原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，你正在试图弄清楚一只老鼠如何在两条路径之间做出选择以寻找食物。科学家拥有一种特殊的数学工具，称为“漂移扩散模型”（DDM），它就像老鼠大脑的天气预报。它试图根据老鼠所看到的信息，预测老鼠做出决定的速度和准确性。
然而，科学家通常使用这一工具的方式存在一个问题。传统方法将老鼠的选择视为一系列独立的抛硬币事件，假设老鼠的大脑是一台静态机器，其设置永远不会改变。事实上，老鼠的大脑更像一个活生生的、会呼吸的有机体，它会感到疲倦、兴奋或转移注意力。它的“设置”会随时间变化，其决定往往与前一秒发生的事情相关联。
当科学家忽略这些变化时，这就像试图测量一辆不断加速和刹车的汽车的速度，却使用一把仅在汽车以完全恒定速度行驶时才有效的尺子。结果如何？你可能认为自己确切知道汽车的速度，但由于未考虑汽车行为的变化，你的测量实际上充满了隐藏误差。
本文做了什么：
研究人员构建了一把更智能的新尺子（一种计算方法）来纠正这些错误。以下是其工作原理，使用简单的类比：
- 考虑时间的“过山车”效应：新方法不再假设老鼠的大脑是一片平坦、平静的湖泊，而是承认老鼠的决策过程更像过山车。它考虑了起伏（时间依赖性）以及旅程随进程而变化（非平稳性）的事实。
- 了解你的确信程度：旧方法通常只给出一个关于老鼠如何决策的单一数值，而不告诉你该数值有多可靠。这种新方法就像一份提供置信区间的天气预报。它不仅仅说“会下雨”，而是说“会下雨，我们有 95% 的把握它会发生，即使风向异常”。它明确计算“不确定性”，让你知道何时数据不可靠。
- 利用线索（协变量）：该方法允许科学家输入额外线索，例如老鼠的心率或其工作时长，以解释为何老鼠的决策风格在那一刻发生变化。这就像拥有一位导航员，它能解释交通拥堵的原因，而不仅仅是困在其中。
结果：
当团队将这种新方法应用于进行视觉猜测游戏的老鼠时，他们得到的不仅仅是一个平均答案。相反，他们发现老鼠实际上在不同时间尺度上在不同**“决策状态”**之间切换（就像汽车换挡）。有些切换发生得很快，而另一些则缓慢而稳定。
简而言之，本文提供了一种更诚实、更灵活的方式来测量大脑如何做出选择，承认大脑是混乱且易变的，并为科学家提供了一种更好的方法来衡量他们对研究结果的把握程度有多大。该团队还使这一新工具的代码可供任何人使用。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。