Flexible predictive processing during face perception

기술 요약: 얼굴 지각 과정에서의 유연한 예측 처리(Flexible Predictive Processing)

문제 제기 및 동기
예측 처리 모델은 하향식 피드백을 통해 전달되는 지각적 기대가 어떻게 신경 표상 공간을 재구성하여 기대된 정보의 인코딩을 용이하게 하는지 상정한다. 얼굴 지각은 이러한 효과를 연구하기 위한 주요 모델이지만, 특정 과제의 인지적 요구가 기대(특히 사회적 성별/젠더 고정관념에서 기인하는 기대, 예: 남성 얼굴은 분노와, 여성 얼굴은 행복과 연관 짓는 것)의 영향을 어떻게 조절하는지는 여전히 불분명하다. 기존 연구들은 고정관념에 부합하는(congruent) 얼굴이 부합하지 않는(incongruent) 얼굴보다 더 빠르게 처리된다는 점을 입증했으며, 기능적 자기공명영상(fMRI)을 통해 부합하지 않는 얼굴이 신경 활성도 및 연결성 증가와 관련이 있음을 밝혀냈다. 그러나 fMRI의 제한된 시간 해상도는 이러한 기대의 시간적 역동성을 직접 탐구하는 데 한계가 있다. 또한, 단변량 접근법을 사용한 기존의 EEG 연구들은 기대 효과가 초기 지각 단계(N170)에서 나타나는지, 혹은 후기 의사결정 단계(P300)에서 나타나는지에 대해 일관되지 않은 결과를 보여왔다. 본 연구는 과제 목표(감정 판단 vs. 성별 판단)가 역동적인 얼굴 지각 과정 중 성별/젠더 고정관념 기대의 행동 및 신경적 영향을 어떻게 조절하는지 조사한다.

연구 방법론
본 연구는 높은 시간 해상도로 신경 및 행동 역동성을 포착하기 위해 고밀도 뇌전도(EEG)와 연속 마우스 트래킹(continuous mouse tracking)을 결ented한 통합적 접근 방식을 채택하였다.

• 참가자: 51명의 자원봉사자(평균 연령 23.72세)가 마우스 트래킹 과제와 EEG 과제를 포함한 두 세션을 완료하였다. 신호 노이즈로 인해 5명이 EEG 분석에서 제외되어, 최종적으로 46명이 신경 분석에 참여하였다.
• 자극: 분노 또는 행복을 표현하는 코카서스 인종의 얼굴 흑백 이미지(ID 30개, 남성 15/여성 15). 자극은 확립된 성별/젠더 고정관념에 따라 부합(congruent)(분노하는 남성, 행복한 여성) 또는 부합하지 않음(incongruent)(행복한 남성, 분노하는 여성)으로 분류되었다.
• 실험 설계: 2x2 피험자 내 설계(within-participant design)를 사용하여 얼굴 부합성(부합 vs. 부합하지 않음)과 과제 유형(감정 범주화: 분노 vs. 행복; 성별 범주화: 남성 vs. 여성)을 조작하였다. 참가자들은 두 세션에 걸쳐 별도의 블록으로 과제를 수행하였다.
• 데이터 수집:
  • 마우스 트래킹: 5ms 샘플링 레이트로 기록되었다. 궤적은 결정 갈등과 움직임 역동성을 정량화하기 위해 최대 절대 편차(MAD) 및 MAD-time으로 분석되었다.
  • EEG: 1000Hz(64채널)로 기록되었다. 전처리는 필터링, ICA를 통한 아티팩트 제거, 에포킹(-200 ~ 1000ms)을 포함하였다.
• 분석 프레임워크:
  • 행동 분석: 선형 혼합 효과 모델(Linear mixed-effects models)을 사용하여 MAD, MAD-time 및 반응 시간(RT)에 미치는 부합성과 과제의 영향을 평가하였다.
    럼 표상 유사도 분석(RSA): 시계열 모델 기반 RSA를 통해 마우스 궤적 및 EEG 데이터에서 도출된 경험적 표상 차이 행렬(RDM)을 부합성, 과제, 성별, 감정을 모델링한 이론적 RDM과 비교하였다.
  • 다변량 패턴 분석(MVPA): 시계열 선형 판별 분석(LDA) 분류기를 사용하여 EEG 패턴으로부터 실험 조건(부합성, 과제, 성별, 감정)을 디코딩함으로써 신경 코딩의 타이밍과 견고성을 결정하였다.
  • 지연 및 기울기 분석: 분류기 디코딩 곡선에 잭나이프(Jackknife) 절차를 적용하여 기대가 신경 코딩의 *출현(emergence)*을 가속화하는지(지연 시간), 아니면 증거 축적의 *속도(기울기)*를 높이는지를 구분하였다.
  • 융합 분석: EEG-마우스 융합 및 공통성 분석을 통해 신경 및 행동 양식 간의 공유된 표상 분산을 정량화하였다.

