Behavioral and neurocomputational foundations of social influence in human decision-making

Abstract

One of the main challenges in decision neuroscience originates from the fact that humans do not make decisions alone, but rather, are influenced by their social environment. In social situations, in addition to making choices according to the action-outcome associations, humans tend to align themselves with others, even without any direct social interaction. Despite the rich literature on social influence, few studies have inspected the underlying neuro-cognitive and computational processes. In this thesis, I examine how social influence affects individuals’ choice and confidence in goal-directed learning, first by proposing a novel social influence paradigm that allows multiple players to interact with each other while engaging in a probabilistic reversal learning task. Using behavioral measurement and computational modeling, I demonstrate that social influence alters both choice and confidence and enhances individuals’ performance in goal-directed learning. Furthermore, an integrated value signal updated through both direct learning and observational learning is employed to guide future decisions. A model-based functional neuroimaging approach is applied to further identify that these dissociable value signals are encoded in the ventromedial prefrontal cortex and the anterior cingulate cortex gyrus, respectively. These analyses also show brain regions that represent dissenting social information and behavioral adjustment. Moreover, this work establishes the pattern of functional connectivity between the brain’s reward circuits and the social circuits. In a follow-up study, I assess how the expectation of the other agents’ expertise biases the social influence effect in goal-directed learning when playing with (un)intelligent computer agents in a modified social influence task. I show that such expectation only shifts choice preference but not confidence, and that social information is not integrated to facilitate learning. Together, this thesis provides a comprehensive behavioral and neurocomputational mechanisms of social influence in goal-directed learning. More broadly, these results shed light on how neurocomputational approach could be translated into psychiatry to accelerate precision medicine and personalized mental health.

Menschen treffen viele Entscheidungen nicht alleine sondern werden durch ihr soziales Umfeld beeinflusst. Dies stellt eine der größten Herausforderungen für die neurowissenschaftliche Forschung im Bereich der Entscheidungsfindung dar. Menschliche Entscheidungen basieren grundsätzlich auf den Zusammenhängen zwischen Entscheidung und deren Ergebnis. In sozialen Situationen neigen Menschen zusätzlich dazu, dem Entscheidungsverhalten anderer zu folgen, selbst wenn sie nicht direkt mit ihnen interagieren. Trotz der weitreichenden Literatur zu sozialen Einflüssen, gibt es nur wenige Studien, die die zugrundeliegenden neuro-kognitiven und computationalen Prozesse betrachten. In diesem Dissertationsprojekt untersuche ich, wie sozialer Einfluss die Entscheidungen und die Konfidenz bezüglich Entscheidungen in einer zielgerichteten Lernaufgabe moduliert. Dazu entwickle ich ein neuartiges Paradigma, in dem mehrere Spieler im Rahmen einer probabilistischen Lernaufgabe, welche Belohnungswechsel beinhaltet, miteinander interagieren. Mithilfe von Verhaltensdaten und computationaler Modellierung zeige ich, dass soziale Einflüsse sowohl die Entscheidungen als auch die Konfidenz der Spieler verändern und ihr individuelles Gesamtergebnis bei zielgerichtetem Lernen verbessert. Des Weiteren, implementieren die Spieler ein „Belohnungssignal“, das sowohl durch direktes Lernen als auch durch Beobachtung anderer adjustiert und aktualisiert wird und zukünftige Entscheidungen bestimmt. Um die Enkodierung dieser dissoziierbaren „Wertsingale“ im ventromedialen präfrontalen Kortex bzw. im anterioren zingulären Kortex nachzuweisen, setze ich model-basierte Analysen von funktionalen Magnetresonanz-tomographie-Daten ein. Diese Analysen zeigen auch Region, die mit der Verarbeitung von widersprüchlichen sozialen Informationen in Zusammenhang gebracht werden. In der hier verwendeten Aufgabe entsprich dies dem Grad der Abweichung des eigenen Entscheidungsverhaltens von dem der Mitspieler und die dadurch bestimme Anpassung im Verhalten. Außerdem zeigt diese Arbeit funktionelle Verbindungen zwischen den Netzwerken, die mit der Verarbeitung von Belohnungen und von sozialen Informationen in Zusammenhang stehen. In einer weiteren Studie, teste ich wie Erwartungen bezüglich der Expertise der Mitspieler den Effekt von sozialem Einfluss moduliert. Dafür spielen Menschen eine etwas modifizierte Lernaufgabe mit (un)intelligenten Computeralgorithmen. Ich zeige, dass Erwartungen bezüglich der Expertise nur die Entscheidungen nicht aber die Konfidenz verändern. Außerdem werden die durch die Computeralgorithmen gelieferten Informationen nicht in den Lernprozess integriert.