Canonical decision computations underlie behavioral and neural signatures of cooperation in primates

Dit onderzoek toont aan dat de dorsomediale prefrontale cortex van primaten een canoniek proces van bewijsaccumulatie implementeert, waarbij sociale signalen zoals blikrichting worden verwerkt tot een beslissingsvariabele die samenwerkingsgedrag stuurt.

De kern

Titel: Hoe apen samenwerken: Het geheim van de "sociale radar" in hun hoofd

Stel je voor dat je met een vriend een lastige puzzel moet oplossen. Je moet precies op hetzelfde moment een knop indrukken, anders mislukt het. Je kunt niet praten, maar je moet wel weten wat je vriend gaat doen. Hoe doe je dat? Je kijkt naar hem. Je ziet hoe hij beweegt, hoe onrustig hij is, en je probeert te raden wanneer hij klaar is.

Wetenschappers hebben nu ontdekt hoe dit precies werkt in de hersenen van marmoset-aapjes. Ze hebben een heel slim experiment gedaan om te zien hoe deze dieren samenwerken zonder dat ze vastzitten aan een tafel (zoals in veel oude hersenstudies).

Hier is wat ze hebben gevonden, vertaald in een simpel verhaal:

1. Het Experiment: De "Samenwerkingsdans"

De onderzoekers lieten twee marmoset-aapjes in een kamer lopen. Ze hadden elk een hendel (een soort hefboom). Om een lekker drankje te krijgen, moesten ze hun hendel precies binnen één seconde van elkaar indrukken.

• Het probleem: Als je te vroeg of te laat bent, krijg je niets.
• De oplossing: De aapjes moesten elkaar in de gaten houden. Ze keken naar elkaar, bewogen zich en besloten dan: "Nu is het moment!"

2. De "Sociale Radar" (Bewijsverzameling)

De onderzoekers dachten: "Deze aapjes verzamelen informatie, net zoals je een puzzelstukjes bij elkaar zoekt."
Ze noemen dit bewijsverzameling.

• De analogie: Stel je voor dat je in een drukke café staat en probeert te horen wat je vriend zegt. Als hij fluistert (veel ruis), moet je langer luisteren en meer concentreren. Als hij hard en duidelijk spreekt (weinig ruis), snap je het direct.
• Wat de aapjes deden: Ze keken naar de bewegingen van hun partner. Als de partner rustig en voorspelbaar bewoog, was dat een sterk teken: "Hij gaat het nu doen!" Als de partner onrustig en willekeurig bewoog, was het teken zwakker: "Hij is nog niet klaar."
• Het geheim: De aapjes verzamelden deze informatie alleen als ze naar elkaar keken. Als ze wegkeken, stopte de "informatie-stroom" in hun hoofd.

3. De Hersenen: De "Sociale Computer"

De onderzoekers keken in de hersenen van de aapjes, specifiek in een deel dat ze de dmPFC noemen (een soort commandocentrum voor sociale dingen). Ze zagen drie dingen gebeuren:

• De "Opwaartse Lijn" (De snelheid):
  De hersencellen begonnen langzaam te "rampen" (hun activiteit steeg).

  • Analogie: Denk aan een auto die optrekt. Als de weg duidelijk is (de partner is rustig), trekt de auto snel op (de hersenen werken snel). Als de weg hobbelig is (de partner is onrustig), gaat het optrekken langzamer.
  • Hoe steiler de lijn, hoe sneller de aap zijn hendel indrukte.

• De "Startpositie" (De vooringenomenheid):
  Soms begon de lijn al hoger of lager, afhankelijk van wat er de vorige keer was gebeurd.

  • Analogie: Als je gisteren een spelletje hebt verloren, begin je vandaag misschien alvast een beetje zenuwachtig of juist extra gemotiveerd. De hersenen van de aapjes pasten hun startpunt aan op basis van hun vorige succes of mislukking.

• Het "Groeppatroon":
  Als je naar alle hersencellen tegelijk kijkt, zie je een mooi patroon. Op momenten dat de samenwerking goed verliep, bewogen de hersencellen in een strakke, voorspelbare lijn. Op momenten dat het mislukte, was het patroon chaotisch en onzeker.

