# Киотский университет: у рецидивистов-воров без клептомании ниже скорость обучения в задаче 4-arm bandit

- Опубликовано: 2026-11-11 10:00 UTC
- Раздел: Жизнь и здоровье › Нейротехнологии
- Теги: рецидивисты кражи, дефицит обучения с подкреплением, задача 4-arm bandit, исследование и использование, fNIRS префронтальная кора, клептомания, Q-обучение с затуханием, исследование Киотского университета, Frontiers in Psychology
- Адрес: https://realtech.media/ru/news/rt-1aef56640d614527e86bdbbd_kiotskiy_universitet_u/

**В исследовании с fNIRS-мониторингом префронтальной коры рецидивисты кражи без клептомании медленнее обновляли оценки действий после обратной связи, чем контроль.**

![Kyoto University: non-kleptomanic theft recidivists show lower learning rate in 4-arm bandit task](https://realtech.media/media/2026/11/dca28c9bf2f6b618.jpg)
*Walej, Wikimedia Commons, CC BY-SA 4.0*

Исследователи Киотского университета сообщили, что у рецидивистов кражи без клептомании ниже скорость обучения с подкреплением, чем у людей без криминального прошлого. Статья опубликована 9 ноября 2026 года в Frontiers in Psychology. В работе сравнили три группы: рецидивистов с диагнозом клептомании (TR+K), рецидивистов без него (TR-K) и контрольную группу без судимостей (CT) [1]. Активность префронтальной коры записывали на протяжении задачи методом функциональной ближней инфракрасной спектроскопии (fNIRS) [1].

По данным пресс-релиза университета, доля повторных краж достигает около 70 процентов в течение пяти лет. Рецидивисты делятся на две подгруппы: клептомания, при которой человек не может сопротивляться влечению брать предметы малой стоимости, и инструментальная кража, нацеленная на выгоду. Почему инструментальные нарушители повторяют кражи, несмотря на суровые наказания, оставалось неясным.

## Задача и результаты моделирования

Участники выполняли задачу 4-arm bandit. Они многократно выбирали из четырёх вариантов с меняющейся вероятностью награды, стараясь каждый раз выбрать самый выгодный. Задача требует баланса между исследованием неизвестных вариантов и использованием вариантов с известной отдачей.

Группа TR-K, но не TR+K, накопила значимо более высокое кумулятивное сожаление и реже делала оптимальный выбор, чем контроль [1]. Сравнение моделей методом вариационного байесовского анализа показало, что лучше всего данные описывает Q-обучение с затуханием. В этой модели у группы TR-K скорость обучения ниже, чем у групп CT и TR+K. Авторы трактуют это как дефицит обновления ценности действий после обратной связи из среды [1].

## Активность префронтальной коры

Команда также прослеживала в сигнале fNIRS скрытые переменные обучения от пробы к пробе. Активность префронтальной коры зависела от этих переменных во всех группах. Различия между группами проявлялись как статические сдвиги базовой гемодинамики, а не как изменения контуров, отслеживающих ценность [1].

Авторы пишут, что повторные кражи без клептомании могут быть связаны с нарушением обучения с подкреплением, а это ставит под сомнение современные модели сдерживания наказанием [1]. Ведущий автор Юкиори Гото заявил, что у инструментальных воров обучение с подкреплением считали нормальным или даже усиленным, но результаты показывают, что повторные инструментальные кражи сопровождаются нейроповеденческим дефицитом. Авторы заключают, что системам правосудия могут понадобиться программы реабилитации, нацеленные на дефицит обучения с подкреплением [1].

## Источники

1. [Frontiers in Psychology](https://doi.org/10.3389/fpsyg.2026.1997570)
2. [EurekAlert](https://www.eurekalert.org/news-releases/1151185)

---

Источник: RealTech, realtech.media — https://realtech.media/ru/news/rt-1aef56640d614527e86bdbbd_kiotskiy_universitet_u/