Como o cérebro implanta várias estratégias lógicas para lidar com funções mentais desafiadoras

O cérebro humano é muito bom na solução de problemas complexos. Uma razão para isso é que os seres humanos podem interromper os problemas nas subtaretas gerenciadas que são fáceis de resolver por vez.

Isso nos permite concluir uma tarefa diária, como sair para tomar um café, dividindo -o em etapas: saindo de nosso prédio de escritórios, navegando na cafeteria e uma vez lá, recebendo café. Essa estratégia nos ajuda a lidar com obstáculos facilmente. Por exemplo, se o elevador estiver quebrado, podemos modificar como saímos do edifício sem alterar outros estágios.

Embora essas tarefas complexas sejam uma grande evidência de comportamento que exibe as habilidades dos seres humanos, é difícil preparar paisagens experimentais que permitam caracterização precisa das estratégias computacionais que usamos para resolver problemas.

Em um novo estudo, os pesquisadores do MIT modelavam com sucesso como as pessoas implantam estratégias de tomada de decisão separadas para resolver uma tarefa complexa neste caso, prevendo como uma bola de olhar para a bola viajará por um labirinto. Aparece no trabalho Natureza comportamento humanoAssim,

humano Essa tarefa não pode ser realizada completamente porque é impossível rastrear todas as obras de trajetória possíveis em paralelo, mas os pesquisadores descobriram que as pessoas podem ter um bom desempenho adotando duas estratégias flexíveis, conhecidas como hierárquicas. lógica E argumento do contra -efetu.

Os pesquisadores também foram capazes de determinar a situação sob a qual as pessoas escolhem cada uma das estratégias.

“जो मनुष्य करने में सक्षम हैं, वह सब्सक्शन में भूलभुलैया को तोड़ने के लिए है, और फिर अपेक्षाकृत सरल एल्गोरिदम का उपयोग करके प्रत्येक कदम को हल करने के लिए। प्रभावी रूप से, जब हमारे पास एक जटिल समस्या को हल करने का साधन नहीं होता है, तो हम सरल हेयूरिस्टिक्स का उपयोग करके प्रबंधन करते हैं, जो कि काम पूरा हो जाता है, जो कि मस्तिष्क और संज्ञानात्मक विज्ञान के एक सदस सदस्य, एक सदस्य, एक सदस्य, एक सदस्य, एक सदस्य, एक membro, um membro, instituto e escritor sênior do estudo.

Mahdi Ramadan, Ph.D. E o estudante de graduação Cheng Tang é um escritor líder de papel. Nicholas Waters, Ph.D. Há também um co-roteirista.

Estratégias racionais

Quando os seres humanos realizam tarefas simples, que têm uma resposta correta clara, como a classificação de objetos, eles têm um desempenho muito bom. Quando as tarefas se tornam mais complicadas, como planejar viajar para o seu café favorito, agora não pode mais ser uma resposta melhor. E, em cada estágio, há muitas coisas que podem estar erradas.

Nesses casos, os seres humanos são muito bons para uma solução que alcançará a tarefa, mesmo que não seja a solução ideal.

Essas soluções geralmente incluem atalhos, ou hyurísticas que resolvem o problema. Geralmente, dois grandes humanos de sucessão dependem de argumentos hierárquicos e relativos.

O argumento hierárquico é o processo de dividir um problema em camadas, que começa do normal e se move em direção às nuances. O raciocínio contrafactual envolve imaginar o que teria acontecido se você tivesse feito uma opção diferente. Embora essas estratégias sejam bem conhecidas, os cientistas não sabem muito sobre como o cérebro decide quem usar em uma determinada posição.

“Esta é realmente uma grande pergunta ciência cognitiva: Ao criar uma heroística inteligente, como causamos problemas em uma sub-forma, encadeamos de uma maneira que nos aproximemos cada vez mais de resolver o problema? “Jajeri diz.

Para superar isso, Jejeri e seus colegas prepararam uma tarefa complicada o suficiente para a necessidade dessas estratégias, mas é simples o suficiente para que os resultados e os cálculos que entram neles possam ser medidos.