4. Waarom is dit belangrijk?

Vroeger dachten we dat dit soort complexe sociale beslissingen te ingewikkeld waren om te verklaren met simpele hersenregels. Maar dit onderzoek toont aan dat onze hersenen (en die van apen) een standaardrecept gebruiken, zelfs in een chaotische, vrije omgeving.

Het is alsof je hersenen een sociale GPS hebben:

1. Je kijkt naar je vriend (sociale radar).
2. Je verzamelt informatie over hoe betrouwbaar hij is (bewijsverzameling).
3. Je hersenen berekenen het perfecte moment om te handelen (de beslissing).
4. Je voert de actie uit.

Conclusie:
Samenwerken is niet magie. Het is een slimme, wiskundige berekening die onze hersenen maken terwijl we naar elkaar kijken. De onderzoekers hebben laten zien dat zelfs in een vrij spel, onze hersenen een strakke, voorspelbare manier gebruiken om samen te werken. Dit helpt ons misschien later beter te begrijpen waarom sommige mensen (bijvoorbeeld mensen met autisme) moeite hebben met samenwerken, en hoe we robots kunnen leren om beter met mensen samen te werken.

Technische samenvatting

Probleemstelling

Coöperatief gedrag vereist dynamische integratie van sociale aanwijzingen, waarbij individuen de acties van partners moeten monitoren, intenties moeten afleiden en gecoördineerde beslissingen moeten nemen. Hoewel het mechanisme van bewijsaccumulatie (evidence accumulation) goed bestudeerd is in perceptuele taken en waarden-gedreven keuzes (vaak gelokaliseerd in het dorsolaterale prefrontale cortex of dlPFC en het laterale intrapariëtale gebied of LIP), blijven twee fundamentele vragen onbeantwoord:

1. Is bewijsaccumulatie een geconserveerd computationeel mechanisme dat ook geldt voor complexe sociale cognitie?
2. Opereren deze accumulatieprocessen tijdens natuurlijke, onbeperkte sociale interacties, of zijn ze beperkt tot strikt gecontroleerde, hoofd-gefixeerde taken?

De auteurs stellen dat de rol van sociale blik (gaze) in het integreren van informatie over de intenties van een partner, en de neurale mechanismen die hieraan ten grondslag liggen, nog onbekend zijn, vooral in een vrij bewegende context.

Methodologie

De studie combineert gedragsmodellering, enkel-neuronopnames en populatie-analyses in een natuurlijke setting.

• Diermodel en Taak: Twee vrij bewegende marmosetten (Callithrix jacchus) voerden een wederzijdse coöperatie-taak uit. Ze moesten binnen een raam van 1 seconde tegelijkertijd hun hendels trekken om een beloning te ontvangen. De dieren waren niet vastgebonden en voerden de taken in zelfgestuurde "trials" uit.
• Gedragsregistratie: Markerloze gezichtstracking (DeepLabCut en Anipose) werd gebruikt om acht continue gedragsvariabelen te extraheren, waaronder ruimtelijke relaties, blikoriëntatie en bewegingsdynamiek.
• Neurale Opnames: Er werden enkel-neuronopnames gedaan in de dorsomediale prefrontale cortex (dmPFC) van de "acteur" (de marmoset die de beslissing nam) met behulp van een nieuw ontworpen, draadloos opnamesysteem met een modulaire headcap en beweegbare nanodrive-probes.
• Computationele Modellering:
  • Drift-Diffusie Model (DDM): Vier concurrerende modellen werden getest om te bepalen hoe sociale informatie wordt geïntegreerd. Het beste model (M1) was een "gaze-gated" model, waarbij de driftsnelheid (accumulatiesnelheid) alleen wordt beïnvloed door de partner's acties tijdens periodes van sociale blik.
  • Gedragsvariabelen: De "sociale bewijskracht" werd gedefinieerd als de variabiliteit (standaardafwijking) van de partner's acties (samengevat via PCA) tijdens periodes van blik. Lagere variabiliteit (meer voorspelbaarheid) betekent sterkere bewijskracht.
  • Neurale DDM: Een neurale versie van het DDM werd geconstrueerd om neurale activiteit (helling van de vuurfrequentie en basale activiteit) te koppelen aan de cognitieve parameters van het model (driftsnelheid en startpunt).
• Populatie-analyse: De geometrie van neurale trajecten in de 3D-ruimte (gebaseerd op de eerste drie hoofdcomponenten) werd geanalyseerd om "padvariabiliteit" (tortuositeit) te kwantificeren.

