Az agy ritka eseményekből többet tanulhat, mint az ismétlésből
Több mint egy évszázada Pavlov arra tanította kutyáját, hogy a csengő hangját az étellel társítsa. Azóta a tudósok azt feltételezték, hogy a kutya ezt ismétléssel tanulta meg: minél többször hallotta a csengőt, majd kapott enni, annál jobban megtanulta, hogy a hang azt jelenti, hogy hamarosan étel következik. Most a Kaliforniai Egyetem San Francisco-i tudósai felforgatják ezt a 100 éves feltételezést az asszociatív tanulásról. Az új elmélet szerint ez kevésbé függ attól, hogy hányszor történik meg valami, hanem inkább attól, hogy mennyi idő telik el a jutalmak között.
„Kiderült, hogy a jel-jutalom párosítások közötti idő segít az agynak meghatározni, hogy mennyit kell tanulnia abból az élményből” – mondta Vijay Mohan K. Namboobidiri, PhD, a neurológia docense és a tanulmány vezető szerzője, amelyet február 12-én tettek közzé a Nature Neuroscience című folyóiratban. Amikor a tapasztalatok egymáshoz közelebb esnek, az agy kevesebbet tanul az egyes esetekből – mondta Namboodiri, hozzátéve, hogy ez megmagyarázhatja, miért nem teljesítenek olyan jól azok a diákok, akik csak a vizsgákra konmcentrálnak, mint azok, akik a félév során folyamatosan tanultak.
A jelek megtanulása
A tudósok hagyományosan az asszociatív tanulást próba-hiba (trial and error) folyamatnak tekintették. Amint az agy felismeri, hogy bizonyos jelek jutalomhoz vezethetnek, elkezdi előre jelezni azokat. A tudósok feltételezték, hogy eleinte az agy csak akkor bocsát ki dopamint, amikor egy jutalom, például ízletes étel érkezik. De ha a jutalom elég gyakran érkezik, az agy elkezdi előre jelezni azt, és dopamint bocsát ki, amint megkapja a jelzést. A dopamin hatása finomítja az agy előrejelzését, az elmélet szerint, erősítve a jelzéssel való kapcsolatot, ha a jutalom megérkezik – vagy gyengítve azt, ha a jutalom nem jelenik meg.
Namboodiri és Dennis Burke posztdoktori kutató, PhD, egereket tanítottak arra, hogy egy rövid hangot cukrozott vízhez társítsanak, a kísérletek közötti időtartamot változtatva. Néhány egér esetében a kísérletek közötti időtartamot 30-60 másodpercre, mások esetében pedig 5-10 percre vagy annál hosszabbra állították be. Az eredmény az volt, hogy azok az egerek, amelyeknél a kísérletek közelebb voltak egymáshoz, sokkal több jutalmat kaptak, mint azok, amelyeknél a kísérletek távolabb voltak egymástól ugyanazon idő alatt.
Ha az asszociatív tanulás csak az ismétléstől függne, akkor azoknak az egereknek, amelyeknél több kísérlet volt, gyorsabban kellett volna tanulniuk. Ehelyett azok az egerek, amelyek nagyon kevés jutalmat kaptak, ugyanannyit tanultak, mint azok, amelyek 20-szor több kísérletet kaptak ugyanazon idő alatt.
„Ez azt jelenti, hogy az asszociatív tanulás nem annyira a „gyakorlat teszi a mestert” elvre épül, hanem inkább a „minden az időzítésen múlik” elvre” – mondta Burke, a tanulmány első szerzője. Namboodiri és Burke ezután megvizsgálták, hogy a dopamin milyen hatást gyakorol az egerek agyára. Amikor a jutalmak között nagyobb idő telt el, az egereknek kevesebb ismétlésre volt szükségük ahhoz, hogy agyuk dopaminnal reagáljon a hangra.
Ezután a kutatók egy másik változatot próbáltak ki. Ismételten lejátszották a hangot – 60 másodperces időközönként –, de csak az esetek 10%-ában adtak cukros vizet az egereknek. Ezeknek az egereknek sokkal kevesebb jutalomra volt szükségük ahhoz, hogy a jel után dopamint kezdjenek kibocsátani, függetlenül attól, hogy azt jutalom követte-e.
Gyorsabb tanulás
A megállapítások megváltoztathatják a tanulásról és a függőségről alkotott véleményünket. A dohányzás például szakaszos, és olyan jelzéseket is magában foglalhat – például a cigaretta látványát vagy illatát –, amelyek fokozzák a dohányzás iránti vágyat. Mivel a nikotin tapasz folyamatosan nikotint juttat a szervezetbe, megzavarhatja az agyban a nikotin és az abból származó dopamin jutalom közötti asszociációt, tompítva a dohányzás iránti vágyat és megkönnyítve a leszokást.
Namboodiri következő lépésként azt tervezi, hogy megvizsgálja, hogyan gyorsíthatja fel új elmélete a mesterséges intelligenciát. A jelenlegi mesterséges intelligencia rendszerek meglehetősen lassan tanulnak, mert az asszociatív tanulás uralkodó modelljén alapulnak, és milliárdnyi adatpont közötti minden interakció után apró finomításokat végeznek.
„A mi felfedezésünkön alapuló modell potenciálisan gyorsabban tanulhatna kevesebb tapasztalatból” – mondta Namboodiri. „Jelenleg azonban agyunk sokkal gyorsabban tanul, mint gépeink, és ez a tanulmány segít megmagyarázni, hogy miért.”