주요 결과

1. 행동적 결과: 부합하지 않는 얼굴은 부합하는 얼굴에 비해 유의미하게 큰 궤적 편차(MAD), 긴 움직임 역동성(MAD-time), 그리고 느린 반응 시간을 유발하였다. 결정적으로, 이러한 부합성 효과는 성별 범주화보다 감정 범주화 중에 유의미하게 강하게 나타났으며, 이는 과제 목표가 기대 효과의 크기를 조절함을 나타낸다.
2. 신경 표상 역동성 (RSA):
   • 마우스 궤적: 부합성 효과는 중간 단계(약 280–840ms)에서 나타났으며, 감정 과제에서 유의미하게 더 강했다.
   • EEG: 부합성 효과는 감정 과제 중에 특정 중간 단계(약 570–588ms)에서 탐지되었으나, 성별 과제 RSA에서는 유의미한 부합성 효과가 발견되지 않았다.
   • 융합: EEG와 마우스 궤적 사이의 공유된 표상 역동성은 얼굴 부합성이 아닌 **과제 요구(Task demands)**에 의해 주로 설명되었다. 이는 두 양식이 모두 과제 특이적 처리를 반영하지만, 부합성 효과를 전달하는 메커니즘은 서로 다름을 시사한다.
3. 신경 코딩의 시간적 역동성 (MVPA):
   • 분류기는 얼굴 부합성을 점진적으로 디코딩하였으며, 약 500ms에서 정점에 도달하였다.
   • 부합하는 얼굴에 대한 디코딩 정확도는 234–281ms 사이에 부합하지 않는 얼굴보다 유의미하게 높았다.
   • 지연 vs. 기울기: 지연 분석 결과, 부합하는 얼굴은 두 번째 정점(peak)에서 부합하지 않는 얼굴보다 약 113ms 더 빨리 신경 디스크리미너빌리티(discriminability) 정점에 도달하였다(평균 차이: 327.64ms vs. 214.88ms). 그러나 기울기 분석에서는 조건 간 증거 축적 속도의 유의미한 차이가 없었다.
   • 이러한 해리(dissociation)는 기대가 증거 축적 속도를 높이기보다는 신경 코딩 패턴의 시간적 출현을 앞당김으로써 처리를 촉진한다는 것을 나타낸다.

핵리 기여

• 과제 의존적 유연성: 본 연구는 얼굴 지각에 미치는 사회적 고정관념의 영향이 자동적인 것이 아니라 과제 목표에 의해 동적으로 조절된다는 것을 입증한다. 기대는 성별 처리(하향식 입력에 더 의존)보다 감정 처리(상향식 조절에 더 의존)에 더 강력한 영향을 미친다.
• 예측 촉진의 메커니즘적 통찰: 저자들은 지연 시간과 기울기 분석을 결합함으로써, 예측적 촉진이 증거 축적의 속도를 가파르게 만들기보다는 신경 코딩 패턴의 타이밍을 앞당기는 방식으로 작동한다는 증거를 제시한다.
• 다중 양식 통합: 본 연구는 연속적 행동 측정치(마우스 트래킹)와 높은 시간 해상도의 신경 데이터(EEG)를 성공적으로 통합하여 예측 처리의 시공간적 역동성을 규명하였으며, 과제 요구가 양식 간 공유 분산을 주도하는 반면, 부합성 효과는 신경 영역과 운동 영역에서 서로 다르게 표현됨을 밝혔다.

의의
본 논문은 이러한 발견이 예측 처리가 과제 요구에 어떻게 적응하는지를 특징짓는 신경 메커니즘을 규명한다고 주장한다. 구체적으로, 얼굴 지각에 대한 사회적 고정관념의 영향은 자동으로 부과되는 것이 아니라 동적으로 조절된다는 것을 시사하며, 이는 어떤 조건에서 사회적 편향이 인간의 지각을 형성할 가능성이 높은지에 대한 새로운 통찰을 제공한다. 나아가, 본 연구는 신경 코딩의 가속된 출현과 증거 축적 역동성의 변화를 구분하는 새로운 프레임을 제공함으로써, 사전 지식이 지각 처리의 시간적 구조를 어떻게 형성하는지에 대한 이해를 넓혔다.