Možganske slike razkrivajo, kako delujejo učne strategije
Osvežitev je potrebna, da lahko natančno napovemo te nagrade ob spreminjajočem se okolju.
Čeprav ostaja nejasno, kako natančno možgani organizirajo ta proces, nova študija kaže, da naše vedenje vodi kombinacija dveh različnih učnih strategij.
V reviji bo objavljen prispevek o delu Nevron.
Ena sprejeta učna strategija, imenovana učenje brez modelov, se opira na primerjavo poskusov in napak med nagrado, ki jo pričakujemo v dani situaciji, in nagrado, ki jo dejansko dobimo.
Rezultat te primerjave je generacija "napake pri napovedovanju nagrade", ki ustreza tej razliki.
Napaka pri napovedovanju nagrade lahko na primer ustreza razliki med predvidenim denarnim donosom finančne naložbe in našim realnim zaslužkom.
V drugem mehanizmu, imenovanem modelno učenje, možgani ustvarijo kognitivni zemljevid okolja, ki opisuje odnos med različnimi situacijami.
"Učenje na podlagi modelov je povezano z generiranjem" napake napovedovanja stanja ", ki predstavlja stopnjo presenečenja možganov v novi situaciji glede na trenutno oceno okolja," pravi Jan Gläscher, podoktorski učenjak pri Caltechu in vodja avtor študije.
"Pomislite na situacijo, v kateri se po službi vedno peljete po isti poti, vendar je določen dan običajna pot zaradi gradbenih del blokirana," pravi Gläscher.
»Učni sistem brez modelov bi bil nemočno izgubljen; ukvarja se samo z dejanji, ki so bila v preteklosti koristna, zato, če ta dejanja niso več na voljo, se ne bi mogla odločiti, kam naprej.
"Toda sistem, ki temelji na modelih, bi lahko poizvedel svoj kognitivni zemljevid in ugotovil učinkovit ovinek po alternativni poti."
»Čeprav je bil enostavnejši učni mehanizem brez modelov dobro preučen in je njegov osnovni učni mehanizem, ki ga poganjajo napake pri napovedovanju nagrad, razmeroma dobro razumljen, vendar mehanizmi, na katerih temelji bolj dovršen modelni sistem učenja, z bogato prilagodljivostjo in prilagodljivostjo , so manj dobro razumljeni, «pravi John P. O'Doherty, profesor psihologije na Caltechu.
Za nadaljnjo karakterizacijo nevroloških temeljev teh dveh učnih sistemov sta Gläscher, O'Doherty in njihovi kolegi zasnovala računalniško podprto nalogo odločanja, ki jim je omogočila, da izmerijo, kdaj in kje možgani izračunajo signale o napakah in napovedi napake napovedi ter ugotoviti, ali dve vrsti napak dejansko ustvarjata različne nevronske podpise.
Pri nalogi so morali preiskovanci izbirati med levim in desnim gibanjem, ki jim je omogočilo, da so se v navideznem okolju premikali med različnimi »stanji« - označenimi z grafičnimi ikonami; postopek je podoben postopku krmarjenja v preprosti videoigri.
Vsaka leva ali desna izbira, narejena v tem navideznem okolju, je subjekta pripeljala v novo stanje. Njihov cilj je bil doseči določeno ciljno državo, da bi prejeli denarno nagrado, "in njihove možnosti, da bodo končali v tem ciljnem stanju, so bile močno odvisne od posebnega vzorca zaporednih odločitev, ki so jih sprejeli," pojasnjuje O'Doherty.
Model, ki temelji na modelu, se lahko nauči o strukturi navideznega okolja in nato te informacije uporabi za izračun ukrepov, potrebnih za dosego stanja nagrade, na način, analogen temu, kako lahko šahist poskuša razmišljati skozi zaporedne šahovske poteze, ki so potrebne za zmago na tekmi.
Sistem brez modelov pa bi se naučil le slepo izbirati tiste ukrepe, ki so v preteklosti prinašali nagrado, ne da bi ocenil posledice v trenutnih razmerah.
Osemnajst udeležencev je bilo med učenjem naloge skeniranih s funkcijskim slikanjem z magnetno resonanco. Skeni možganov so pokazali značilen, prej značilen nevronski podpis napake napovedovanja nagrade - ki je nastala med učenjem brez modelov - na območju sredi možganov, imenovanem ventralni striatum.
Med učenjem, ki temelji na modelih, pa se je nevronski podpis napake napovedi stanja pojavil na dveh različnih področjih na površini možganov v možganski skorji: intraparietalni sulkus in stranski predfrontalni skorji.
Ta opažanja kažejo, da se v človeških možganih izračunata dve edinstveni vrsti napak, ki se pojavita v različnih možganskih regijah in lahko predstavljata ločeni računski strategiji za vodenje vedenja.
„Sistem brez modelov deluje zelo učinkovito v situacijah, ki so zelo avtomatizirane in ponavljajoče se - na primer, če se redno peljem po isti poti domov iz službe," pravi Gläscher, "ker sistem, ki temelji na modelih, čeprav zahteva veliko več možganov procesorske moči, se lahko prožno prilagodi novim situacijam, na primer iskanju nove poti po zapori. "
Ta dva različna učna mehanizma imata dopolnilni vlogi pri nadzoru človeškega vedenja, pravi Gläscher.
»Ker je procesorska moč naših možganov omejena, ni smiselno uvajati bolj računsko intenzivnega modelnega sistema za nadzor nad vsem, kar počnemo. Namesto tega je bolje, da se pri vsakodnevnem vedenju zanašamo na sistem brez modelov in sistem, ki temelji na modelih, uporabljamo samo za nove ali zapletene situacije. Pomembno področje nadaljnjih raziskav bo poskusiti razumeti dejavnike, ki vplivajo na medsebojno delovanje teh sistemov, da bi nadzorovali vedenje in ugotovili, kako se to izvaja v možganih. "
Vir: Kalifornijski tehnološki inštitut
