
เชฟจะควบคุมมีดเพื่อแล่เนื้อปลาหรือปอกองุ่นและควงมีดได้อย่างมีประสิทธิภาพเท่ากับมีดปอกผลไม้ได้อย่างไร? แม้แต่พวกเราที่ไม่ค่อยเชี่ยวชาญในครัวก็ยังเรียนรู้ที่จะจัดการกับสิ่งของต่างๆ มากมายที่น่าอัศจรรย์ตลอดชีวิตของเรา ตั้งแต่เชือกผูกรองเท้าไปจนถึงไม้เทนนิส
ความสามารถในการรับทักษะใหม่อย่างต่อเนื่องโดยไม่ลืมหรือลดคุณค่าของทักษะเก่านั้นเกิดขึ้นตามธรรมชาติของมนุษย์ แต่เป็นความท้าทายที่สำคัญแม้แต่กับระบบปัญญาประดิษฐ์ที่ล้ำหน้าที่สุดในปัจจุบัน
ตอนนี้ นักวิทยาศาสตร์จากมหาวิทยาลัยเคมบริดจ์และมหาวิทยาลัยโคลัมเบีย (สหรัฐอเมริกา) ได้พัฒนาและตรวจสอบทฤษฎีทางคณิตศาสตร์ใหม่ที่อธิบายวิธีที่สมองของมนุษย์บรรลุผลสำเร็จในการทดลองนี้ รูปแบบที่เรียกว่า Contextual INference (COIN) แสดงให้เห็นว่าการระบุบริบทปัจจุบันเป็นกุญแจสำคัญในการเรียนรู้วิธีขยับร่างกายของเรา
แบบจำลองนี้อธิบายกลไกในสมองที่พยายามค้นหาบริบทปัจจุบันอย่างต่อเนื่อง ทฤษฎีนี้เสนอว่าความเชื่อที่เปลี่ยนแปลงอย่างต่อเนื่องเกี่ยวกับบริบทเหล่านี้เป็นตัวกำหนดวิธีการใช้ความทรงจำที่มีอยู่ และจะสร้างความทรงจำใหม่หรือไม่ รายงาน ผลการวิจัยใน วารสาร Nature
“ลองนึกภาพเล่นเทนนิสด้วยแร็กเกตที่แตกต่างจากปกติหรือเปลี่ยนจากเทนนิสเป็นสควอช” ดร.แดเนียล โวลเพิร์ต ผู้เขียนร่วมอาวุโสจากมหาวิทยาลัยโคลัมเบียกล่าว “ทฤษฎีของเราสำรวจว่าสมองของคุณปรับตัวอย่างไรกับสถานการณ์เหล่านี้ และพิจารณาว่าควรปฏิบัติต่อมันเป็นบริบทที่แตกต่างกันหรือไม่”
ตามแบบจำลองของ COIN สมองจะรักษาความทรงจำเกี่ยวกับการเคลื่อนไหว ซึ่งแต่ละส่วนสัมพันธ์กับบริบทที่สมองสร้างขึ้น เช่น การเล่นสควอชกับเทนนิส แม้แต่การเหวี่ยงแร็กเกตเพียงครั้งเดียว สมองก็สามารถดึงความทรงจำต่างๆ ขึ้นมาได้ โดยแต่ละส่วนจะสัมพันธ์กับปริมาณที่สมองเชื่อว่าขณะนี้อยู่ในบริบทที่สร้างความทรงจำนั้นขึ้น
สิ่งนี้ขัดกับมุมมองดั้งเดิมที่ใช้หน่วยความจำเพียงครั้งละเดียวเท่านั้น เพื่อปรับปรุงประสิทธิภาพในการสวิงครั้งต่อไป สมองยังได้อัปเดตความทรงจำทั้งหมดอีกครั้ง โดยขึ้นอยู่กับความเชื่อของมันเกี่ยวกับบริบทปัจจุบัน เมื่อบริบทของการเคลื่อนไหวถูกมองว่าเป็นเรื่องใหม่ (เช่น ครั้งแรกที่เราเล่นสควอชหลังจากเล่นเทนนิสมาหลายปี เป็นต้น) สมองจะสร้างความทรงจำใหม่สำหรับบริบทนั้นโดยอัตโนมัติ เพื่อให้แน่ใจว่าเราจะไม่เขียนทับความทรงจำที่สร้างไว้ก่อนหน้านี้ เช่น หน่วยความจำสำหรับการเล่นเทนนิส
