تحقیقات جدید نشان می دهد که مغز بر اساس فواصل زمانی بین پاداش ها یاد می گیرد و اهمیت زمان در یادگیری بسیار فراتر از تعداد دفعات تکرار است. این یافته ها قانون جدیدی را در سیستم دوپامین مغز فاش می کنند که سرعت یادگیری را مستقیما به زمان بندی مرتبط می سازد.
مطالعه ای که اخیرا در Nature Neuroscience منتشر شده نشون می ده که مغز یاد می گیره یه سیگنال خاص رو بر اساس مدت زمانی که بین جایزه ها می گذره، با اون جایزه مرتبط کنه، نه فقط بر اساس تعداد دفعات تکرار. این موضوع اهمیت زمان در یادگیری را در یک بازه زمانی مشخص کاملا به چالش می کشد و ثابت می کند که یادگیری کل کاملا به زمان بندی بستگی دارد. این یافته ها ممکنه درک ما رو از یادگیری حیوانات و آدما تغییر بده. درک اهمیت زمان در یادگیری می تواند پیامدهای گسترده ای داشته باشد.
بیشتر از صد ساله که دانشمندا به طور کلی قبول کردن که یادگیری تداعی گر از طریق آزمون و خطا کار می کنه. یادگیری تداعی گر فرآیندیه که طی اون، یه انسان یا حیوان یاد می گیره یه سیگنال خاص رو به یه نتیجه خاص ربط بده؛ مثل سگی که یاد می گیره صدای زنگ یعنی شام آماده ست. تصور کلی این بوده که تمرین بیشتر باعث یادگیری بهتر می شه.
نگاهی عمیق به اهمیت زمان در یادگیری
دانشمندا قبلا یه مدل ریاضی ساخته بودن که نشون می داد حیوانات با نگاه کردن به گذشته، علتِ اتفاقات مهم رو پیدا می کنن. در این چارچوب، مغز سعی نمی کنه اثرات آینده یه نشونه رو پیش بینی کنه، بلکه از جایزه به عقب برمی گرده تا بفهمه چی باعث اون شده. این رویکرد نوین، درک ما را از اهمیت زمان در یادگیری دگرگون می کند. موقع آزمایش این ایده، دانشمندا متوجه شدن که وقتی زمان بین جایزه ها بیشتر می شه، حیوانات به همون نسبت سریع تر یاد می گیرن.
این ها رو نویسنده مطالعه، ویجی موهان کی. نامبودیری، دانشیار دانشگاه کالیفرنیا در سانفرانسیسکو، گفته. «ما کمی بعد از انتشار این مقاله متوجه شدیم که این مدل پیش بینی می کنه وقتی فاصله بین تمرین ها بیشتر باشه، حیوانات تداعی بین نشونه و جایزه رو به تناسب سریع تر یاد می گیرن؛ این یعنی در یک مدت زمان ثابت، کلِ یادگیری به تعداد دفعات جفت شدن نشونه و جایزه ربطی نداره.»
این مشاهده باعث شد محققان آزمایش کنن که آیا یه قانون ریاضی دقیق بر سرعت یادگیری حاکمه یا نه. اونا می خواستن بفهمن که آیا سرعت یادگیری متناسب با زمان سپری شده بین تجربه های نشونه و جایزه بیشتر می شه یا نه. اونا یه سری آزمایش طراحی کردن تا هم رفتار فیزیکی و هم شیمی مغز رو به صورت لحظه ای اندازه بگیرن.
تاثیر زمان بر سرعت یادگیری در آزمایش های موش
محققان برای درک بهتر مکانیسم های عصبی، از تصویربرداری و بررسی های دقیق آزمایشگاهی استفاده کردند که در تصویر زیر نمایی از این فرآیندها مشاهده می شود:
این تصویر به خوبی نشان می دهد که چگونه فعالیت های مغزی در نواحی مرتبط با پاداش در طول زمان تغییر می کنند و بر یادگیری موثر واقع می شوند.
نامبودیری توضیح داد: «ما تصمیم گرفتیم آزمایش کنیم که آیا قانونی برای کنترل سرعت یادگیری وجود داره و آیا سرعت یادگیری با زمانِ بین تجربه های نشونه و جایزه به صورت تناسبی تغییر می کنه یا نه.» این بخش از تحقیق بر اهمیت زمان در یادگیری حیوانات تمرکز داشت.
