理解学习推理:研究显示在大脑中如何映射问题
人类和其他动物都是善于学习推理,利用信息我们必须弄清楚我们无法直接观察到的东西。新研究中心的心灵和大脑的加州大学,戴维斯,显示我们的大脑是如何实现这一目标通过构建认知地图。
“研究表明一个新的框架对于超越增量的结构化的环境中学习,体验学习的关联,”伊利。鲍曼说,助理教授在加州大学戴维斯分校心理系和中心思想和大脑和这篇论文的主要作者。
在结构化环境中,单个元素系统彼此相关,因为他们往往在现实世界中。这项研究的见解可以被用来改善教育策略,促进加速学习认知地图的使用通过推断,和可能的方法来加速学习迁移机器学习在人工智能中,布尔曼说。
通过推理和学习协会
学习的大多数研究都集中在学习association-how动物学会一件事和另一个联系起来,通过试验和错误。之间的区别是什么预期与实际发生的驱动器在这种情况下学习。
当那些背后有一个隐藏的结构关联,您可以使用直接观察来推断间接,看不见的结果,跳跃的直接关联。
例如,知道季节性食品的质量是由天气的变化可以推断这是最好的基于吃哪些食物的成熟在同一季节,布尔曼说。观察成熟的苹果让我们推断梨也应该成熟,但不是草莓。这种结构是重要的知道什么时候做决定。
另一个例子是一个投资者推断,Facebook股票的下降可以归因于科技泡沫,这表明微软股价可能会下降很快,。
“知道这个隐藏的关系意味着你可以学习更快,”鲍曼说。
学习在一个结构化的系统测试
研究人类如何使用学习认知地图信息,研究生菲利普Witkowski,项目科学家Seongmin公园,和布尔曼创建一个任务。在一系列的实验中,志愿者被要求选择两个四个抽象的形状会导致两种不同的礼品卡(例如,星巴克或者iTunes)。志愿者做出他们的选择基于两条信息:他们的概率估计的每个形状会导致一个特定的礼品卡,和一个随机分配为每个礼品卡支付。
的形状分为两双。在每一对的概率,一个形状会导致特定结果的逆其他形状。例如,如果有70%的几率,形状会导致结果1,B有30%几率,形状会导致同样的结果,反之亦然,结果2。所以受试者可以获得信息的推理结果的可能性,就像微软股价从Facebook股票。对形状没有连接,所以受试者无法了解的结果选择形状C或D的结果选择A或B。
研究人员跟踪调查了受试者了解系统如何在一系列试验通过观察他们的进展。在分析结果时,他们发现志愿者利用推理学习哪些形状选择做出决定。
一些志愿者被邀请回来的第二部分实验中,尽管他们执行相同的任务大脑的活动与功能性磁共振成像测量。学习是反映在大脑的活动,一个“观念更新”是有区别的你之前和新获得的知识。活动与推理学习中被发现前额叶皮层和中脑的面积神经递质多巴胺被释放。
与此同时,研究人员发现隐藏的表示(或潜在)概率控制协会a和B的前额叶皮层。
功能磁共振成像结果显示大脑代表不同的结果相对于彼此,布尔曼说。这表示允许这些“啊哈”的时刻。
传统思维认为,增量学习奖励从直接经验中强化了多巴胺的释放大脑。新研究也牵连到多巴胺,但推理学习。
“我们的研究表明一个更一般的角色为多巴胺信号更新的信仰推理,”鲍曼说。