งานวิจัยนี้อาจนำไปสู่กลยุทธ์ทางกายภาพบำบัดที่ดีขึ้นเพื่อช่วยให้ผู้บาดเจ็บกลับมาใช้ร่างกายได้อีกครั้ง บ่อยครั้งที่การปรับปรุงที่เห็นในการตั้งค่าของสำนักงานนักกายภาพบำบัดไม่ได้ถ่ายโอนไปยังการปรับปรุงในโลกแห่งความเป็นจริง
ดร.เจมส์ ฮีลด์ ผู้เขียนคนแรกกล่าวว่า “ด้วยความเข้าใจที่ดีขึ้นว่าบริบทส่งผลต่อการเรียนรู้ด้วยการเคลื่อนไหวอย่างไร คุณสามารถนึกถึงวิธีกระตุ้นสมองเพื่อสรุปสิ่งที่เรียนรู้จากบริบทนอกเซสชั่นกายภาพบำบัด “ความเข้าใจที่ดีขึ้นเกี่ยวกับกลไกพื้นฐานที่รองรับการพึ่งพาบริบทของหน่วยความจำและการเรียนรู้อาจมีผลการรักษาในด้านนี้”
ศาสตราจารย์ Máté Lengyel ผู้เขียนร่วมอาวุโสจากภาควิชาวิศวกรรมศาสตร์ของเคมบริดจ์กล่าวว่า “สิ่งที่ฉันพบว่าน่าตื่นเต้นคือหลักการของแบบจำลอง COIN อาจนำไปใช้กับการเรียนรู้และความจำรูปแบบอื่น ๆ มากมายไม่ใช่แค่ความทรงจำที่อยู่ภายใต้การเคลื่อนไหวของเรา “ตัวอย่างเช่น การกลับมาของความทรงจำที่ดูเหมือนลืมไปโดยธรรมชาติ ซึ่งมักเกิดจากการเปลี่ยนแปลงในสภาพแวดล้อมของเรา ได้รับการสังเกตทั้งในการเรียนรู้ด้วยการเคลื่อนไหวและในความผิดปกติของความเครียดหลังเหตุการณ์สะเทือนขวัญ”
COINing รุ่นใหม่
ฝึกซ้อมกับไม้เทนนิส แล้วสมองจะสร้างความทรงจำเกี่ยวกับการเคลื่อนไหวแขนของคุณและส่วนอื่นๆ ของร่างกายที่ช่วยปรับปรุงการเสิร์ฟของคุณเมื่อเวลาผ่านไป นักวิจัยกล่าวว่าการเรียนรู้ไม่ง่ายเพียงแค่สร้างความทรงจำที่ดีขึ้นเพื่อให้การเคลื่อนไหวแม่นยำยิ่งขึ้น มิฉะนั้น การเสิร์ฟของนักเทนนิสอาจพัฒนาจนถึงจุดที่ไม่เคยตีลูกออกนอกสนาม โลกแห่งความจริงและระบบประสาทของเรานั้นซับซ้อน และสมองต้องรับมือกับความแปรปรวนมากมาย
สมองแยกแยะเสียงนี้ – ความผันผวนแบบสุ่ม – จากสถานการณ์ใหม่ได้อย่างไร? และเข้าใจได้อย่างไรว่าไม้เทนนิสที่เบากว่าเล็กน้อยยังคงสามารถใช้งานได้โดยใช้ความทรงจำของไม้เทนนิสก่อนหน้า แต่ไม้ปิงปองนั้นเป็นสิ่งที่แตกต่างไปจากเดิมอย่างสิ้นเชิงที่ต้องเริ่มจากศูนย์?
