Kenapa Otak Pintar Anda Menjadi Langkah Ke Chucks Untuk Belajar Pergerakan Baru

Apabila kanak-kanak belajar bagaimana untuk mengikat tali kasut mereka, mereka berbuat demikian dalam langkah diskrit-membuat gelung atau menarik pada renda.

Selepas pengulangan yang cukup, otak kita mengubah langkah-langkah ini menjadi "potongan."

Pergerakan pemecahan, sebagai fenomena diketahui, adalah strategi yang mengurangkan rentetan maklumat panjang ke dalam kepingan yang lebih pendek dan lebih mudah diurus yang lebih mudah diingat.

"Chunking adalah produk sampingan semulajadi dari strategi pintar yang meminimumkan kos pembelajaran."

Para saintis tahu bahawa bagi orang yang mempunyai penyakit Parkinson, penyakit Huntington, dan strok, pergerakan pergerakan ini sangat teruk. Memahami pemecatan dan bagaimana ia berfungsi adalah penting untuk rawatan awal, terapi rawatan dan pemulihan. Namun, sains tidak mempunyai penjelasan yang konkrit untuknya.


grafik langganan dalaman


Tetapi sekarang, para penyelidik telah membangunkan teori yang komprehensif untuk kenapa berlanggar. Bingkai penyelidikan menyekat sebagai tradeoff ekonomi dalam sistem motor, di mana penggabungan potongan-potongan kecil menjadi "biaya-efektif" secara optimal pada tahap pembelajaran tertentu. Penemuan muncul dalam jurnal Alam Komunikasi.

"Sistem saraf ini bertujuan untuk menghasilkan pergerakan seefektif mungkin," kata Scott Grafton, seorang profesor neurologi di University of California, Santa Barbara. "Bagaimanapun, terdapat kos perhitungan untuk menghitung lintasan yang efisien. Tempat yang manis di antara matlamat ini menghasilkan ketulan. "

Sukar dan cekap

Grafton dan rakan sekerja menggunakan alat kawalan motor pengkomputeran, yang menghasilkan model komputer untuk mengetahui bagaimana otak mengawal anggota badan dan matlamat dan kekangan sistem motor. Dalam konteks ini, para penyelidik mengalami kesukaran untuk menerangkan bagaimana manusia dan haiwan lain beralih dari pergerakan yang mudah tetapi tidak cekap kepada komputasi yang memerlukan tetapi efisien.

"Kajian kami menyelesaikan kesulitan ini dengan menunjukkan-secara teoritis dan eksperimental-bahawa jalur pembelajaran kecekapan kerumitan yang paling kos efektif adalah yang menghasilkan pemecahan," kata Grafton. "Oleh itu, pemecatan adalah produk sampingan semulajadi strategi pintar yang meminimumkan kos pembelajaran."

Penyiasat mengukur bagaimana kera rhesus menghasilkan urutan pergerakan selama beberapa hari amalan dan mendapati bahawa haiwan ini memang pelajar yang berharga kos. Dengan memilih masa untuk melaburkan potongan-potongan bersama secara bijak, monyet-monyet itu dapat menjimatkan kos pembelajaran yang terkumpul.

Mereka membahagikan urutan pergerakan ke dalam ketulan, dioptimumkan untuk kecekapan dalam ketulan, dan kemudian menggabungkan ketulan hanya ketika keuntungan selanjutnya dalam efisiensi diperlukan.

"Penggerakan pergerakan telah dicirikan secara meluas dalam kesihatan dan penyakit merentas manusia dan haiwan, tetapi sehingga kini, teori normatif tidak mencukupi," kata Grafton, "Teori kita menghasilkan trajektori pergerakan yang optimum, dan percobaan-percobaan di mana monyet belajar menghasilkan urutan novel pergerakan selama jangka masa yang panjang menunjukkan bahawa teori kami menerangkan ciri-ciri penting potongan-potongan yang muncul dalam pergerakan mereka. "

Membingkaikan fenomena chunking sebagai tradeoff ekonomi menawarkan perspektif baru mengenai pembelajaran motor dan gangguannya.

Contohnya, pergerakan pasca strok yang tidak teratur mungkin dikaitkan dengan belanjawan pengiraan yang lebih rendah untuk pembelajaran motor, dan pergerakan yang tidak cekap yang dilihat dalam stroke mungkin menyesuaikan diri dengan belanjawan ini, kata Grafton. Apa-apa pendekatan pemulihan boleh mendapat manfaat daripada pandangan ini, tambahnya.

"Perspektif komputasi kami mengenai pemecahan juga membuka pertanyaan baru mengenai bagaimana otak mengawal pergerakan," kata Grafton. "Khususnya, bukti baru untuk pengekalan saraf pemecah di otak mesti diperiksa semula berdasarkan teori pengiraan.

"Adakah neuron mengkodkan keputusan kinematic, belanjawan pengiraan atau matlamat kecekapan? Ini adalah soalan terbuka luas untuk seluruh bidang kawalan motor. "

sumber: UC Santa Barbara

Buku-buku yang berkaitan

at InnerSelf Market dan Amazon