محققان مطالعه شون رو با استفاده از 101 موش بالغ نر و ماده انجام دادن. اونا موش های تشنه رو با پخش یه صدای کوتاه و بعد دادن آب قند، به صورت کلاسیک شرطی کردن. موش ها در یک وضعیت ثابت نگه داشته شده بودن تا شرایط آزمایش برای همه سوژه ها کنترل شده و یکسان باشه.
وقتی موش ها این ارتباط رو یاد گرفتن، به محض شنیدن صدا شروع به لیسیدن لوله آب می کردن چون منتظر آب قند بودن. برای اندازه گیری فعالیت مغزی، محققان از تکنیکی به نام فیبر فوتومتری استفاده کردن. اونا یه سنسور فلورسنت خاص رو به هسته اکومبنس (بخشی از مغز که در پردازش جایزه ها نقش مهمی داره) تزریق کردن.
این سنسور وقتی مغز دوپامین (پیام رسان شیمیایی که با لذت، انگیزه و یادگیری مرتبطه) آزاد می کرد، روشن می شد. بررسی علمی تحلیل علمی تاثیر التهاب بر افسردگی و اختلال در سیستم پاداش مغز نشان می دهد که عملکرد صحیح این بخش تا چه حد برای سلامت روان و یادگیری حیاتی است. این حسگر به دانشمندا اجازه داد تا دقیقا زمان پردازش صدا و جایزه رو در مغز رصد کنن. محققان موش ها رو بر اساس مدت زمانی که بین تمرین ها می گذشت، به گروه های مختلف تقسیم کردن. بعضی از موش ها هر 60 ثانیه یک بار صدا و جایزه رو تجربه می کردن، در حالی که بقیه بین هر بار جفت شدن، 600 ثانیه منتظر می موندن.
موش هایی که 600 ثانیه منتظر می موندن، این ارتباط رو تقریبا با یک دهم تعداد دفعاتِ موش های گروه 60 ثانیه ای یاد گرفتن. این نشون دهنده یه رابطه تناسبیه که در اون سرعت یادگیری در هر بار تمرین، با افزایش زمان بین جایزه ها بیشتر می شه. در نتیجه، هر دو گروه موش ها در کل مدت زمان شرطی سازی دقیقا یکسان، این ارتباط رو یاد گرفتن، با وجود اینکه یه گروه تعداد دفعات خیلی کمتری با جفت شدن صدا و جایزه روبرو شده بود.
نامبودیری توضیح داد: «یافته اصلی این مطالعه، یعنی اینکه سرعت یادگیری (اینکه از هر تجربه چقدر یاد گرفته می شه) با زمان بین جایزه ها نسبت مستقیم داره، خیلی غافلگیرکننده بود. با اینکه این موضوع پیش بینی مدل یادگیری گذشته نگر ما بود که بالاتر بهش اشاره شد، اما انتظار داشتیم آزمایش های اولیه ما این پیش بینی رو رد کنه و نیاز بشه مدل رو به روزرسانی کنیم.»
مکانیسم دوپامین و اهمیت زمان در یادگیری
اندازه گیری های دوپامین شواهدی رو نشون داد که با مشاهدات رفتاری مطابقت داشت. در موش هایی که فاصله بین جایزه هاشون بیشتر بود، مغز به تعداد تجربه های کمتری نیاز داشت تا در پاسخ به صدا (به تنهایی) دوپامین آزاد کنه. در واقع واکنش دوپامین چند بار قبل از اینکه موش ها شروع به لیسیدن فیزیکی لوله آب در انتظار جایزه کنن، ظاهر شد.
نامبودیری گفت: «ما تمرین به تمرین بررسی کردیم که چطور واکنش های دوپامین به نشانه ها در طول یادگیری و تحت همون زمان بندی هایی که در رفتار دیدیم، تغییر می کنه. فهمیدیم که سیگنال های دوپامین هم از همون قانون یادگیری پیروی می کنن: سرعت و شدت تغییرات در واکنش های دوپامین به نشانه ها، به میانگین زمان بین جایزه ها بستگی داشت، نه به تعداد دفعات جفت شدن نشونه و جایزه. این شباهت بین رفتار و فعالیت دوپامین نشون می ده که سیستم پاداش مغز یه قانون یادگیری مبتنی بر زمان رو اجرا می کنه و یه زیربنای بیولوژیکی ساده برای چگونگی یادگیری حیوانات از جایزه ها رو فاش می کنه.»
