在现实生活中，许多规则的获取通常需要使用语言作为桥梁，特别是语义在信息传递中起着至关重要的作用。另外，个体使用的语言往往具有明显的奖励和惩罚元素，如赞扬和批评。一种常见的规则是寻求更多的赞扬，同时避免批评。以往的研究使用概率反转学习任务来检查抽象规则的学习。这个任务的结构涉及两个行为选择的奖励分配：当一个行为是高奖励，则另一个必然是高惩罚，反之亦然，并且在一段时间后规则将会发生偶然性的反转。这些研究经常使用不规则的图像作为刺激，以检查非语言刺激和反应之间的联系。然而，与非语言刺激相比，词汇的语义处理需要额外的认知资源，语义和反应之间的连接可能会更加复杂。
近日，辽宁师范大学脑与认知神经科学研究中心的刘欢欢副教授（通讯作者）和刘林焱（第一作者）在国际高水平期刊《NeuroImage》上发表题为“The right superior temporal gyrus plays a role in semantic-rule learning: Evidence supporting a reinforcement learning model”的研究论文。论文在强化学习框架下，采用Rescorla-Wagner强化学习算法的分层贝叶斯扩展模型，涉及期望值、预测误差、学习率和结果敏感性，以此推断被试与规则学习相关的内部状态，设计了语义规则和颜色规则的学习任务，并巧妙的加入了一个弱语义规则学习任务，即第二语言（L2）下的规则学习。结果表明涉及语义的规则学习并不是类似于条件刺激-反应的一般符号学习，而是具有自己独特的特征，右侧颞上沟在这种语义规则的学习中至关重要。
实验设计
实验要求被试判断何种规则（即语义规则或颜色规则）对应当前规则学习任务中的最高奖励概率。例如，前20 次试验中的规则是颜色，那么选择正确的颜色会导致奖励与惩罚的比例为80：20。此时，如果被试根据语义类别选择刺激，则奖励与惩罚的比例为50：50。该实验共进行四轮，其中两次以中文呈现，两次以英文呈现（见图1）。
图1 实验步骤和实验流程
实验结果
图2 行为结果
如图2所示，当规则更新时，被试重新学习了正确的规则。强化学习模型一共建立了四个语言模型、四个规则模型和一个基线模型。基线模型不包括语言和规则的影响。通过一般适用信息标准(WAIC)筛选出最优的语言模型和最优的规则模型。最后，将最优的语言模型和最优的规则模型结合，形成一个整合模型。如图3所示，根据强化学习模型WAIC指标的比较，整合模型具有最低的WAIC。
图3 强化学习模型对比
敏感性分析如图4所示，L1组的敏感性显著高于L2。结果敏感度越高，被试越倾向于获得奖励或不接受惩罚。fMRI的结果也表明在反馈阶段，左侧纹状体（MNI空间坐标:-33, - 6, 9）在L1组下的激活强于L2（GRF校正），支持了母语反馈比外语反馈的规则学习更敏感。此外，敏感性与不同语言下的平均奖励得分的相关分析表明，敏感度越高的被试积累的奖励越多，任务表现越好。
图4 结果敏感性的语言差异
如图5所示，语义规则下对于预测误差的加工定位于右侧颞上回（STG），表明右侧STG是言语刺激学习中一个独特的脑区。注意，这是回归的斜率差异，而不是激活的差异。语义规则条件主效应的回归方向为正，而颜色规则条件的回归方向为负，表明不同规则在右侧STG的活动模式差异是定性的，而不是定量的。
图5 基于模型分析的fMRI结果
结论
这项研究揭示了语义影响规则学习的神经基础。研究修正了传统的强化学习模型，将语言对结果敏感性的影响、规则对学习率的影响纳入其中，以证实语义通过特殊的“条件刺激”影响规则学习。结果表明，母语的规则学习对反馈更为敏感，被试能够根据当前规则调整自己的学习策略。重要的是，这项研究揭示了语言刺激的规则学习存在独特的神经机制，定位于右侧STG。这些发现强调了依赖于语言的规则学习有其特殊性，不同于一般符号的学习。
论文信息：Linyan Liu, Dongxue Liu, Tingting Guo, John W. Schwieter, & Huanhuan Liu, The right superior temporal gyrus plays a role in semantic-rule learning: Evidence supporting a reinforcement learning model, NeuroImage (2023), doi: https://doi.org/10.1016/j.neuroimage.2023.120393
