皮質階層は、多感覚認識においてベイジアン因果推論を行います

環境の真正な知覚を形成するには、脳は共通のソースから感覚信号を統合し、独立したソースからの感覚信号を分離する必要があります。したがって、知覚は本質的に「因果推論の問題」の解決に依存しています。行動的に、人間はベイジアンの因果推論によって予測されるように、この問題を最適に解決します。しかし、基礎となる神経メカニズムは未開拓です。精神物理学、ベイジアンモデリング、機能的磁気共鳴イメージング（fMRI）、および視聴覚空間的局在タスクでの多変量デコードを組み合わせて、ベイジアンの因果推論は、人間の脳の多感覚プロセスの階層によって実行されることを実証します。階層の下部では、聴覚領域と視覚領域では、2つの信号が独立したソース（=分離）によって生成されることに基づいて位置が表されます。次の段階では、後部内側溝では、2つの信号が共通のソース（=強制融合）からのものであるという仮定の下で位置が推定されます。階層の最上部でのみ、頭頂内溝前部では、世界の因果構造に関する不確実性が考慮され、感覚信号はベイジアンの因果推論によって予測されるように組み合わされます。信号相互作用の計算操作を特徴付けることで、人間の新皮質における多感覚認識の階層的な性質が明らかになります。それは、脳が知覚と認知の基本的な統計的計算であるベイジアン因果推論をどのように達成するかを解き放ちます。私たちの結果は、脳が世界の根本的な因果構造に関する不確実性に直面して情報をどのように組み合わせるかを示しています。

To form a veridical percept of the environment, the brain needs to integrate sensory signals from a common source but segregate those from independent sources. Thus, perception inherently relies on solving the "causal inference problem." Behaviorally, humans solve this problem optimally as predicted by Bayesian Causal Inference; yet, the underlying neural mechanisms are unexplored. Combining psychophysics, Bayesian modeling, functional magnetic resonance imaging (fMRI), and multivariate decoding in an audiovisual spatial localization task, we demonstrate that Bayesian Causal Inference is performed by a hierarchy of multisensory processes in the human brain. At the bottom of the hierarchy, in auditory and visual areas, location is represented on the basis that the two signals are generated by independent sources (= segregation). At the next stage, in posterior intraparietal sulcus, location is estimated under the assumption that the two signals are from a common source (= forced fusion). Only at the top of the hierarchy, in anterior intraparietal sulcus, the uncertainty about the causal structure of the world is taken into account and sensory signals are combined as predicted by Bayesian Causal Inference. Characterizing the computational operations of signal interactions reveals the hierarchical nature of multisensory perception in human neocortex. It unravels how the brain accomplishes Bayesian Causal Inference, a statistical computation fundamental for perception and cognition. Our results demonstrate how the brain combines information in the face of uncertainty about the underlying causal structure of the world.