آزمایش های کنترلی و تایید یافته ها
برای اینکه مطمئن بشن نتایج تحت تاثیر عوامل دیگه نیست، دانشمندا چندین آزمایش کنترلی انجام دادن. اونا بررسی کردن که آیا موش ها صرفا به این خاطر سریع تر یاد می گیرن که در روز جایزه کمتری می گیرن و همین باعث می شه آب قند براشون جدیدتر به نظر بیاد یا نه.
محققان همچنین آزمایش کردن که آیا موندنِ زمان بیشتر در اتاق آزمایش بدون پخش صدا نقشی داره یا نه. حتی با کنترل این متغیرها، قانون تناسب ثابت موند. زمان بین جایزه ها همیشه تعیین کننده سرعت یادگیری در هر تمرین بود.
بعد از اون، دانشمندا یادگیری اجتنابی رو با جفت کردن یک صدا با یک شوک ملایم پا در موش هایی که آزادانه حرکت می کردن، آزمایش کردن. اونا توی این سناریو هم همون قانون تناسب رو مشاهده کردن. موش هایی که زمان بین شوک هاشون طولانی تر بود، در دفعات کمتری یاد گرفتن که در پاسخ به صدا در جا خشکشون بزنه.
در یه آزمایش دیگه، محققان تقویت جزئی رو تست کردن. اونا صدا رو هر 60 ثانیه پخش می کردن اما آب قند رو فقط در 10 تا 50 درصد مواقع می دادن. چون جایزه های واقعی از نظر زمانی از هم فاصله بیشتری داشتن، موش ها تداعی دوپامین رو در تعداد دفعات جایزه گرفتنِ خیلی کمتری نسبت به موش هایی که هر بار جایزه می گرفتن، یاد گرفتن.
اهمیت زمان در یادگیری فراتر از اثر فاصله گذاری
تئوری های سنتی یادگیری تصور می کنن که مغز خطای پیش بینی رو لحظه به لحظه محاسبه می کنه. خطای پیش بینی یعنی تفاوت بین جایزه ای که حیوان انتظار داره و جایزه ای که واقعا می گیره. محققان این مدل های قدیمی رو با چارچوب جدیدشون مقایسه کردن که تداعی ها رو فقط موقع دریافت جایزه و با نگاه به گذشته محاسبه می کنه.
وقتی شبیه سازی های کامپیوتری این تئوری های مختلف رو اجرا کردن، مدل های سنتی نتونستن با رفتار موش ها مطابقت داشته باشن. مدل های سنتی نمی تونستن توضیح بدن چرا سرعت یادگیری با زمان بین جایزه ها نسبت مستقیم داره. اما مدل جدید که به گذشته نگاه می کنه، به طور طبیعی همین تناسب دقیق رو پیش بینی کرد و حمایت تئوریک قوی برای یافته های آزمایشی فراهم کرد.
نامبودیری خلاصه کرد: «نکته کلیدی مطالعه ما اینه که چیزی که واقعا یادگیری مبتنی بر پاداش رو پیش می بره، مدت زمانیه که بین جایزه ها می گذره، نه تعداد دفعات جفت شدن نشونه و جایزه که حیوان تجربه می کنه. به زبون ساده، ما فهمیدیم وقتی جایزه ها از نظر زمانی فاصله بیشتری دارن، هر جایزه تکی باعث یادگیری خیلی بیشتری می شه. بنابراین، اگه فاصله جایزه ها 10 برابر بشه، هر جایزه حدودا 10 برابر یادگیری بیشتری به همراه داره.»
«در نتیجه، وقتی به یه بازه زمانی ثابت نگاه می کنید، مقدار کل یادگیری با وجود تعداد خیلی متفاوتِ تجربه های نشونه و جایزه (تا حدود 20 برابر اختلاف)، در نهایت یکسان می شه. این قانون یادگیری که قبلا ناشناخته بود، نشون می ده که تعداد کل تجربه ها عامل اصلی یادگیری نیست، که این موضوع برخی از فرضیات قدیمی در علوم اعصاب و یادگیری تقویتی رو به چالش می کشه. قبلا می دونستیم که فاصله انداختن بین تجربه ها سرعت یادگیری در هر بار رو بیشتر می کنه، اما هنوز تصور می شد که سطح نهایی یادگیری به تعداد کل تجربه ها بستگی داره. آزمایش های ما نشون داد که در عوض، یادگیری کل با زمان تعیین می شه، نه تعداد.»
