大量的实验数据表明，神经调节系统乙酰胆碱（ACh）和去甲肾上腺素（NE）至关重要地参与了各种认知任务。 但是，关于它们的独立和联合计算功能，人们几乎没有共识。 我们提出了一种理论，其中皮质ACh和NE报告了不确定性的不同方面：ACh报告了预期的不确定性，例如，来自已知的可变性或对任务参数的无知，而NE则表示出乎意料的不确定性，例如当实验者无法预测地改变任务（Yu＆Dayan，2002）。 根据统计学习理论，这些不同类型的不确定性应以特定方式交互，以控制自上而下和自下而上的信息的集成和获取。 在这里，我们将这些思想应用于新的空间关注任务（Bentley，个人交流），这是对经典Posner Task进行上下文提示的扩展。 与原始的Posner任务不同，此新的空间注意力任务使实验者可以分别处理自上而下信息中的预期变化和意外变化。 在我们的任务模型中，ACh和NE以精确指定的，部分为对手，部分为协同的方式进行交互。 该模型的仿真结果紧密地复制了现有数据（Phillips，2000）。 ACh和NE相互作用的其他特性可以通过我们对药理操作的模拟来预测：例如，在某些情况下，损害一个系统可以通过损害另一个系统来部分缓解。 该模型还针对ACh和NE神经元的试验到试验React以及某些心理生理指标（例如React时间）做出了具体的，实验上容易处理的预测。 基于这些预测的实验可以深入了解这些神经调节系统的工作原理，并提供有关空间注意力的新观点。
