確率的逆転学習課題は，刺激と報酬との対応関係を課題の途中で逆転させることで，環境変動に対する被験者の柔軟性を測る課題として知られる．本研究では，被験者が「逆転」などの課題の潜在構造を学習しているかを分析することを目的として実験を行った．正答率の分析から，被験者が刺激と報酬の対応を学習していることが確認された．さらに，強化学習モデルを用いた分析から，潜在構造を学習していると仮定したモデルが行動データをよく説明する可能性が示唆された．

人はある課題を解くために獲得した知識を新しい課題を解くのに転用できる．こうした知識の転移を解明すべく，地図未知な意味グラフ上の案内課題を用い，この新奇課題に対して参加者が「常識」（概念の関係）を転移させるときの行動データを分析した．強化学習を用いたモデルベースの行動分析から，案内課題が終盤に向かうにつれ，参加者は転移元の「常識」が新奇課題にうまく適合したかように行動することが示唆された．

対象間の関係の関係性を用いる推論を類推という．近年提案された単語埋め込みモデルは類推課題に高精度で回答可能であり，類推をモデル化する上で新たな可能性を示している．しかしこうしたモデルを評価するのに用いられてきた課題は，関係の関係性を用いなくても正答できる可能性がある．本稿では関係の関係性を用いなければ正答できない課題を提案し，単語埋め込みモデルがこうした課題をほとんど解けないことを示すことで，モデルが類推を行っていない可能性を示した．

Cognitive scientists are paying attention to attention. Especially studies about psychological evidence, computational models, and their neural correlates of attention were contributed to the advances of these areas. We also focused on the saliency map and winner-take-all (WTA) circuits and proposed that the WTA function might be implemented in the penultimate layer. Despite differences between physiology and computational modeling such as bottom-up and top-down interactions. Attention is still worth studying and attractive all the scholars who are interested in cognitive functions.