신경경제학은 사람들이 결과를 어떻게 평가하고, 경험으로부터 배우고, 자기 통제력을 행사하는지에 대한 신경학적, 계산적 증거를 기반으로 복지 분석을 수행할 것을 약속한다. 동시에, 정책 및 상업적 행위자들은 부성적 규제, "뇌 기반" 개입 및 새로운 복지 척도를 정당화하기 위해 신경 데이터를 점점 더 많이 활용하고 있다. 이 논문은 신경 데이터가 행동을 단순히 묘사하는 것을 넘어 정책을 위한 복지 판단에 정당하게 정보를 제공할 수 있는 조건이 무엇인지 묻는다. 저자는 신경 신호, 계산적 의사 결정 모델 및 규범적 복지 기준의 세 가지 수준을 연결하는 비경험적, 모델 기반 프레임워크를 개발한다. 액터-크리틱 강화 학습 모델 내에서, 신경 활동에서 잠재 가치와 예측 오류, 그리고 복지 주장에 이르는 추론 경로를 공식화한다. 신경-계산 매핑이 잘 검증되고, 의사 결정 모델이 맥락 의존적 오류와 "진정한" 이익을 식별하며, 복지 기준이 명시적으로 지정되고 방어될 때만 신경 증거가 복지 판단을 제한한다는 것을 보여준다. 중독, 신경 마케팅 및 환경 정책에 프레임워크를 적용하여, 규제 기관 및 신경 AI 시스템 설계자를 위한 신경경제학적 복지 추론 체크리스트를 도출한다. 이 분석은 뇌와 인공 에이전트를 가치 학습 시스템으로 취급하며, 생물학적 또는 인공적인 내부 보상 신호가 계산적 양이며 명시적인 규범 모델 없이는 복지 척도로 취급될 수 없음을 보여준다.
