為什麼你的聰明的大腦會進入Chucks學習新的動作

當孩子們學習如何系鞋帶時,他們會以不連續的步驟做到這一點 - 製作一個環或拉扯鞋帶。

經過足夠的重複,我們的大腦將這些步驟變成了“大塊”。

眾所周知,運動分塊是一種策略,可以將長串信息減少為更易於記憶的更短,更易管理的部分。

“分塊是一種聰明策略的自然副產品,可以最大限度地降低學習成本。”

科學家們知道,對於患有帕金森病,亨廷頓病和中風的人來說,這種運動分塊嚴重受到干擾。 了解分塊及其工作原理對於早期診斷,治療和康復治療至關重要。 然而,科學沒有具體的解釋。


內在自我訂閱圖形


但是現在,研究人員已經開發了一個關於為什麼出現分塊的綜合理論。 該研究將分塊視為電機系統中的經濟權衡,在某些學習階段,合併小塊變得最佳“成本效益”。 研究結果發表在期刊上 自然通信.

“神經系統的目的是盡可能有效地產生運動,”加州大學聖巴巴拉分校神經學教授斯科特格拉夫頓說。 “然而,計算有效軌跡存在計算成本。 這些目標之間的最佳點是結果。“

困難和高效

Grafton及其同事使用計算機控制工具,生成計算機模型,以發現大腦如何控制肢體以及運動系統的目標和約束。 在這種情況下,研究人員難以解釋人類和其他動物如何從計算簡單但效率低下的運動轉變為計算要求高但運動效率高的運動。

“我們的研究通過在理論上和實驗上展示最具成本效益的複雜效率學習路徑是產生分塊的途徑來解決這一難題,”格拉夫頓說。 “因此,分塊是一種巧妙策略的自然副產品,可以最大限度地降低學習成本。”

研究人員測量了恒河猴在幾天的實踐中如何產生運動序列,並發現這些動物確實是具有成本效益的學習者。 通過選擇何時以智能方式將塊組合在一起,猴子可以節省累積的學習成本。

他們將運動序列劃分為塊,針對塊內的效率進行了優化,然後僅在需要進一步提高效率時才合併塊。

“運動分塊在人類和動物的健康和疾病中得到了廣泛的表徵,但直到現在,還缺乏規範理論,”格拉夫頓說,“我們的理論得出了最佳的運動軌跡,而這些實驗中猴子學會產生一種新的序列長時間的運動表明,我們的理論解釋了他們運動中出現的大塊的基本特徵。“

將分塊現象視為經濟權衡,為運動學習及其障礙提供了新的視角。

例如,中風後運動的不規則性可能歸因於運動學習的較低計算預算,因此中風中看到的低效運動可能適應這些預算,Grafton解釋說。 他補充說,任何康復方法都可以從這種見解中受益。

“我們對分塊的計算視角也開啟了關於大腦如何控制運動的新問題,”格拉夫頓說。 “特別是,最近必鬚根據計算理論重新審視大腦中分塊神經編碼的證據。

“神經元是否編碼運動學決策,計算預算或效率目標? 這些是整個電機控制領域的開放性問題。“

資源: 加州大學聖巴巴拉分校

相關書籍

at InnerSelf 市場和亞馬遜