📄 other

Sensory Noise Traits Predict Illusion Susceptibility and Multisensory Mismatch Negativity

Deze studie toont aan dat individuele verschillen in sensorische ruis-eigenschappen en common-cause priors, afgeleid van een nieuwe bidirectionele audiovisuele konijnentaak en Bayesiaanse causale inferentie-modellering, zowel de gedragsmatige vatbaarheid voor multisensorische illusies als specifieke neurale signaturen van multisensorische mismatch-verwerking in de occipitale cortex voorspellen.

Oorspronkelijke auteurs: Hexin Xu, Amit Yaron, Yiyuan Teresa Huang, Zenas C. Chao, Tomoyo Isoguchi Shiramatsu, Hirokazu Takahashi

Gepubliceerd 2026-07-25

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Hexin Xu, Amit Yaron, Yiyuan Teresa Huang, Zenas C. Chao, Tomoyo Isoguchi Shiramatsu, Hirokazu Takahashi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je je brein voor als een superintelligente detective die probeert het mysterie op te lossen van wat er in de wereld gebeurt. Elke seconde sturen je ogen, oren en huid een vloedgolf aan aanwijzingen door. Soms zijn deze aanwijzingen kristalhelder, maar andere keren zijn ze wazig, zoals een radiostation met statische ruis of een foto die in het donker is genomen. Om deze rommelige data betekenis te geven, moet je brein gokken: "Komen deze twee aanwijzingen van dezelfde bron, of zijn het gewoon twee verschillende dingen die tegelijkert든 gebeuren?" Dit proces wordt multisensorische integratie genoemd. Het is hoe je brein beslist of een geluid en een flits van licht bij elkaar horen (zoals een vuurwerkexplosie) of dat ze niet gerelateerd zijn (zoals een auto die toetert terwijl een vogel piept).

Wetenschappers weten al lang dat mensen verschillen in dit detectivewerk. Sommige mensen laten zich gemakkelijk misleiden door illusies waarbij een geluid iets laat zien dat er niet is, terwijl anderen de wereld precies zien zoals die is. Maar een lange tijd wisten we niet waarom. Kwam dat omdat hun oren minder nauwkeurig waren? Omdat hun ogen wazig waren? Of omdat hun brein simpelweg een ander "regelboek" had om te bepalen wat een match vormt? Dit nieuwe onderzoek duikt in dit mysterie door een combinatie van hersengames en hersenscans te gebruiken om te kijken of we deze verborgen "detectiveskills" kunnen meten en hoe ze zich uiten in de elektrische signalen van het brein.

Het Grote Konijnenillusie-spel

In deze studie zetten onderzoekers van de Universiteit van Tokio een speelse experiment op om de breinen van mensen te misleiden. Ze gebruikten een klassieke illusie genaamd de "audiovisuele konijn". Stel je voor dat je twee lichtflitsen op een scherm ziet, maar je hoort drie piepjes. Je brein, dat probeert zin te geven aan de mismatch, kan je ervan overtuigen dat je een derde flits in het midden zag, ook al was die er niet! Het is alsof je brein een konijn tekent dat tussen twee plekken springt, simpelweg omdat het geluid dat suggereerde.

Maar hier komt de twist: de onderzoekers wilden niet alleen kijken naar wie er in de strik werd gevangen. Ze wilden weten waarom. Om dit te doen, creëerden ze een "bidirectionele" versie van het spel. Soms misleidde het geluid het zicht, en soms misleidde het zicht het gehoor. Ze voegden ook witte ruis toe om de piepjes moeilijker hoorbaar te maken, waardoor de "statische ruis" op de radio werd verhoogd. Door te kijken naar hoe 28 mensen dit spel speelden, gebruikten de onderzoekers een geavanceerd wiskundig model (genaamd Bayesiaanse Causale Inferentie) om elk persoonlijk brein op te splitsen in vier geheime ingrediënten:

Auditieve Ruis: Hoe wazig het gehoor is.
Visuele Ruis: Hoe wazig het zicht is.
Geluidsgevoeligheid: In hozymaar het gehoor verbetert wanneer het geluid luider wordt.
Common-Cause Prior: In hoeverre iemand verwacht dat geluiden en beelden van dezelfde bron komen.

