وقتی بچه ها یاد می گیرند چگونه لباس های خود را به هم بزنند، این کار را در گام های گام به گام انجام می دهند: یک حلقه و یا تسمه کشیدن.
پس از تکرار کافی، مغز ما این مراحل را به "تکه ها" تبدیل می کند.
شبیه سازی جنبش، به عنوان پدیده شناخته شده است، استراتژی است که رشته های طولانی اطلاعات را به قطعات کوچک تر و قابل کنترل تر که ساده تر به یاد داشته باشید را کاهش می دهد.
"چنگ زدن محصول جانبی یک استراتژی هوشمندانه است که هزینه های یادگیری را به حداقل می رساند."
دانشمندان می دانند که برای افراد مبتلا به بیماری پارکینسون، بیماری هانتینگتون و سکته مغزی، این جنبش جنبشی شدیدا مختل می شود. درک زخم ها و چگونگی کارکرد آن برای تشخیص زود هنگام، درمان و درمان توانبخشی حیاتی است. با این حال، علم به هیچ وجه توضیح خاصی برای آن ندارد.
اما اکنون محققان یک نظریه جامع را برای اینکه چرا تراکم اتفاق می افتد، ایجاد کرده است. فرایندهای تحقیقاتی به عنوان یک توافق اقتصادی در سیستم موتور، که در آن ادغام تکه های کوچک به طور مطلوب "مقرون به صرفه" در مراحل خاص یادگیری، می شود. یافته ها در مجله منتشر شده است طبیعت ارتباطات.
اسکات گرفتون، استاد پزشکی اعصاب دانشگاه کالیفرنیا، سانتا باربارا می گوید: "سیستم عصبی می کوشد تا جنبش ها را به طور موثر تولید کند." "با این حال، هزینه محاسباتی برای محاسبه مسیرهای کارآمد وجود دارد. نقطه شیرین بین این اهداف منجر به تناوب می شود. "
مشکل و کارآمد
Grafton و همکارانش از ابزارهای کنترل موتور محاسباتی استفاده می کنند که مدل های کامپیوتری را برای کشف نحوه کنترل اندام های مغز و اهداف و محدودیت های سیستم حرکتی تولید می کند. در این زمینه محققان دچار مشکل شده اند که چگونه انسان ها و سایر حیوانات از جنبش های ساده اما بی ثبات محاسباتی به نیازهای محاسباتی، اما کارآمد انتقال می یابند.
Grafton می گوید: "مطالعه ما این مشکل را با نشان دادن - از لحاظ تئوری و تجربی حل می کند - که راه های یادگیری پیچیدگی بیشترین مقرون به صرفه آنهایی هستند که باعث ایجاد شکنندگی می شوند." "بنابراین، تراکم محصول جانبی محصول یک استراتژی هوشمندانه است که هزینه های یادگیری را به حداقل می رساند."
محققان اندازه گیری کردند که چگونه ریزوس ماکاکس چندین روز تمرین را تولید کرده و متوجه شد که این حیوانات واقعا دانش آموزان مقرون به صرفه هستند. با انتخاب زمانی که با یک روش هوشمندانه با هم تکه تکه کردن، میمون ها صرفه جویی در هزینه های تجمعی یادگیری را به دست آوردند.
آنها توالی جنبش را به تکه ها تقسیم کردند، برای کارآیی درون تراشه ها بهینه سازی شده بودند، و سپس تکه های ادغام شدند، فقط زمانی که بیشترین بازده در کارایی لازم بود.
"تراکنش جنبش در سلامت و بیماری در انسان و حیوانات گسترده است، اما تا کنون یک نظریه هنجاری فاقد بود،" گرفتون می گوید: "تئوری ما مسیرهای حرکتی مطلوب را به دست می آورد، و این آزمایشات که در آن میمون ها برای تولید یک توالی جدید از حرکات در طول مدت زمانی طولانی نشان می دهد که تئوری ما ویژگی های اساسی تکه هایی که در حرکات آنها ظاهر می شود را توضیح می دهد. "
فریم پدیده شکنی به عنوان یک توافق اقتصادی، دیدگاه تازه ای را در زمینه یادگیری حرکتی و اختلالات آن ارائه می دهد.
به عنوان مثال، ماهیت نامنظم جنبش پس از سکته مغزی ممکن است به کاهش بودجه محاسباتی برای یادگیری حرکتی منجر شود، و بنابراین حرکات ناکارآمد در سکته مغزی ممکن است به این بودجه سازگار باشد، Grafton توضیح می دهد. او اضافه می کند که هر رویکرد توانبخشی می تواند از این بینش سود ببرد.
Grafton می گوید: "دیدگاه محاسباتی ما در مورد تراکم نیز سوالات جدیدی را در مورد اینکه چگونه مغز جنبش را کنترل می کند، باز می کند." "به طور خاص، شواهد اخیر برای تطبیق عصبی تراکم در مغز، باید با توجه به نظریه های محاسباتی مجددا بررسی شوند.
"آیا نورون ها تصمیم گیری های سینماتیک، بودجه محاسباتی یا اهداف بهره وری را کد گذاری می کنند؟ این سوالات باز گسترده برای کل زمینه کنترل موتور است. "
منبع: دانشگاه کالیفرنیا سانتا باربارا
کتاب های مرتبط
at InnerSelf Market و آمازون
