在运动学习中，重要的是行动，而不是意图
阿尔伯特·爱因斯坦将精神错乱定义为“一遍又一遍地做同一件事，却期待不同的结果。”然而，在尝试学习一项新的运动技能时，重复练习同一个任务往往是默认的过程。
哈佛大学工程与应用科学学院(SEAS)的莫里斯·史密斯及其同事领导的一项研究表明，简单的任务重复可能不是大脑学习新动作的最有效方式。
他们的研究结果发表在PLoS计算生物学，演示“动作参照学习”。从本质上说，当人们在练习中做出一个不完美的动作时，他们的大脑对他们计划做什么了解得比他们实际做了什么要少。
考虑到这一点，研究人员提出了一种神经康复的新方法:不断调整练习动作的目标，以减少这些动作和预期动作之间的系统差异(误差)。
为了准确地完成任何动作——无论是拿起一杯果汁而不打翻它，还是游过一个游泳池而不下沉——大脑必须确切地了解要激活哪些肌肉，以何种方式激活。
特定动作所需的肌肉活动取决于环境。例如，在泳池甲板上做一个游泳动作和在水里做是不一样的，拿起一杯果汁需要不同的动作当你的手臂被沉重的袋子压着时。
“个人学会适应变化的物理动态，在遇到新情况时犯错误，但通过练习迅速提高。大脑建立这些动态的内部模型，产生肌肉激活的模式，以解释外部条件，”Smith解释说，他是SEAS生物医学工程的助理教授。
然而，对于那些遭受过神经损伤的人来说，比如中风患者，再简单的动作也很难重新学习。
研究人员通过模拟新的物理环境和不熟悉的力量，重现了健康受试者的学习过程。
测试对象被要求在握着机械臂手柄的同时做出抓取动作，这样LCD屏幕上的一个点就会向一个目标移动。与此同时，机器人会根据手的速度，以不同但可预测的力度将手柄推离轨道。
一个实验提供了动作参照学习的证据，第二个实验研究了对这一机制的理解是否可以用来提高学习速度。
史密斯神经运动控制实验室的研究生尼古拉斯·冈萨雷斯·卡斯特罗(Nicolas Gonzalez Castro)说:“我们设计了一个专门针对运动学习这方面的训练程序。”
“对于一个简单的触摸任务，我们发现，当我们从一个尝试到下一个调整目标位置，以建立对预期动作的适应性时，我们的受试者的学习速度比他们只练习预期动作快50%。”
研究结果表明大脑通过“连线”来最大化稳定性，这一概念在机器学习算法的开发中一直是必不可少的，但在科学家此前对人类学习的理解中，这一概念可能被低估了。
史密斯解释说:“当我们了解环境的物理动力学时，为了获得稳定性，运动参考学习是必需的，因为物理动力学施加的力总是取决于实际经历的运动。”
由于机器学习的算法已经包含了运动参考学习(例如，当训练机械手臂抓住一个物体时)，史密斯的研究表明，科学家可能更擅长教机器人而不是教人类。
史密斯说:“如果你打算教一个人一些东西，你就会有一个隐含的假设:在实践你试图教他们的东西的过程中，他们会学到你想让他们学的东西。”
他说，在现实中，如果分配的任务被修改，以利用神经系统实际形成关联的机制，康复可能会更有效。
因为学习像走路这样复杂的任务比将手柄移动到目标上要复杂得多，因此为这样的任务调整康复计划并不容易。
然而，这些发现从根本上促进了科学家对人类运动学习的理解。
史密斯说:“很多人都在谈论生物学启发的工程，以及理解生物学如何帮助你更好地设计东西，但当然也有大量的东西在生物学中没有很好地理解。”
“有时一些基本原则，比如稳定性的需要，这对我们作为工程师来说是最重要的，以及学习工程师们为确保稳定性而设计的规则，是我们在研究生物系统时用到的东西。”
进一步探索