Het Rapport van de Detective: Wat ze Vonden

De onderzoekers ontdekten dat deze vier ingrediënten perfect verklaarden waarom sommige mensen gemakkelijker door de konijnenillusie werden misleid dan anderen. Als je "auditieve ruis" hoog was (je gehoor was wazig), was je eerder geneigd om het geluid je ogen te laten misleiden. Als je "common-cause prior" sterk was (je geloofde echt dat alles met elkaar verbonden was), was je eerder geneigd de hele illusie te zien.

Maar de echte magie gebeurde daarna. De onderzoekers wilden zien of deze "detectiveskills" zichtbaar waren in de elektrische activiteit van het brein. Ze sloten 15 van de deelnemers aan met EEG-caps (die lijken op zwemmutsen met draden) en speelden een ander spel: een passieve oddball-taak. In deze taak werden standaardgeluiden en lichten aan en uit gezet, maar af en toe verscheen er een "deviant" (een vreemde mismatch). Het brein reageert meestal op deze mismatches met een kleine elektrische piek genaamd Mismatch Negativity (MMN). Denk aan MMN als het "Wacht eens even!"-signaal van het brein.

Hier is de grote ontdekking: de onderzoekers vonden een directe link tussen de "wazigheid" van iemands gehoor en de reactie van het brein op de mismatch.

Mensen met een hogere auditieve ruis (waziger gehoor) vertoonden een zwakkere "Wacht eens even!"-reactie in de achterkant van hun brein (de occipitale kwab, die het zicht verwerkt) wanneer ze de audiovisuele mismatch zagen.
Specifiek was de correlatie sterk: hoe waziger het gehoor, hoe minder negatief de hersengolf was (wat betekent dat de reactie zwakker was).
Deze link was specifiek. Het gebeurde alleen in de achterkant van het brein tijdens de gecombineerde geluids- en lichttaak. Het gebeurde niet voor alleen geluiden, alleen licht, of in de voorkant van het brein.

Wat Dit Betekent (En Wat Niet)

Deze studie suggereert dat de manier waarop je brein omgaat met "wazig" gehoor, verandert hoe het visuele deel van je brein reageert wanneer zaken niet overeenstemmen. Het is alsof je zegt dat als je microfoon statisch is, de video-editor van je brein in de war raakt en de fout niet zo sterk rapporteert.

De auteurs zijn echter voorzichtig om de resultaten niet te overschatten. Ze merken op dat hun groep mensen met hersenscans klein was (slechts 15 mensen), dus hoewel de link sterk is en de statistische controles heeft doorstaan, moet het bij meer mensen worden getest om er absoluut zeker van te zijn. Ze wijzen er ook op dat dit niet betekent dat een hoge auditieve ruis de zwakke hersensignalen op een eenvoudige manier veroorzaakt; het suggereert alleen dat ze met elkaar verbonden zijn.

Cruciaal is dat de studie de mogelijkheid uitsluit dat deze verschillen slechts willekeurige fouten zijn. In plaats daarvan lijken het stabiele "eigenschappen" te zijn van hoe iemands brein werkt. Het onderzoek laat ook zien dat kijken naar slechts één getal (zoals "hoeveel illusies heb je gezien?") niet genoeg is. Je moet dieper graven om de specifieke ingrediënten te vinden — zoals auditieve ruis — die dat getal vormen.

Kortom, dit artikel suggereert dat onze individuele verschillen in het worden misleid door illusies geen willekeurige eigenaardigheden zijn. Ze zijn geworteld in specifieke, meetbare eigenschappen van onze zintuiglijke systemen, en deze eigenschappen laten een vingerafdruk achter op onze hersengolven. Het is een stap naar het begrijpen dat ieders brein een unieke detective is, met een eigen set gereedschappen en regels voor het oplossen van het mysterie van de wereld.