Os participantes da tarefa requerem previsão de um caminho de bola, porque ela percorre quatro possíveis trajetórias em um labirinto. Uma vez que a bola entra no labirinto, as pessoas não podem ver qual caminho ela viaja. Em dois cruzamentos no labirinto, eles ouvem uma audição Q quando a bola atinge o ponto. Princular o caminho da bola é uma tarefa que é impossível para os humanos resolvê -la com a precisão certa.

“Isso requer quatro simulação paralela em seu cérebro, e nenhum ser humano pode fazê -lo. É de cada vez ter quatro conversas”, diz Jejeri. “A tarefa nos permite explorar esse conjunto de algoritmos que os humanos usam, porque você não pode resolvê -lo melhor”.

Os pesquisadores recrutaram cerca de 150 voluntários humanos para participar do estudo. Antes que cada sujeito inicie o trabalho de rastreamento de esferas, os pesquisadores avaliaram como poderiam estimar várias centenas de tackles de milissegundos, sobre a duração desse tempo para levar a bola para viajar com uma mão do labirinto.

Para cada participante, os pesquisadores criaram modelos computacionais que poderiam prever o padrão de erros que seriam vistos para o participante (com base em suas habilidades de tempo), se estivessem executando simulação paralela, usando argumentos somados sozinhos, sozinhos ou usando uma combinação de duas estratégias de argumento.

Os pesquisadores compararam o desempenho dos indivíduos com as previsões do modelo e descobriram que, para todos os sujeitos, seu desempenho estava mais intimamente associado a um modelo, usando argumentos hierárquicos, mas às vezes mudou para argumentos contra -efeitos.

Isso mostra que, em vez de rastrear todas as rotas possíveis que levam a bola, as pessoas quebraram o trabalho. Primeiro, ele escolheu Disha (esquerda ou direita), na qual pensou que a bola se virou para o cruzamento e continuou a rastrear a bola pelo próximo turno. Se ele soubesse o tempo do próximo som, ele não era compatível com o caminho que selecionava, ele voltaria e modificava sua primeira previsão – mas apenas algum tempo.

Volte por outro lado, o que representa uma mudança para um argumento respeitável, as pessoas precisam revisar sua memória de toneladas que ouviram. No entanto, acontece que essas memórias nem sempre são confiáveis, e os pesquisadores descobriram que as pessoas decidiram voltar ou não, com base em quão boas consideram sua memória.

“As pessoas confiam no contra -fectel na medida em que é útil”, diz Jejeri. “As pessoas que sofrem uma grande perda de desempenho quando se contraem, evitam fazê -lo. Mas se você é alguém que é realmente bom em obter informações dos últimos tempos, pode voltar para o outro lado”.

Limites humanos

Para validar seus resultados, os pesquisadores fizeram um aprendizado de máquina Rede Neural E treinou para completar o trabalho. Um modelo de aprendizado de máquina treinado nessa tarefa rastreará o caminho da bola corretamente e preverá corretamente sempre que os pesquisadores não faz fronteira com seu desempenho.

Quando os pesquisadores acrescentaram limitações cognitivas aos seres humanos, eles descobriram que o modelo substituiu suas estratégias. Quando eliminaram a capacidade do modelo de seguir toda a trajetória possível, começou a empregar humanos como humanos e empregar estratégias respeitáveis.

Se os pesquisadores reduzissem a capacidade de recall de memória do modelo, ele só começou a mudar para o hierárquico, se se pensasse que seu recall seria suficiente para obter a resposta correta – como os humanos.

“O que descobrimos é que as redes imitam o comportamento humano quando impomos aos obstáculos computacionais que encontramos Comportamento humano“Jazeri diz.” Isso está realmente dizendo que os humanos estão trabalhando racionalmente sob os obstáculos sob os quais eles precisam trabalhar. , Assim,

Ao isolar ligeiramente a quantidade de programa de perda de memória programado no modelo, os pesquisadores também indicaram que a troca de estratégias ocorre gradualmente em um ponto de corte separado.

Agora eles estão estudando ainda mais para determinar o que está acontecendo no cérebro, porque essas mudanças são feitas na estratégia.

Esta história foi reintegrada, cortesia do MIT News (web.mit.edu/newsoffice/), Um site popular que abrange notícias sobre pesquisa, inovação e ensino do MIT.