An evaluative axis organises mental representations of prospective experiences and predicts choice

技術的要約：評価軸が将来の経験の心的表象を組織化し、選択を予測する

問題提起
人々は、一見すると全く異なる（例：パーティーに参加するか家に留まるか、あるいは馬サイズの鴨と戦うか、鴨サイズの馬と戦うか）将来の経験の間で、頻繁に選択を行います。このような、互いに比較不可能な選択肢を比較する能力は意思決定の基本ですが、その比較を可能にする心的構造は依然として不明確です。具体的には、脳がどのように仮説的なシナリオを表現し、それらを比較可能にしているのか、また、それらの表象が共通の評価指標（「共通通貨」）によって組織化されているのか、あるいは異質な非評価的特徴によって組織化されているのかが分かっていません。先行研究では、物体、単語、感情の表象空間はマッピングされていますが、「将来の経験」（将来のシナリオのシミュレーション）の次元については、ほとんど特徴付けられていません。中心的な理論的問いは、価数（ポジティブ／ネガティブな感情）がこれらの心的表象の固有の属性なのか、それとも決定の瞬間にのみ生成される構成概念なのかという点です。

方法論
本研究では、表象幾何学、計算モデリング、および神経経済学的なスタイルの選択予測を組み合わせた多段階のアプローチを採用しました。

1. 刺激のキュレーション： 著者らは、「Would You Rather（どちらがいいですか？）」形式の質問から抽出された、意味的に多様な200の将来シナリオ（動名詞形式の記述）を精選しました。このセットは、all-MiniLM-L6-v2を用いた384次元の意味空間における最遠点サンプリング（farthest-point sampling）を通じて、最大限の多様性を確保するように選択されました。
2. フェーズ1：空間のマッピング（Odd-One-Outタスク）：
   • データ収集： 150人の参加者が、30,000回の3者間「仲間外れ（odd-one-out）」類似性判断を行いました。各試行では、3つのシナリオが提示され、参加者は他の2つに対して最も非類似であるものを選択しました。
   • 計算モデリング： 疎な正の類似性埋め込み（Sparse Positive Similarity Embedding; SPoSE）モデルを、判断結果に適合させました。このモデルは、各シナリオを重みのベクトルとして表現する、潜在的で非負の次元の集合を学習します。モデルは、予測された類似性と観察された判断との間のクロスエントロピー損失を最小化するように訓練されました。
   • 次元の選択： 再現性分析（20回のランダム初期化）と次元除去を通じて、モデルは初期の10次元から7つの再現可能な次元を保持しました。モデルは、保持された試行に対して47.2%の精度を達成しました（チャンスレベル = 33.3%、ノイズ天井 = 72%）。
3. フェーズ2：空間の特性化：
   • ラベル付け： 24人の参加者が、7つの次元および2つの主成分（PC）を自由な言葉でラベル付けしました。
   • 評価タスク： 95人の参加者が、200のシナリオについて、5つの候補となる尺度（価数、プレステージ、嫌悪感、制約、非現実性）に基づいて評価を行いました。
   • 表象類似性解析（RSA）： 著者らは、埋め込み次元、主成分、評価尺度、および意味的埋め込みからなる表象非類似行列（RDM）を構築しました。これらのRDMを相関させることで、構造的な対応関係を特定しました。
4. フェーズ3：好みの予測：
   • 選択タスク： 100人の参加者が、10,000回の二肢強制選択（2AFC）決定を行い、2つのシナリオのうちどちらを経験したいかを選択しました。
   • 予測モデル： 混合効果ロジスティック回帰および、リーブ・ワン・パーティシパント・アウト（LOPO）交差検証を用いて、埋め込み次元、主成分、および評価尺度に基づく選択を予測しました。
   • デコーダーの整合性： 埋め込みを価数評価および選択結果にマッピングするために線形デコーダーを訓練しました。これらのデコーダーの重みベクトルの間の整合性が分析されました。