Technische Samenvatting: Sensorische Ruiskenmerken Voorspellen Gevoeligheid voor Illusies en Multisensorische Mismatch Negativiteit

Probleemstelling
Hoewel individuele verschillen in de gevoeligheid voor audiovisuele (AV) illusies goed gedocumenteerd zijn, blijven de computationele oorsprong van deze variaties onduidelijk. Standaard AV-illusieparadigmen meten gevoeligheid doorgaans via een enkele gedragsindex, die twee verschillende componenten confondeert: sensorische precisie (ruis) en causale inferentie (de neiging om signalen te binden). Bijgevolg kunnen vergelijkbare manifeste illusiecijfers voortkomen uit verschillende latente combinaties van sensorische betrouwbaarheid en bindingsneigingen. Bovendien is het onbekend of deze latente computationele kenmerken neurale signaturen van multisensorische verwerking kunnen voorspellen, specifiek de mismatch negativiteit (MMN), een component van event-gerelateerde potentialen (ERP's) die wordt geïnterpreteerd als een precisie-gewogen predictiefout-signaal.

Methodologie
De studie maakte gebruik van een tweefasig experimenteel ontwerp bestaande uit een gedragstaak en een passief EEG oddball-paradigma.

Deelnemers: De studie omvatte 28 gezonde volwassenen voor het gedalingsexperiment. Hiervan werden 26 behouden voor Bayesiaanse Causale Inferentie (BCI) modellering, en een subset van 15 voltooide de EEG-sessie.
Bidirectionele Audiovisuele Rabbit Task: Deelnemers voerden een taak uit waarbij sequenties van pieptonen en flitsen illusorische tussenliggende flitsen creëerden of echte flitsen onderdrukten. De taak was "bidirectioneel", waardoor auditieve signalen de visuele perceptie konden overnemen en vice versa. Cruciaal was dat de auditieve signaalbetrouwbaarheid werd gemanipuleerd door het volume van het geluid te variëren (0–40 dB boven het hoorniveau) en door witte ruis te introduceren. Dit ontwerp maakte het mogelijk om sensorische ruis te onderscheiden van causale inferentie.
Computationele Modellering: Perceptuele rapportages werden gemodelleerd binnen een Bayesiaans Causale Inferentie (BCI) kader. Vier modelfamilies werden vergeleken: segregatie, geforceerde fusie, klassieke BCI en postdictieve BCI. Het postdictieve BCI-model werd geselecteerd als het beste model op basis van Pareto-gesmoothde importance-sampling leave-one-out cross-validatie (PSIS-LOO). Dit model schatte vier latente kenmerken per deelnemer:
- Auditieve ruis ( $\sigma_a$ )
- Visuele ruis ( $\sigma_v$ )
- Geluidsniveau-gevoeligheid van auditieve ruis ( $\sigma_{a,level}$ )
- Common-cause prior ( $p_{common}$ )
EEG-paradigma: Een passief oddball-paradigma werd gebruikt om MMN-responsen te registreren. Condities omvatten unimodale auditieve, unimodale visuele en congruente audiovisuele oddballs. EEG-data werden opgenomen met een 64-kanaals cap, getransformeerd naar Current Source Density (CSD) om de ruimtelijke specificiteit te verbeteren, en geanalyseerd voor MMN-amplitudes in frontocentrale (auditieve) en occipitale (visuele) gebieden van belang (ROIs).
Analyse: Correlaties werden berekend tussen de door BCI afgeleide latente kenmerken en (a) maatstaven voor de intensiteit van de gedragillusie en (b) MMN-amplitudes in de EEG-subsample. Correcties voor meervoudige vergelijkingen (BH-FDR) werden toegepast.

