神经科学家发现，工作记忆中的新近度偏差自然会导致集中趋势偏差，即人(和动物)的判断偏向于先前观察的平均值的现象。他们的发现可能暗示了为什么这种现象如此普遍。
伦敦大学学院塞恩斯伯里威康中心 Akrami 实验室和伦敦帝国理工学院 Clopath 实验室的研究人员开发了一种网络模型，其中包含工作记忆模块和另一个解释感觉历史的模块。这项发表在eLife上的研究描述了该模型如何表明神经回路可以通过单一机制同时产生新近度偏差和集中趋势偏差。
“心理学家在一个多世纪前首次观察到集中趋势偏差，但它被认为是最近的一种单独现象。我们的结果表明，这两种偏差比之前想象的更相关，”塞恩斯伯里高级研究员维扎·博博耶娃 (Vezha Boboeva) 说威康中心 (SWC) 和该论文的第一作者。
集中趋势偏差，也称为收缩偏差，是一种普遍存在的现象。想象一下，您看到一个给定长度的条，并要求您从记忆中回忆出同一条条。我们往往会根据条形的大小错误地记住长度，将较长的条形回忆为较短的条形，将较短的条形回忆为较长的。
因此，我们判断条形的长度比实际情况更接近范围的平均值。这种现象也发生在其他动物身上，包括非人类灵长类动物和啮齿动物，并且也发生在其他模式上，例如声音幅度和频率。这种偏差被认为是通过贝叶斯计算制定的处理感官信息统计模式的大脑策略。
新近度偏差，也称为短期历史偏差，当你无法记住给定的刺激时，就会发生这种情况，因为之前的刺激的记忆仍然在你的脑海中挥之不去。
为了了解支撑集中趋势和新近偏差的神经过程，SWC 和伦敦帝国理工学院的神经科学家在神经网络模型中研究了这一现象，其灵感来自于啮齿类动物和人类工作记忆实验的先前结果。