ممکنه خواننده ها این یافته ها رو با “اثر فاصله گذاری” که خیلی معروفه اشتباه بگیرن. اثر فاصله گذاری یه مفهوم آموزشی کلیه که می گه استراحت بین جلسات مطالعه، یادگیری بهتری نسبت به خرخونیِ یهویی داره. اما این تحقیق جدید به چیزی خیلی خاص تر از مزیت کلیِ استراحت کردن اشاره داره و بر اهمیت زمان در یادگیری تاکید می کند.
نامبودیری تاکید کرد: «ما می خوایم تاکید کنیم که نتایج ما صرفا بیان دیگه ای از اثر فاصله گذاری یا مبانی بیولوژیکی اون نیست، بلکه ما یه قانون یادگیری قبلا ناشناخته رو شناسایی کردیم. اثر فاصله گذاری رو می شه به طور کلی اینجوری خلاصه کرد که “فاصله انداختن بین تجربه ها = یادگیری بهتر”، که یعنی وقتی تجربه ها از نظر زمانی به هم نزدیک باشن، بازدهی شون در یادگیری کم می شه.»
«اما یافته های ما مبنی بر اینکه سرعت یادگیری با زمانِ بین جایزه ها (به طور خاص جایزه ها) نسبت مستقیم داره، مستلزم یه تغییر اساسی در نگاه قبلیه، چون (همون طور که نشون دادیم) این یعنی در یک مدت زمان ثابت، تعداد دفعات تجربه ی نشونه-جایزه هیچ تاثیری بر یادگیری کلی ندارد.»
محدودیت ها و پیامدهای آینده اهمیت زمان در یادگیری
یه محدودیت احتمالی اینه که محققان این قانون خاص رو عمدتا در تنظیمات شرطی سازی ساده با استفاده از موش ها آزمایش کردن. اونا همچنین اشاره کردن که قانون تناسب تمایل داره در بازه های زمانی خیلی طولانی (مثلا وقتی موش ها یک ساعت تمام بین جایزه ها منتظر می موندن) از کار بیفته.
تحقیقات آینده بررسی می کنه که دقیقا کجای مغز این مدت زمان محاسبه می شه. دانشمندا همچنین قصد دارن بررسی کنن که آیا این قانون در مورد جایزه های مواد مغدر هم صدق می کنه یا نه، که می تونه دیدگاه هایی درباره اعتیاد و شکل گیری عادت ها ارائه بده. برای مثال، از اونجایی که چسب های نیکوتین جریان مداومی از نیکوتین رو وارد بدن می کنن، ممکنه ارتباط مغز بین عمل سیگار کشیدن و جایزه رو مختل کنن و میل به سیگار رو کاهش بدن.
استفاده از این اصول زمان بندی در سیستم های هوش مصنوعی هم ممکنه به ماشین ها کمک کنه تا با داده های خیلی کمتری، خیلی سریع تر یاد بگیرن. این نشان دهنده اهمیت زمان در یادگیری حتی برای سیستم های هوش مصنوعی است.
این مطالعه با عنوان «مدت زمان بین جایزه ها، سرعت یادگیری رفتاری و دوپامینرژیک را کنترل می کند،» توسط دنیس آ. برک، آنی تیلور، هویجونگ جئونگ، سول آ لی، لئو زمبیک، برندا وو، جوزف آر. فلودر، گوتام آ. نایک، ریچی چن و ویجی موهان کی. نامبودیری نوشته شده است.
در نهایت، این پژوهش افق های جدیدی را در درک ما از نحوه پردازش اطلاعات توسط مغز باز می کند. با شناخت دقیق تر قوانین ریاضی حاکم بر سیستم های عصبی، می توانیم متدهای آموزشی و درمانی بهتری طراحی کنیم که با ساختار بیولوژیکی ما هماهنگی بیشتری داشته باشند و بهره وری یادگیری را در انسان و حتی سیستم های مصنوعی افزایش دهند.
Neuroscientists just upended our understanding of Pavlovian learning