Belangrijkste Resultaten

Modelselectie: Het postdictieve BCI-model presteerde significant beter dan de segregatie-, geforceerde fusie- en klassieke BCI-modellen bij het voorspellen van gedragsrapportages, wat het gebruik van postdictieve causale inferentie voor de rabbit-illusie valideert.
Gedragscorrelaten: In de gedragssample ( $N=26$ $N = 26$ ) voorspelden de latente kenmerken robuust de gevoeligheid voor illusies:
- Hogere auditieve ruis ( $\sigma_a$ ) correleerde met een grotere auditieve illusie-intensiteit.
- Hogere visuele ruis ( $\sigma_v$ ) correleerde met een grotere visuele illusie-intensiteit.
- Een sterkere common-cause prior ( $p_{common}$ ) correleerde met een grotere totale illusie-intensiteit.
- Geluidsniveau-gevoeligheid vertoonde een zwakkere, minder robuuste associatie.
Neurale Correlaten (EEG): In de EEG-subsample ( $N=15$ $N = 15$ ) werd een specifieke cross-paradigma associatie gevonden:
- Auditieve ruis ( $\sigma_a$ ) voorspelde positief de occipitale MMN-amplitude in de congruente audiovisuele conditie (AVOC). Aangezien MMN een negatief-gaand potentiaal is, was hogere auditieve ruis geassocieerd met een minder negatieve (zwakkere) occipitale mismatch-respons.
- Deze associatie was specifiek voor het occipitale component van de audiovisuele respons. Er werden geen significante correlaties gevonden tussen auditieve ruis en de frontocentrale audiovisuele MMN (AVFC), de unimodale auditieve MMN of de unimodale visuele MMN.
- Visuele ruis ( $\sigma_v$ ) vertoonde geen vergelijkbare associaties met de audiovisuele MMN.
- Het resultaat bleef robuust over verschillende EEG-refertieschema's (FCz, gemiddelde, mastoïd en CSD) en werd bevestigd door non-parametrische permutatietesten.

Belangrijkste Bijdragen

Computationele Decompositie: De studie slaagde erin om sensorische ruis te onderscheiden van causale inferentie in de gevoeligheid voor AV-illusies met behulp van een bidirectionele rabbit-taak en een postdictief BCI-model, waarmee men verder gaat dan beschrijvende illusiecijfers naar interpreteerbare latente kenmerken.
Cross-Paradigma Voorspelling: Het toonde aan dat uit gedrag afgeleide sensorische-ruis-kenmerken (specifiek auditieve ruis) de neurale markers (MMN) in een volledig andere, passieve taak kunnen voorspellen, wat suggereert dat deze kenmerken stabiele individuele verschillen in multisensorische verwerking vastleggen.
Specificiteit van Neurale Mechanismen: De bevindingen onthulden dat de link tussen auditieve precisie en neurale mismatch-verwerking specifiek is voor het occipitale (visuele) component van de multisensorische respons, in plaats van een algemene vermindering van de neurale responsiviteit of een unimodaal effect.

Betekenis en Claims
De auteurs stellen dat deze bevindingen een computationele benadering ondersteunen waarbij individuele verschillen in multisensorische perceptie niet willekeurig zijn, maar reflecteren op stabiele, kenmerkachtige variaties in sensorische precisie en bindingsneigingen. Specifiek suggereert de studie dat auditieve precisie bijdraagt aan de individuele variabiliteit in multisensorische mismatch-verwerking.

Binnen een predictive-coding kader interpreteren de auteurs het resultaat als volgt: als auditieve input helpt bij het opstellen van voorspellingen over audiovisuele gebeurtenissen, kan een verminderde auditieve precisie (hogere ruis) het cross-modale voorspellingssignaal dat beschikbaar is voor visuele corticale verwerking verzwakken, wat resulteert in een zwakkere occipitale mismatch-respons op afwijkende audiovisuele gebeurtenissen.

De paper concludeert bescheiden dat, hoewel deze resultaten geen klinisch nut vaststellen of strikte mechanistische causaliteit bewijzen, ze wel een kader bieden voor het koppelen van computationeel gedefinieerde sensorische-ruis-kenmerken aan neurale metingen. De auteurs merken de beperkingen op, zoals de bescheiden omvang van de EEG-sample en de noodzaak voor onafhankelijke replicatie, maar benadrukken dat de strategie om illusiegevoeligheid te deconstrueren in latente kenmerken een principiële manier biedt om gedrag te relateren aan neurale signaturen van multisensorische integratie.

Het Grote Konijnenillusie-spel

Het Rapport van de Detective: Wat ze Vonden

Wat Dit Betekent (En Wat Niet)

Meer zoals dit