主な結果

• 回復可能な構造： SPoSEモデルは、類似性判断をチャンスレベル以上に予測し、経験的データと相関する（$r = .41$）低次元構造（7次元）を正常に回収しました。
• 評価軸の出現： 非評価的なタスク（類似性判断）であったにもかかわらず、表象空間の第1主成分（PC1）は、価数（$r = .73$）およびプレステージ（$r = .81$）と強く連動していました。PC1は最大の分散を説明しており、参加者からは、成功／富から苦しみ／悲惨に至る広範な評価軸として解釈されました。第2成分（PC2）は、「非現実性」、すなわち日常的なものから空想的なものへのスペクトラムに対応していました。
• 選択の主要な予測因子としての価数：
  • 2AFCの選択を予測する際、価数は最強の単一予測因子であり（$\beta = 2.01$）、他のすべての評価尺度や埋め込み次元、主成分を上回りました。
  • すべての評価尺度を単一のモデルに含めた場合でも、価数が最も強力な予測因子であり続け、これはプレステージ、嫌悪感、制約などの他の尺度が主に価数と分散を共有していることを示唆しています。
  • 情報の枯渇： 7つの埋め込み次元を価数のみのモデルに加えても、保持された選択の予測は改善しませんでした（$\Delta \text{log loss} = 0.0011, p = .134$）。逆に、7つの次元のみを含むモデルに価数を加えると、予測は有意に改善しました（$\Delta \text{log loss} = 0.0615, p < .001$）。これは、全表象空間における選択に関連する情報は、価数によって使い果たされている（集約されている）ことを示しています。
• 部分空間の同一性： 価数のデコーダーの重みベクトルと、選択のデコーダーの重みベクトルはほぼ同一でした（コサイン類似度 = .991、角度 = $7.82^\circ$）。価数を捉える部分空間は、選択を駆動する部分空間と事実上同じです。
• 二重解離： 埋め込みから価数の方向を取り除くと、類似性判断の予測能力はほとんど低下しませんでしたが（精度は .459 から .450 へ）、選択の予測能力は完全に失われました。これは、価数が表象の中にエンコードされているものの、類似性判断の主要な駆動力ではない一方で、好みの唯一の駆動力であることを示唆しています。

意義と主張
本論文は、将来の経験の心的表象は、明示的な好みに基づくタスクが存在しない場合でも、一元的な評価的順序付けによって組織化されていると主張しています。

• 内在的評価： これらの知見は、将来の経験の表象において、評価的情報（特に価数）が内在的な属性であり、決定の瞬間にのみ計算されるものではないことを示唆しています。これは、心が将来の状態のシミュレーションに対して、自動的に感情的な結果を付与するという仮説を支持するものです。
• 共通通貨： 結果は、価値に基づく意思決定における「共通通貨」仮説と一致しています（表象空間は多次元であり複雑な比較を可能にしますが、そこには単一の支配的な評価軸が存在し、それが本来は比較不可能な経験の順序付けを可能にしています）。
• 物体表象との比較： 物理的な物体の表象空間（「動物に関連するかどうか」や「食べ物に関連するかどうか」といったカテゴリー的次元によって組織される）とは異なり、将来の経験の表象空間は、グローバルな評価的次元によって支配されています。著者らは、これを将来のシミュレーションの性質、すなわち、主観と経験の固有の関係（「それが自分にとってどのように感じられるか」）に帰しています。
• 謙虚な姿勢： 著者らは、刺激の多様性やデータセットの小ささにより、彼らの次元が物体の場合よりも「曖昧（fuzzy）」で、かつ離散的ではないことを認めています。彼らは、すべての現象的経験が価数を持っていることを証明したと主張しているのではなく、将来の経験が、選択を予測するような価値によって組織化されていることを示しているのです。

要約すると、本研究は、精神が将来の経験を複数の次元に沿って表現している一方で、単一の評価軸（価数）がその空間を組織化し、異質な将来の可能性を比較し選択するための主要なメカニズムとして機能していることを実証しています。