Дофамин и обучение: новая теория объясняет реакции на награду и наказание

Дофамин — это вещество в мозге, которое часто называют «молекулой удовольствия», но на самом деле он помогает учиться на ошибках. Когда мы получаем награду неожиданно, дофамин резко повышается, а если награду не получили, хотя ждали — падает. Это называют «ошибкой предсказания награды» (RPE). Однако многие реакции дофамина не вписываются в эту схему: например, на новизну, боль или во время движения.

В новой работе, опубликованной в Nature Communications, исследователи предложили теорию, которая объясняет все эти случаи через «прирост информации от политики действий» (policy-IG). Простыми словами, дофамин сигнализирует о том, насколько новая информация меняет наш выбор действий. В простых задачах с наградой это совпадает с классической ошибкой предсказания, но также предсказывает реакции на неприятные стимулы, новизну и даже на движение.

Авторы показали математически, что policy-IG связана с другими теориями — информационными, байесовскими и активным выводом. Это значит, что старая теория RPE может быть частным случаем новой. Кроме того, компьютерное моделирование нарушений policy-IG воспроизводит симптомы болезней базальных ганглиев, например, болезни Паркинсона. Это открывает новые цели для терапии.

Важно подчеркнуть: работа теоретическая, основана на математических моделях и симуляциях, а не на экспериментах на людях или животных. Поэтому выводы требуют дальнейшей проверки.