Pupil Dynamics Reflect Uncertainty-Driven Adjustments of Probability Learning

Deze studie toont aan dat pupilreacties twee verschillende vormen van onzekerheid tijdens het leren van waarschijnlijkheden weerspiegelen: fasische verwijdingen volgen de kans op veranderingen, terwijl tonische verwijdingen de voorafgaande onzekerheid over de huidige overtuigingen volgen, wat samen de aanpassing van het leergedrag ondersteunt.

De kern

Titel: Hoe je pupillen je brein verraden: Een reis door onzekerheid en leren

Stel je voor dat je brein een slimme kapitein is die een schip bestuurt door een wazige oceaan. Soms is het water rustig en voorspelbaar (stabiliteit), maar soms verandert de stroom plotseling en onvoorspelbaar (verandering). De grote uitdaging voor de kapitein is: Hoe snel moet ik mijn koers aanpassen?

Als je te snel reageert op elke kleine golf, raak je de weg kwijt door de ruis. Als je te traag bent, blijf je vastzitten in een oude koers terwijl de wereld om je heen al verandert.

Deze studie, uitgevoerd door onderzoekers in Parijs en Oxford, kijkt naar hoe mensen dit dilemma oplossen. Ze gebruiken een slimme truc: ze kijken niet naar wat mensen zeggen, maar naar wat hun ogen doen.

Het Experiment: Het Rad van Fortuin

De deelnemers kregen een taak die leek op een rad van fortuin. Ze zagen een reeks blauwe en gele ballen verschijnen. Ze moesten raden: "Is de kans op blauw 30% of 70%?"
Het geheim? De echte kans veranderde soms plotseling (een 'veranderingspunt'), zonder dat de deelnemers een waarschuwing kregen. Ze moesten continu hun schatting aanpassen.

De Twee Vreemdelingen: Twee soorten onzekerheid

Het brein moet twee soorten onzekerheid onderscheiden om slim te leren:

1. De "Ik weet het niet"-factor (Voorafgaande onzekerheid): Dit is als een kompas dat een beetje wazig is. Je bent niet 100% zeker van je huidige overtuiging. Als je komas wazig is, luister je goed naar elke nieuwe aanwijzing.
2. De "Iets is veranderd"-factor (Kans op verandering): Dit is als een alarmbel. "Wacht even, die stroom is plotseling heel anders! Misschien is de hele kaart verouderd!"

In eerdere studies met getallen (bijvoorbeeld: "Hoe lang duurt het wachten?") was het alarmbelletje (verandering) de belangrijkste drijver. Maar in deze studie met kansen (blauw vs. geel), bleek dat de "wazige kompas"-factor (onzekerheid over je huidige idee) de baas was. Omdat elke nieuwe bal minder informatie geeft dan een getal, moet je brein eerst vertrouwen op hoe zeker je bent van je huidige idee, voordat je denkt dat de wereld is veranderd.

De Pupillen: De vensters naar je hersenstam

Hier komt het meest fascinerende deel. De onderzoekers keken naar de pupillen (die zwarte cirkels in je ogen). Pupillen zijn niet alleen voor licht; ze reageren ook op mentale inspanning en onzekerheid. Ze werken als twee verschillende soorten lampen in je hoofd:

• De Flitslamp (Fasische reactie):
  Dit is een korte, snelle uitvergroting van de pupil. Net als een flits die je schrikt.
  • Wat doet hij? Hij reageert op het alarmbelletje. Als er een verandering is, flitst de pupil. Het is je brein dat zegt: "Hé, iets is veranderd, let op!"
• De Standlamp (Tonische reactie):
  Dit is een langzamere, bredere uitvergroting die blijft hangen. Denk aan een lamp die je kamer verlicht.
  • Wat doet hij? Hij reageert op de wazigheid van je kompas. Als je niet zeker bent van je huidige idee, blijft je pupil wijd open. Het is je brein dat zegt: "Ik ben niet zeker, blijf alert en luister naar alles."

De Magische Schakeling

De onderzoekers ontdekten iets moois:

• Je flitslamp (snelle pupil) vertelt je brein om te kijken naar veranderingen.
• Je standlamp (langzame pupil) vertelt je brein om te kijken naar hoe zeker je bent.

En het allerbelangrijkste: deze twee lichtjes sturen je leerproces aan. Als je pupil wijd open staat (hoge onzekerheid), leert je brein sneller. Als je pupil dicht zit (je bent zeker), leert je brein langzamer en stabiliseert het.

Waarom is dit belangrijk?

Stel je voor dat je een nieuwe taal leert.

