본 논문은 관찰자의 환경(내용이나 구조)을 인코딩하는 '1차 표상(FOR)'이 아닌, '1차 표상'에 대한 것(예: 강도나 불확실성)을 나타내는 '고차 표상(HOR)'에 초점을 맞춥니다. 특히 불확실성에 대한 고차 표상은 1차 표상의 특징을 직접적으로 반영하기보다는, 불확실성에 대한 사전 기대를 포함하는 잡음이 많은 추정 과정을 반영합니다. 본 연구는 인간 피험자가 의도적으로 표적 신경 패턴을 생성하도록 학습하는 '디코딩된 뉴로피드백' 과제의 신경 데이터를 사용하여 '잡음 기대' 고차 표상을 연구합니다. 강화 학습 기반 확산을 통한 잡음 추정(NERD) 모델을 개발하여 뇌가 이 과정을 수행하는 방식을 특징짓고, NERD 모델이 인간 행동에 대한 높은 설명력을 제공함을 보여줍니다.
