予測と報酬の神経基盤（D07 文脈）
高校生向けのやさしい解説
ドーパミンが反応するのは『ご褒美そのもの』ではなく『予想とのズレ』だった——という有名な発見の D07（神経科学）文脈での参照ページです。D09-S07 と同じ論文。詳細は D09-S07 ページを参照。
概要
Schultz, Dayan, Montague (1997) は、霊長類のドーパミンニューロンが「報酬予測誤差」を符号化しているという電気生理学的証拠と、TD 学習による計算論的解釈を統合した。VTA・黒質のドーパミンニューロンは三様式（活性化・無反応・抑制）を示し、TD 学習の誤差項 δ(t) = r(t) + γV(t+1) − V(t) と定量的に一致する。詳細は D09-S07 ページを参照。
主要概念
D09 文脈版（D09_schultz_1997）と同じ内容。
- ドーパミンは報酬予測誤差を符号化する
- TD 学習モデルとの定量的一致
- 条件刺激への応答転移と blocking
- 価値面（value surface）と行動方針
プロジェクトデザインとの関連
D07（神経科学）文脈では、本論文は脳の計算論的視座の中核として位置付けられる。Friston の自由エネルギー原理（D02-S14）、Clark の予測処理（D08-S13）と並ぶ「予測する脳」群の参照点。
書誌情報
- 著者: Wolfram Schultz, Peter Dayan, P. Read Montague
- 年: 1997
- 出典: Science 275(5306), 1593–1597
- access_status: url-verified
- DOI: 10.1126/science.275.5306.1593
- オープンアクセス: 著者公開 PDF
出典メモ
- cs 側読解:
creation-space/knowledge/source-notes/D07/D07-S07_schultz-dayan-montague-1997.md - 本ページは D09-S07 と同論文の D07 文脈版（pd#81 Phase C-1c）