神经科学家发现，工作记忆中的新近度偏差自然会导致集中趋势偏差，即人(和动物)的判断偏向于先前观察的平均值的现象。他们的发现可能暗示了为什么这种现象如此普遍。
伦敦大学学院塞恩斯伯里威康中心 Akrami 实验室和伦敦帝国理工学院 Clopath 实验室的研究人员开发了一种网络模型，其中包含工作记忆模块和另一个解释感觉历史的模块。这项发表在eLife上的研究描述了该模型如何表明神经回路可以通过单一机制同时产生新近度偏差和集中趋势偏差。
“心理学家在一个多世纪前首次观察到集中趋势偏差，但人们认为这是一种独立于近期现象的现象。我们的研究结果表明，这两种偏差之间的关联性比之前认为的更大，”Sainsbury Wellcome 中心高级研究员、论文第一作者 Vezha Boboeva 说道。
集中趋势偏差，也称为收缩偏差，是一种普遍存在的现象。想象一下，您看到一个给定长度的条，并要求您从记忆中回忆出同一条条。我们往往会根据条形的大小错误地记住长度，将较长的条形回忆为较短的条形，将较短的条形回忆为较长的。因此，我们判断条形的长度比实际情况更接近范围的平均值。这种现象也发生在其他动物身上，包括非人类灵长类动物和啮齿动物，并且也发生在其他模式上，例如声音幅度和频率。这种偏差被认为是通过贝叶斯计算制定的处理感官信息统计模式的大脑策略。
新近度偏差，也称为短期历史偏差，当你无法记住给定的刺激时，就会发生这种情况，因为之前的刺激的记忆仍然在你的脑海中挥之不去。
为了了解支撑集中趋势和新近偏差的神经过程，SWC 和伦敦帝国理工学院的神经科学家在神经网络模型中研究了这一现象，其灵感来自先前的啮齿动物和人类工作记忆实验结果。
“我之前的博士后研究表明，停用后顶叶皮层 (PPC) 可减弱大鼠在执行工作记忆任务时的收缩偏差。我们还发现，当 PPC 停用时，由于先前试验的残留记忆而导致的偏差会减少，这表明这两种机制可能相互关联，”SWC 小组负责人兼论文通讯作者 Athena Akrami 解释道。
在这项研究的基础上，Boboeva 和团队开发了一个网络模型，复制了之前的实验结果。在模型中，短期历史效应的发生是由于 PPC 的输入具有较慢的积分时间尺度以及发射率适应。
“该模型表明，一旦你因为这种挥之不去的记忆而犯下工作记忆错误，收缩偏差就会自然出现，而不需要对感觉历史的平均值做出任何其他假设，”博博耶娃解释道。
重要的是，这个新的统一模型对感官统计数据如何影响表现做出了具体的预测。研究人员使用在线工具通过对人类参与者进行心理物理学实验来测试和验证这些预测。下一步是通过重新分析现有数据集和收集新的神经数据来测试模型对神经动力学的预测。