• Als je standlamp (tonische onzekerheid) hoog is, ben je open-minded en leer je snel nieuwe woorden omdat je niet zeker bent van je grammatica.
• Als je flitslamp (fasische verandering) afgaat, realiseer je je: "Oh, deze regel geldt hier niet, de taal is anders dan ik dacht!"

De studie laat zien dat ons brein een perfect gebalanceerd systeem heeft. Het gebruikt twee verschillende manieren om "onzekerheid" te meten, en deze twee manieren worden vertaald naar twee verschillende reacties in je ogen. Je pupillen zijn dus niet zomaar een fysiek verschijnsel; ze zijn een levend dashboard dat laat zien hoe je brein omgaat met de chaos van de wereld.

Kort samengevat:
Wanneer we leren in een veranderende wereld, gebruikt ons brein twee soorten onzekerheid. Onze pupillen reageren daarop als twee verschillende lampen: een snelle flits voor veranderingen en een langzame gloed voor onze twijfel. Deze lichtsignalen sturen direct aan hoe snel we leren en hoe we onze overtuigingen aanpassen. Je ogen vertellen dus meer over hoe je denkt dan je zelf misschien realiseert!

Technische samenvatting

Titel: Pupil-dynamiek weerspiegelen onzekerheidsgedreven aanpassingen van waarschijnlijkheidsleren

Auteurs: Greenhouse-Tucknott, A., et al.
Publicatie: bioRxiv preprint (2026)

---

1. Probleemstelling en Context

Adaptief leren in dynamische omgevingen vereist dat het brein onzekerheid correct representeert en daarop reageert. Eerdere studies hebben zich voornamelijk gericht op magnitude-gebaseerde inferentietaken (bijv. het leren van posities of numerieke waarden), waarbij de detectie van veranderingen (change points) en de bijbehorende arousal-reactie de leerprocessen sterk bepalen.

Er bestaat echter een kennislacune over de rol van arousal-systemen in waarschijnlijkheidsleren (probability learning). Bij het leren van discrete uitkomsten (zoals de kans op een bepaalde kleur) is het moeilijker om veranderingen in de onderliggende generatieve kans direct te detecteren vergeleken bij magnitude-leren. Normatieve theorieën suggereren dat bij waarschijnlijkheidsleren de voorafgaande onzekerheid (prior uncertainty) een grotere rol speelt bij het aanpassen van de leersnelheid dan de waarschijnlijkheid van een verandering (change point probability). De vraag is hoe het brein deze verschillende vormen van onzekerheid codeert en of dit zichtbaar is in fysiologische arousal-maatstallen, specifiek pupilverwijding.

2. Methodologie

Experimenteel Ontwerp:

• Taak: Deelnemers (N=31 na filtering) voerden een dynamisch waarschijnlijkheidsleren uit. Ze moesten de verborgen generatieve kans van een stimulus (de verhouding blauw vs. geel op een virtueel roulette-wiel) continu schatten.
• Dynamiek: De onderliggende kans veranderde abrupt en onvoorspelbaar op "change points" (gemiddeld elke 20 observaties). Deelnemers gaven hun schattingen continu aan via een schuifbalk.
• Data-opname: Pupilgrootte werd continu gemeten (60 Hz) terwijl deelnemers gefixeerd bleven op een doelwit om bewegingsartefacten te minimaliseren.

Computational Modeling:

• Een Bayesiaanse ideale waarnemer (ideal observer model) werd gebruikt om de optimale oplossing voor het inferentieprobleem te berekenen.
• Dit model leverde trial-by-trial schattingen van twee latente onzekerheidsfactoren:
  1. Change Point Probability (CPP): De kans dat de onderliggende verdeling net is veranderd.
  2. Prior Uncertainty: De variantie (onzekerheid) in de huidige overtuiging over de generatieve kans, vóór de nieuwe observatie.
• De schijnbare leersnelheid (apparent learning rate) van deelnemers werd berekend als de verhouding tussen de update in hun schatting en de voorspellingsfout.

Fysiologische Analyse:

• Pupildata werden opgesplitst in twee componenten:
  • Phasische respons: Baseline-correcte verwijding (verandering ten opzichte van de pre-stimulus periode).
  • Tonic respons: Absolute pupilgrootte (niet baseline-correcte), die de accumulatieve toestand weerspiegelt.
• Regressie-analyse: Meervoudige lineaire regressie werd uitgevoerd om te testen of CPP en Prior Uncertainty de phasische en tonische pupilrespons voorspellen.
• Mediatie-analyse: Om te bepalen of de pupilresponsen het causale pad vormen tussen de onzekerheidsfactoren en de aangepaste leersnelheid.

