This thesis aims to prove how the emotion functions in the human decision-making in various conditions and to provide general framework to guide future neuroscientific and neuroimaging experiments by making use of theoretical neuroscience and functional Magnetic Resonance Imaging (fMRI). Decision-making is regarded as a process of maximizing the subjective desirability of the outcomes from chosen actions. Despite this simple nature of optimization, in reality, decision-making can come in varieties of mixtures and/or sole combination of trial-and-error, trade-offs, and short cuts. The work centers on the notion of how human forms the neural representation of the world and come to choose appropriate actions in the face of rewards and punishments. Here, numbers of important topics are discussed that involve the notion of reward-related learning and reward prediction in a number of dimensions.
Here I propose emotion based reward prediction, valuation, and learning which replaces the reinforcement signal with an emotional cue, which can be interpreted as a cognitive assessment of the present state in light of goals and attentions. Using an application of Temporal Difference (TD) model in neuroimaging data from an event related fMRI, it was possible to draw conclusions from neural correlates with response profile that are consistent with a specific computational process. The computational model-based regression analysis, reveals that an emotion based prediction-error in emotion-based (disappointment and elation) reward prediction and reward learning are under separate neural systems. The results broadly support the notion that emotion-based prediction of reward and reward-related learning are closely related and that different neural systems are involved in emotion-based reward processing and learning.
본 논문은 다양한 조건에서 감정이 인간이 의사결정을 할 때 어떤 기능을 하는지 규명하고 이론신경과학과 기능성자기공명영상(fMRI)에 기반하여 향후 신경과학적 그리고 뇌영상 실험의 근거가 될 수 있는 일반적인 관점을 제시하고자 한다. 구체적으로 인간이 환경에 대한 신경적 표상을 어떻게 형성하고 보상과 처벌을 경험했을 때 어떻게 적절한 행동을 선택하는지에 대해 집중적으로 연구하였다. 본 논문에서는 인간의 감정과 의사결정의 모델로서 강화신호를 감정적 단서로 대체시킨 “감정에 기반한 예측오차”를 제시하였다. “감정에 기반한 예측오차”는 목표와 주의를 고려하여 현재 상태에 대한 인지적 평가로 해석될 수 있다. 추가적으로 본 논문에서는 감정, 인지 그리고 보상과 같은 뇌과학적 고등 기능들 사이의 관계를 논의할 것이다. 사건 관련 기능성자기공명영상(Event-related fMRI)로부터 촬영한 뇌영상 데이터에 기계학습 이론중에 하나인 시간적 차이 모델(Temporal Difference model)을 적용함으로써 특정 계산적 과정 즉 실망과 기쁨의 감정에 기반한 예측 오차 모델과 일치하는 반응 형태를 획득함으로써 결론들을 얻을 수 있었다.
