Kuinka aivosi ymmärtävät "suuremman kuvan"?
Aivomme tunnistavat kuviot ja voivat "etäistyä" yksityiskohdista nähdäksensä "suuremman kuvan". Tutkijat pyrkivät nyt selvittämään, miten aivot pystyvät saamaan perspektiivin.
Ihmisen aivot ovat monimutkainen kone, joka kykenee imemään, käsittelemään, pitämään, päivittämään ja palauttamaan valtavan määrän tietoa, joka on antanut meille lajeja paitsi selviytymisen myös menestymisen maailmassa, joka on täynnä haasteita jokainen askel.
Varhaisessa vaiheessa imeväiset voivat oppia erottamaan ja tunnistamaan kasvot, tunnistamaan tietyt äänet ja osoittamaan heille mieltymyksiä ja jopa käsittelemään syy-seuraussuhteita.
Kuinka aivomme kuitenkin pystyvät navigoimaan monimutkaisissa tietovirroissa ja muodostavat hyödyllisiä yhdistyksiä? Tähän kysymykseen kolme tutkijaa Philadelphian Pennsylvanian yliopistosta - Christopher Lynn, Ari Kahn ja Danielle Bassett - ovat päättäneet vastata.
Tutkijat selittävät, että toistaiseksi tutkijat ovat ajatelleet, että aivot käyttävät kehittyneitä prosesseja tilastollisten suhteiden korkeamman tason rakenteen luomiseen.
Nykyisessä tutkimuksessaan kolme tutkijaa ehdotti kuitenkin erilaista mallia, mikä viittaa siihen, että aivomme haluavat yksinkertaistaa tietoa, jotta he voivat "nähdä suuremman kuvan".
"[Ihmisen aivot] yrittää jatkuvasti ennustaa mitä seuraavaksi tapahtuu. Jos esimerkiksi osallistut luentoon aiheesta, josta tiedät jotain, sinulla on jo jonkinlainen käsitys korkeamman asteen rakenteesta. Se auttaa yhdistämään ideoita yhteen ja ennakoimaan, mitä kuulet seuraavaksi. "
Christopher Lynn
Seurausten ennakointi
Uudessa mallissaan, jonka he esittivät American Physical Society March Meeting 2019: ssä, tutkijat selittävät, että aivojen on siirryttävä pois yksityiskohdista luodakseen korkeamman asteen ideayhteyksiä.
Tämän käsitteen havainnollistamiseksi kääntyy impressionistisen taiteen puoleen, Lynn toteaa, että "jos katsot pointillistia, joka maalaa läheltä, voit tunnistaa kaikki pisteet oikein". Mutta "Jos astut 20 jalkaa taaksepäin, yksityiskohdat hämärtyvät, mutta saat paremman käsityksen kokonaisrakenteesta."
Ihmisen aivot, kuten hän ja hänen kollegansa uskovat, käyvät läpi samanlaisen prosessin, mikä tarkoittaa myös sitä, että he ovat erittäin riippuvaisia oppimisesta aiemmista virheistä.
Tämän hypoteesin todentamiseksi tutkijat tekivät kokeen, jossa he pyysivät osallistujia katsomaan tietokoneen ruutua, jossa oli viisi ruutua peräkkäin. Osallistujien tehtävänä oli painaa näppäinyhdistelmää vastaamaan näytön järjestystä.
Mitatessaan reaktioajat tutkijat havaitsivat, että osallistujat pyrkivät painamaan oikeaa näppäinyhdistelmää nopeammin, kun he pystyivät ennakoimaan tuloksen.
Osana kokeilua tutkijat edustivat ärsykkeitä solmuina, jotka muodostivat osan verkosta. Osallistuja näkisi yhden ärsykkeen solmuna kyseisen verkon sisällä, ja yksi sen viereisestä neljästä muusta solmusta edustaisi seuraavaa ärsykettä.
Lisäksi verkot muodostivat joko "modulaarisen kuvaajan", joka koostui kolmesta toisiinsa kytketystä viisikulmasta, tai "hilakuvaajan", joka käsitti viisi kolmiota, joihin viivat liittyivät.
Tutkijat totesivat, että osallistujat reagoivat nopeammin modulaarisiin kaavioihin kuin ristikkokuvaajiin.
Tutkijoiden mukaan tämä tulos viittaa siihen, että osallistujien oli helpompi ymmärtää modulaarisen kaavion rakennetta - toisin sanoen "isomman kuvan" taustalla olevaa logiikkaa - mikä antoi heille mahdollisuuden tehdä nopeammin ennustuksia suuremmalla tarkkuudella.
Näiden havaintojen avulla Lynn ja kollegat yrittivät arvioida muuttujan arvon, jonka he nimittivät beeta-arvoksi. Tutkijoiden mukaan beeta-arvo näytti olevan alhaisempi ihmisillä, jotka todennäköisemmin tekivät ennustevirheitä, ja korkeammat niillä, jotka suorittivat tehtävän tarkemmin.
Tulevaisuudessa tutkijoiden tavoitteena on analysoida toiminnallisia MRI-skannauksia selvittääkseen, ovatko erilaiset beeta-arvot esittävien ihmisten aivot niin sanotusti "ohjelmoituja" eri tavalla.