3. Belangrijkste Bevindingen

A. Gedrag en Leren:

• Deelnemers pasten hun schattingen nauwkeurig aan, met een sterke correlatie met het Bayesiaanse model.
• De voorafgaande onzekerheid (prior uncertainty) bleek de dominante drijver te zijn voor aanpassingen in de schijnbare leersnelheid. Hoewel CPP ook een rol speelt, was het effect van prior uncertainty significant groter, wat overeenkomt met normatieve theorieën voor waarschijnlijkheidsleren.
• Er werden kleine "lags" (vertragingen) geobserveerd in het gedrag van deelnemers ten opzichte van het ideale model, wat de correlatie met CPP tijdelijk kon verzwakken, maar dit werd gecorrigeerd via optimalisatieprocedures.

B. Pupil-Dynamiek en Onzekerheid:
De studie toonde een duidelijke dissociatie aan tussen de twee vormen van onzekerheid en de pupilrespons:

• Phasische verwijding: Was specifiek gekoppeld aan Change Point Probability. Dit effect trad op rond 630 ms na de stimuluspresentatie en duurde tot het einde van de epoch. Dit suggereert dat een plotselinge verandering in de omgeving een snelle, phasische arousal-reactie uitlokt.
• Tonic verwijding: Was specifiek gekoppeld aan Prior Uncertainty. Dit effect was zichtbaar over de hele duur van de epoch, inclusief de periode voor de stimuluspresentatie. Dit impliceert dat de algehele arousal-toestand wordt gemoduleerd door de mate van onzekerheid over de huidige overtuiging.

C. Mediatie en Fysiologisch Mechanisme:

• Mediatie-analyses bevestigden dat zowel de phasische als de tonische pupilresponsen ten minste gedeeltelijk het effect van hun respectievelijke onzekerheidsfactor (CPP en Prior Uncertainty) op de leersnelheid mediëren.
• Dit betekent dat de pupil niet alleen een passieve indicator is, maar dat de arousal-systemen (waarschijnlijk de locus coeruleus-noradrenaline systeem) actief betrokken zijn bij het vertalen van computationele onzekerheid naar gedragsgewijzigingen.

D. Generalisatie:

• Een replicatie-analyse met een auditieve waarschijnlijkheidstaak (waarbij motorische responsen minimaal waren) bevestigde dezelfde dissociatie. Dit bewijst dat het effect modaal is (niet visueel specifiek) en gerelateerd is aan het leerproces zelf, niet aan motorische uitvoering.

4. Bijdragen en Significatie

Theoretische Bijdrage:

• De studie verduidelijkt dat waarschijnlijkheidsleren fundamenteel verschilt van magnitude-leren: bij waarschijnlijkheden domineert de onzekerheid over de eigen overtuiging (prior uncertainty) de leeraanpassing, terwijl bij magnitude-leren de detectie van veranderingen (CPP) vaak leidend is.
• Het biedt bewijs voor een computationeel rationele integratie van latente onzekerheidsfactoren in het menselijk leren.

Fysiologische Bijdrage:

• Het biedt een mechanistisch inzicht in hoe het LC-NA systeem (locus coeruleus-noradrenaline) werkt. De resultaten ondersteunen het idee dat tonische LC-activiteit (geassocieerd met tonic pupilgrootte) een "distractible" toestand creëert die exploratie en het herzien van overtuigingen mogelijk maakt bij hoge onzekerheid.
• Phasische LC-activiteit (geassocieerd met phasische pupilverwijding) lijkt te fungeren als een signaal voor veranderingen in de omgeving, wat leidt tot een snelle heroriëntatie van de aandacht.

Praktische Implicatie:

• De studie bevestigt dat pupilmeting een krachtige, niet-invasieve methode is om onderscheid te maken tussen verschillende cognitieve processen (verwachting vs. verandering) die onderliggend zijn aan adaptief gedrag.
• Het suggereert dat therapeutische interventies die gericht zijn op arousal-systemen (bijv. bij angst of dwangstoornissen) mogelijk de balans tussen tonische en phasische responsen moeten beïnvloeden om adaptief leren te verbeteren.

Conclusie:
De auteurs concluderen dat adaptief waarschijnlijkheidsleren wordt ondersteund door een gescheiden codering van onzekerheidsfactoren in het arousal-systeem: tonische signalen coderen de onzekerheid over huidige overtuigingen (prior uncertainty) en reguleren de basisleersnelheid, terwijl phasische signalen veranderingen in de omgeving (change points) coderen en snelle aanpassingen mogelijk maken.