Bakit ang iyong matalino utak ay lumiliko ng mga hakbang sa Chuck upang matuto ng mga bagong paglilipat

Kapag natututuhan ng mga bata kung paano itali ang kanilang mga tali, ginagawa nila ito sa discrete steps-paggawa ng isang loop o tugging sa puntas.

Pagkatapos ng sapat na pag-uulit, ang aming utak ay lumiliko sa mga hakbang na ito sa "mga chunks."

Ang kilos ng paglilipat, bilang kababalaghan ay kilala, ay isang diskarte na binabawasan ang mahabang mga string ng impormasyon sa mas maikli, mas madaling pamahalaan piraso na mas madaling matandaan.

Ang "Chunking ay ang natural na byproduct ng isang matalino na diskarte na nagpapahina sa mga gastos sa pag-aaral."

Alam ng mga siyentipiko na para sa mga taong may Parkinson's disease, Huntington's disease, at stroke, ang paggalaw ng kilusan na ito ay malubhang nasisira. Ang pag-unawa sa pagputok at kung paano ito gumagana ay mahalaga para sa maagang pagsusuri, paggamot at rehabilitasyon na therapy. Gayunpaman, ang agham ay walang malinaw na paliwanag para dito.


innerself subscribe graphic


Ngunit ngayon, ang mga mananaliksik ay nakabuo ng isang kumpletong teorya para sa kung bakit nangyayari ang chunking. Ang mga frame ng pananaliksik ay nagsasama bilang isang pang-ekonomiyang tradeoff sa sistema ng motor, kung saan ang pagsasama ng maliliit na mga chunks ay nagiging mahusay na "cost-effective" sa ilang mga yugto ng pag-aaral. Lumilitaw ang mga natuklasan sa journal Nature Communications.

"Ang sistema ng nervous ay naglalayong makagawa ng paggalaw nang mahusay hangga't maaari," sabi ni Scott Grafton, isang neurology professor sa University of California, Santa Barbara. "Gayunpaman, mayroong isang computational cost upang makalkula ang mahusay na mga trajectory. Ang matamis na puwang sa pagitan ng mga layuning ito ay nagreresulta sa mga chunks. "

Mahirap at mahusay

Ginamit ni Grafton at mga kasamahan ang mga tool ng pagkontrol ng motor ng computational, na gumagawa ng mga modelo ng computer upang matuklasan kung paano kumokontrol ang mga utak at mga layunin at mga hadlang sa sistema ng motor. Sa ganitong konteksto, ang mga mananaliksik ay nahihirapan na nagpapaliwanag kung paano lumipat ang mga tao at iba pang mga hayop mula sa simple ngunit walang kakayahang paggalaw sa computationally demanding but efficient ones.

"Pinag-uusapan ng aming pag-aaral ang hirap na ito sa pamamagitan ng pagpapakita-panteorya at pag-eksperimento-na ang pinakamabisang cost-effective na mga path sa pag-aaral ng pagiging kumplikado sa pagiging kumplikado ay ang mga nagpapalabas," sabi ni Grafton. "Samakatuwid, ang pagsira ay ang likas na produkto ng matalino na diskarte na nagpapaliit sa mga gastos sa pag-aaral."

Sinusukat ng mga imbestigador kung paano gumawa ng rhesus macaque ang mga pagkakasunud-sunod ng paggalaw sa loob ng ilang araw ng pagsasagawa at natuklasan na ang mga hayop na ito ay talagang mga cost-effective na nag-aaral. Sa pamamagitan ng pagpili kung kailan magkakasama sa isang matalinong paraan, nakamit ng mga monkey ang mga pagtitipid sa mga pinagsamang gastos ng pag-aaral.

Hinati nila ang pagkakasunod-sunod ng paggalaw sa mga chunks, na-optimize para sa kahusayan sa loob ng mga chunks, at pagkatapos ay pinagsama ang mga chunks lamang kapag ang mga karagdagang pakinabang sa kahusayan ay kinakailangan.

"Ang paglilipat ng paggalaw ay malawakan na nailalarawan sa kalusugan at sakit sa mga tao at hayop, ngunit hanggang ngayon, ang teorya ng normatiba ay kulang," sabi ni Grafton, "Ang aming teorya ay nakakuha ng pinakamainam na paggalaw ng mga trajectory, at ang mga eksperimentong ito kung saan ang mga monkey ay natututong gumawa ng nobelang pagkakasunud-sunod ng mga paggalaw sa loob ng isang matagal na panahon ay nagpapakita na ang ating teorya ay nagpapaliwanag ng mga mahahalagang katangian ng mga chunks na lumabas sa kanilang mga paggalaw. "

Ang pag-frame ng kababalaghang pangyayari bilang isang pang-ekonomiyang tradeoff ay nag-aalok ng isang sariwang pananaw sa pag-aaral ng motor at mga karamdaman nito.

Halimbawa, ang hindi regular na katangian ng mga paggalaw na post-stroke ay maaaring maiugnay sa mas mababang mga badyet ng computational para sa pag-aaral ng motor, at ang di-kakayahang paggalaw na nakikita sa stroke ay maaaring maging adaptive sa mga badyet na ito, ipinaliwanag ni Grafton. Anumang paraan ng rehabilitasyon ay maaaring makinabang mula sa pananaw na ito, idinagdag niya.

"Ang aming computational perspektibo sa chunking ay nagbubukas din ng mga bagong katanungan tungkol sa kung paano kumokontrol ang utak ng paggalaw," sabi ni Grafton. "Sa partikular, ang kamakailang katibayan para sa neural coding ng chunking sa utak ay dapat muling suriin sa liwanag ng mga computational theories.

"Sigurado neurons coding kinematiko desisyon, computational badyet o kahusayan layunin? Ang mga ito ay malawak na bukas na mga tanong para sa buong larangan ng kontrol ng motor. "

Source: UC Santa Barbara

Mga Kaugnay Books

at InnerSelf Market at Amazon