Cet article se concentre sur les « représentations d'ordre supérieur » (HOR) qui représentent des éléments relatifs aux « représentations de premier ordre » (par exemple, l'intensité ou l'incertitude), plutôt que sur les « représentations de premier ordre » (FOR) qui codent l'environnement de l'observateur (contenu ou structure). En particulier, les représentations d'ordre supérieur de l'incertitude ne reflètent pas directement les caractéristiques des représentations de premier ordre, mais plutôt les processus d'estimation bruités qui incluent les anticipations a priori concernant l'incertitude. Cette étude examine les représentations d'ordre supérieur à « anticipations bruitées » à l'aide de données neuronales issues d'une tâche de « neurofeedback décodé », dans laquelle des sujets humains apprennent à générer intentionnellement des schémas neuronaux cibles. Nous développons un modèle d'estimation bruitée par diffusion (NERD) basé sur l'apprentissage par renforcement afin de caractériser la manière dont le cerveau effectue ce processus, et démontrons que ce modèle NERD offre un fort pouvoir explicatif du comportement humain.
