Simon Steinkamp

Om projektet

I 1990'erne opdagede man, at dopamin-neuroner i mellemhjernen koder forventninger til fremtidige belønninger. Den opdagelse ændrede videnskabens syn på beslutningstagning og læring. I en bemærkelsesværdig konvergens med kunstig intelligens blev det observeret, at dopaminaktivitet stemmer overens med læringssignalet, der bruges af forstærkede indlærings-algoritmer. En nylig undersøgelse i mus viser, at dopaminneuroner er forskellige i deres forventninger om belønning, hvor nogle er mere optimistiske end andre.  Hvordan denne 'distributionskode' er implementeret i den menneskelige hjerne er i indtil videre ukendt.

I dette projekt vil Simon Steinkamp indsamle funktionelle magnetiske resonansbilleddannelsesdata fra de samme deltagere, der udfører en række kognitive opgaver, der involverer sensoriske, navigations-, motoriske og belønningsparadigmer. Alle disse opgaver er afhængige af belønningssystemet for læring. Med disse data vil han undersøge, om en fordelingsbelønningskode er almindeligt implementeret på tværs af alle disse kognitive domæner. Han vil bruge computaterbaseret parametrisk kortlægning, en teknik Simon Steinkamp selv har været med til at pionere, og som vil være nøglen til at visualisere, om og hvordan distributionskoden bruges.

Dette projekt tilbyder grundlæggende indsigt i de neurale processer, der ligger til grund for læring og beslutningstagning, og tilfører en ny ramme, der kan bruges til at modellere og kortlægge forstyrret belønningsbehandling i neurologiske og psykiatriske lidelser.