คำตอบตามแบบจำลอง COIN อาจเป็นการอนุมานแบบเบย์ ซึ่งเป็นเทคนิคทางคณิตศาสตร์ที่ใช้จัดการกับความไม่แน่นอน วิธีการนี้ชั่งน้ำหนักหลักฐานใหม่ทางสถิติโดยพิจารณาจากประสบการณ์ก่อนหน้านี้ เพื่อที่จะปรับปรุงความเชื่อในโลกที่เปลี่ยนแปลงได้ ในรูปแบบ COIN บริบทเป็นการสันนิษฐานแบบง่ายๆ ว่าในสถานการณ์ที่กำหนด การกระทำบางอย่างมีแนวโน้มที่จะนำไปสู่ผลที่ตามมามากกว่าการกระทำอื่นๆ นักวิทยาศาสตร์ตั้งข้อสังเกตว่าทฤษฎีใหม่ยอมรับบทบาทของความไม่แน่นอนในการเรียนรู้ด้วยมอเตอร์คล้ายกับที่ฟิสิกส์ควอนตัมมองจักรวาลในแง่ของความน่าจะเป็นแทนที่จะเป็นความแน่นอน
รับมือทฤษฎี
นักวิจัยได้นำแบบจำลอง COIN ไปทดสอบข้อมูลจากการทดลองครั้งก่อน เช่นเดียวกับการทดลองใหม่ ซึ่งอาสาสมัครมีปฏิสัมพันธ์กับที่จับของหุ่นยนต์ ผู้เข้าร่วมเรียนรู้วิธีจัดการที่จับเพื่อไปให้ถึงเป้าหมายในขณะที่ด้ามจับดันกลับด้วยวิธีต่างๆ
ตัวอย่างเช่น อาสาสมัครที่ใช้เวลาเรียนรู้การใช้ที่จับขณะผลักไปทางซ้าย มีปัญหาในการใช้งานที่จับเมื่อเปลี่ยนพฤติกรรมและผลักไปทางขวา เมื่อเทียบกับอาสาสมัครที่เริ่มต้นด้วยมือจับที่ผลักไปทางขวา โมเดล COIN อธิบายผลกระทบนี้ ซึ่งเรียกว่าการรบกวนแบบแอนเทอโรเกรด
“ยิ่งคุณเรียนรู้งานหนึ่งงานนานเท่าไหร่ โอกาสที่คุณจะย้ายไปอยู่ในบริบทใหม่กับงานที่สองก็จะยิ่งน้อยลงเท่านั้น” วอลเพิร์ตกล่าว “คุณยังคงสร้างความทรงจำเกี่ยวกับงานที่สอง แต่คุณยังไม่ได้ใช้มันเพราะสมองของคุณยังคงติดอยู่กับบริบทแรก”
ตัวแบบยังคาดการณ์ว่าทักษะที่เรียนรู้สามารถเกิดขึ้นใหม่ได้แม้หลังจากการฝึกครั้งต่อๆ ไป ดูเหมือนว่าจะลบออกไปแล้ว เรียกว่าการฟื้นตัวโดยธรรมชาติ การเกิดขึ้นใหม่นี้มีให้เห็นในรูปแบบการเรียนรู้อื่นๆ มากมาย นอกเหนือจากการเรียนรู้ด้วยการเคลื่อนไหว ตัวอย่างเช่น การฟื้นตัวโดยธรรมชาติมีความเชื่อมโยงกับความท้าทายในการรักษาโรคเครียดหลังเหตุการณ์สะเทือนขวัญ ซึ่งบริบทต่างๆ สามารถกระตุ้นความทรงจำที่กระทบกระเทือนจิตใจให้กลับมาเกิดซ้ำได้เองตามธรรมชาติ
นักวิทยาศาสตร์มักจะอธิบายการฟื้นตัวที่เกิดขึ้นเองโดยเรียกใช้กลไกการเรียนรู้ที่แตกต่างกันสองแบบ ประการหนึ่ง ความทรงจำที่เรียนรู้เร็วจะถูกลืมอย่างรวดเร็ว และอีกประการหนึ่ง ความทรงจำที่เรียนรู้อย่างช้า ๆ จะถูกลืมอย่างช้าๆ และสามารถปรากฏขึ้นอีกครั้งได้ ในทางตรงกันข้าม โมเดล COIN แนะนำว่ามีเพียงกลไกเดียวสำหรับการเรียนรู้แทนที่จะเป็นสองกลไกที่แยกจากกัน และความทรงจำที่หายไปอย่างเห็นได้ชัดอาจพร้อมที่จะปรากฏขึ้นพร้อมกับทริกเกอร์ที่ถูกต้อง นั่นคือ ความเชื่อที่ว่าบริบทได้เกิดขึ้นอีกครั้ง นักวิจัยยืนยันสิ่งนี้ในห้องปฏิบัติการด้วยการทดลองใหม่
Máté Lengyel เป็นเพื่อนของวิทยาลัยเชอร์ชิลล์ การวิจัยได้รับการสนับสนุนจาก European Research Council, Wellcome Trust, Royal Society, National Institutes of Health และสภาวิจัยวิศวกรรมและกายภาพบำบัด
อ้างอิง:
James B Heald, Máté Lengyel และ Daniel M Wolpert ‘ การอนุมานตามบริบทสนับสนุนการเรียนรู้ของละครเกี่ยวกับเซ็นเซอร์ ‘ ธรรมชาติ (2564). ดอย: 10.1038/s41586-021-04129-3