Understanding the role of emotion in human rationality is a prerequisite for an understanding of process of human cognition. If emotion is included in the experimental task of setting up an uncertain environment in which learning and decision making takes place, an individual’s assimilated emotion will affect the intrinsic generative model of signification. And the difference in each individual’s learning and decision making can be measured and evaluated by a behavioural task and computational modelling. In general, people then appropriately respond to emotional situations in order to avoid excessive stress. Based on this sequential process, my research attempted to further explore the effects of emotion in incremental learning and one-shot learning as well as the individual's cognitive control ability on emotional stimulation.
First, the hierarchical Gaussian filter, which is a Bayesian generative model and known to best reflect individual differences in learning and decision making was added an emotional noise parameter, and this modified model appropriately explains behavioural data of probabilistic association learning with emotional noise. Through this experiment and computational modelling, I identified that subjects with a higher emotional noise parameter in generative model and higher neural responses to emotional faces change their minds more frequently when making decisions in a volatile environment with emotional noise. Next, in the analysis of behaviour data of the one-shot learning task in subliminal affective priming, the betting results for additional rewards in subliminal sad face conditions were considerably more biased than in subliminal neutral face conditions. Furthermore, through a probabilistic association learning and psychiatric questionnaire, I explained the function that cognitively controls the emotional effect on the stress situation by the history of emotional abuse in early childhood and the present Bayesian model parameter, which reflects the degree of the external stimuli updated into the model.
In summary, I sought to clarify the effects of emotion on human cognitive processes mainly through computational modelling and emotion related experiments under an uncertain environment. Experimental results showed us that emotion interfered with the learning and decision making process, and the function of controlling emotional effects in stressful situations could be properly explained. Current findings can provide a clue to realistically understanding the cognitive process in situations where uncertainty and emotional stimuli is implicated, such as our daily life.
감정이 인간의 합리성에서 어떤 역할을 하는지 이해하는 것은 인간의 인지 과정을 이해하는데 필수적이다. 학습 및 의사결정이 존재하는 불확실한 환경을 설정한 실험 과제에 감정 자극이 포함되게 되면, 개인의 동화된 감정은 개인이 내포하고 있는 의미 생성 모델에 영향을 주게 된다. 그리고 이러한 개인의 학습 및 의사결정에서 발생하는 차이는 행동 과제 수행과 수학적 모델링을 통해 측정되고 평가 될 수 있다. 인간은 이러한 감정 상황에 적절하게 대응하여 과도한 스트레스를 회피하는 기전을 가지고 있다. 이러한 일련의 과정에 기반하여, 본 연구는 감정 자극에 대한 개인의 인지 조절 능력뿐만 아니라 점진적 학습과 원샷 학습에 대한 감정의 효과를 확인하고자 하였다.
먼저, 베이지안 생성 모델이며 학습 및 의사결정의 개인차를 가장 잘 반영한다고 알려진 계층적 가우스 필터 모델에 감정 잡음 변수를 추가하였고, 이 변형된 모델은 감정 잡음이 포함된 확률 연관 학습의 행동 데이터를 적절히 설명하였다. 이러한 실험 및 수학적 모델링을 통해, 감정 잡음이 존재하는 불확실한 환경에서 피험자가 의사결정을 내릴 때 모델의 감정 잡음 변수와 부정적 감정의 얼굴에 대한 신경 반응이 더 높은 피험자는 더 자주 의사결정을 바꾼다는 결과를 확인하였다. 다음으로, 잠재 감정 자극을 내포한 원샷 학습의 행동 데이터 분석에서, 추가적인 보상이 걸린 배팅을 할 때 중립적인 감정의 얼굴에 비해, 부정적 감정의 얼굴을 잠재적으로 보여준 세션에서 양극단으로 치우친 배팅을 하였다. 덧붙여, 확률 연관 학습과 정신과 설문 검사를 통해, 스트레스 상황에서 감정 효과를 인지적으로 조절하는 기능이 과거 유아기의 과도한 감정 학대 경험과 불확실한 상황에서 외부 자극을 모델에 반영하는 정도를 나타내는 현재 베이지안 모델의 변수로 설명됨을 확인하였다.
요약하면, 본 연구자는 인간의 인지 과정에서 감정이 미치는 영향을 주로 수학적 모델과 불확실한 환경하에서의 감정 관련 실험을 통해 밝히고자 하였다. 실험 결과를 고려하였을 때, 감정 자극이 학습과 의사결정 과정에 간섭하는 결과를 보여주었고 스트레스 상황에서 감정 효과를 조절하는 기능도 적절히 설명되었다. 이러한 결과들은 우리의 일상 생활 같은 불확실성과 감정 자극이 존재하는 상황에서의 인지 과정을 현실적으로 파악 하는데 단서가 될 것이다.