Belangrijkste Bijdragen en Resultaten

1. Gedrag: Blik-afhankelijke bewijsaccumulatie

   • De analyse toonde aan dat coöperatieve beslissingen het beste worden verklaard door een drift-diffusieproces waarbij informatie over de partner's acties alleen wordt geaccumuleerd tijdens periodes van sociale blik.
   • De sleutelvariabele die werd geaccumuleerd was niet de gemiddelde actie van de partner, maar de variabiliteit van de partner's gedrag. Een minder ruisachtig (voorspelbaarder) patroon van de partner leidde tot een hogere driftsnelheid en snellere coöperatieve acties.
   • Dit weerlegt modellen die gebaseerd zijn op het detecteren van vaste drempels of monotone trends; in plaats daarvan gaat het om de integratie van onzekere sociale informatie over tijd.

2. Neurale Mechanismen: Predictieve gemengde selectiviteit

   • dmPFC-neuronen vertoonden "gemengde selectiviteit": ze codeerden simultaan voor de eigen actie (trekken), de eigen blik en de acties van de partner.
   • Een subpopulatie van "drievoudig-coderende" neuron was significant verrijkt met predictieve activiteit (activiteit die voorafgaat aan de actie), wat suggereert dat deze neuronen anticiperen op de eigen actie op basis van sociale input.

3. Mapping naar Computationele Parameters

   • Er werd een directe mapping gevonden tussen neurale dynamiek en de DDM-parameters:
     • De helling (slope) van de rampende vuurfrequentie voorafgaand aan de actie correleerde positief met de driftsnelheid (snelheid van bewijsaccumulatie). Deze helling was sterker bij trials met sterke sociale bewijskracht.
     • De basale vuurfrequentie (gedurende de niet-beslissingstijd) correleerde met het startpunt (initial bias). Deze bias werd beïnvloed door de uitkomst van de vorige trial: een mislukte trial leidde tot een hogere basale activiteit en een verschuiving van het startpunt, wat suggereert dat er een post-fout motivatie-effect is.

4. Populatie-dynamiek en Succes

   • Op populatieniveau vertoonde de geometrie van de neurale trajecten (specifiek de padvariabiliteit/tortuositeit) een negatieve correlatie met de sterkte van het sociale bewijs.
   • Cruciaal: Deze relatie tussen sociale bewijskracht en neurale trajectgeometrie was alleen aanwezig bij succesvolle coöperatieve trials en ontbrak bij mislukte trials. Dit bevestigt dat de dmPFC dynamisch sociale informatie encodeert op een manier die direct gekoppeld is aan succesvolle coöperatie.

Significantie

Deze studie biedt een multi-schaal account van hoe de primate dmPFC coöperatie orchestreert in een natuurlijke setting.

• Theoretische Uitbreiding: Het bewijst dat bewijsaccumulatie een canoniek computationeel mechanisme is dat niet beperkt is tot perceptuele taken, maar ook centraal staat in complexe sociale cognitie.
• Natuurlijke Setting: Het overbrugt de kloof tussen klassieke besluitvormingsneuroscience (vaak in head-restrained settings) en de complexiteit van real-world sociale interacties. Het toont aan dat dieren hun gedrag spontaan organiseren in een proces dat vatbaar is voor bewijsaccumulatie-modellering, zelfs zonder strikte taakstructuur.
• Neurale Correlaten: Het identificeert de dmPFC als een sleutellocus voor sociale bewijsaccumulatie, waarbij specifieke neurale dynamieken (ramping slopes en baselines) direct corresponderen met de parameters van een drift-diffusie model.
• Toekomstige Implicaties: De bevindingen bieden een mechanistische basis voor economische modellen van strategische interactie, kunnen dienen als biomarker voor sociale tekortkomingen in de psychiatrie, en bieden inzichten voor het ontwerpen van coöperatieve multi-agent kunstmatige systemen.