प्रोसेसिंग फ्रेमवर्क का समर्थन करता है जहाँ मस्तिष्क भविष्य के संवेदी इनपुट के बारे में विस्तृत परिकल्पनाएँ बनाता है।
मेथोडोलॉजिकल प्रगति: अनक्यूड ट्राइल्स में इन अवस्थाओं को डिकोड करके, यह अध्ययन प्रदर्शित करता है कि मस्तिष्क कार्य संरचना (task structure) के आधार पर निरंतर 'प्रायर्स' (priors) उत्पन्न करता है, भले ही कोई स्पष्ट क्यू मौजूद न हो।
यांत्रिक अंतर्दृष्टि: निष्कर्ष स्पष्ट करते हैं कि प्रत्याशा निर्णय प्रक्रिया को बायस करके प्रदर्शन में सुधार करती है, जो प्रभावी रूप से अपेक्षित परिणाम के लिए निर्णय सर्किट को "प्राइम" करती है। यह समझाता है कि क्यों सही प्रत्याशा तेज़ प्रतिक्रिया की ओर ले जाती है, जबकि गलत प्रत्याशा दंड (प्रारंभिक पूर्वाग्रह को पार करने की आवश्यकता) का कारण बनती है।
भविष्य की दिशाएँ: यह कार्य सुझाव देता है कि अनसुपरवाइज्ड लर्निंग तकनीकों का उपयोग पूरी तरह से प्राकृतिक परिवेश में प्रत्याशित अवस्थाओं की पहचान करने के लिए किया जा सकता है जहाँ कोई क्यू मौजूद नहीं है, जिससे अनिश्चित दुनिया में मस्तिष्क के नेविगेशन की समझ बढ़ेगी।

संक्षेप में, यह शोध पत्र स्थापित करता है कि मानव मस्तिष्क प्री-स्टिमुलस अवधि के दौरान यह जानकारी एनकोड करता है कि आगे क्या होने वाला है, और ये तंत्रिका हस्ताक्षर सीधे प्रत्यक्ष निर्णय की गतिशीलता को आकार देते हैं।