Inirerekumendang, 2019

Choice Editor

Maaaring hulaan ng mga biomarker kung aling mga diet ang pinakamainam para sa pagbaba ng timbang
Paano gumagana ang brokuli upang maiwasan ang kanser? Pag-aaral ng malaglag na liwanag
Ang Bikram yoga ay hindi kailangang maging mainit upang makinabang sa kalusugan

Paano nalalaman ng iyong utak ang 'mas malaking larawan?'

Kinikilala ng aming mga talino ang mga pattern at maaaring "distansya" ang kanilang mga sarili mula sa mga detalye upang makita ang "mas malaking larawan." Ang mga mananaliksik ay nagsisikap na malaman kung paano, eksakto, ang utak ay makakakuha ng pananaw.


Dapat pa nating malaman ang eksakto kung paano nagtatatag ang mga utak ng kumplikadong koneksyon.

Ang utak ng tao ay isang komplikadong piraso ng makinarya, na makapag-absorb, makapagproseso, makahawak, makapag-update, at maalala ang isang malawak na dami ng impormasyon na nagpapahintulot sa amin, bilang isang uri ng hayop, hindi lamang upang mabuhay ngunit upang umunlad sa isang mundo na puno ng mga hamon sa ang bawat hakbang.

Sa simula pa, matututuhan ng mga sanggol na makilala at makilala ang mga mukha, upang makilala ang mga tiyak na tunog at magpakita ng kagustuhan para sa kanila, at maging sa proseso ng mga sanhi at epekto ng mga relasyon.

Paano namamahala ang aming talino upang mag-navigate sa mga kumplikadong daluyan ng impormasyon at bumuo ng kapaki-pakinabang na mga asosasyon bagaman? Ito ang tanong na tatlong siyentipiko mula sa Unibersidad ng Pennsylvania sa Philadelphia - Christopher Lynn, Ari Kahn, at Danielle Bassett - ay nakatakda upang sagutin.

Ipinaliwanag ng mga mananaliksik na sa ngayon, naisip ng mga siyentipiko na ang utak ay gumagamit ng mga sopistikadong proseso upang maitatag ang istraktura ng mas mataas na order ng mga istatistikang relasyon.

Sa kanilang kasalukuyang pag-aaral, gayunpaman, ang tatlong investigator ay naglagay ng ibang modelo, na nagpapahiwatig na ang aming talino ay sabik na gawing simple ang impormasyon upang maaari nilang "makita ang mas malaking larawan."

"[Ang utak ng tao] ay patuloy na sinusubukan upang mahulaan kung ano ang darating sa susunod. Kung, halimbawa, ikaw ay nag-aaral sa isang panayam sa isang paksa na alam mo ng isang bagay tungkol sa, mayroon ka ng ilang mga kaalaman sa istraktura ng mas mataas na order. sama-sama at pag-asa kung ano ang iyong maririnig sa susunod. "

Christopher Lynn

Anticipating na mga kahihinatnan

Sa kanilang bagong modelo, na iniharap nila sa American Physical Society March Meeting 2019, ipinaliliwanag ng mga investigator na dapat na lumipat ang utak mula sa mga detalye upang lumikha ng mga koneksyon sa ideya ng mas mataas na order.

Lumalantad sa sining ng Impresyonista upang ilarawan ang konsepto na ito, sinabi ni Lynn na, "kung titingnan mo ang isang puntiristang pagpipinta malapit, maaari mong matukoy ang bawat tuldok nang tama." Ngunit, "Kung humakbang ka ng 20 talampakan, ang mga detalye ay malabo, ngunit makakakuha ka ng mas mahusay na kahulugan ng pangkalahatang istraktura."

Ang mga talino ng tao, siya at ang kanyang mga kasamahan ay naniniwala, dumaan sa isang katulad na proseso, na nangangahulugan din na sila ay lubos na umaasa sa pag-aaral mula sa nakaraang mga pagkakamali.

Upang ma-verify ang teorya na ito, ang mga mananaliksik ay nagsagawa ng isang eksperimento kung saan hiniling nila ang mga kalahok upang tingnan ang isang screen ng computer na nagpapakita ng limang parisukat sa isang hilera. Ang gawain ng mga kalahok ay upang pindutin ang isang kumbinasyon ng mga key upang tumugma sa on-screen sequence.

Kapag sinukat nila ang mga oras ng reaksyon, nakita ng mga mananaliksik na ang mga kalahok ay pinipilit na pindutin ang tamang key na kumbinasyon sa mas mabilis na bilis nang magawa nila ang inaasahang resulta.

Bilang bahagi ng eksperimento, kinakatawan ng mga mananaliksik ang stimuli bilang mga node na bumubuo ng bahagi ng isang network. Ang isang kalahok ay makakakita ng isang pampasigla bilang isang node sa loob ng network na iyon, at isa sa apat na iba pang mga node na katabi nito ay kumakatawan sa susunod na pampasigla.

Bukod dito, ang mga network ay binuo ng isang "modular graph" na binubuo ng tatlong konektadong pentagons o isang "lattice graph" na binubuo ng limang triangles na may mga linya na nagli-link sa kanila.

Natuklasan ng mga mananaliksik na ang mga kalahok ay mabilis na tumugon sa mga modular graph kaysa sa mga graph na pang-lattice.

Ang resultang ito, sinasabi ng mga investigator, ay nagpapahiwatig na ang mga kalahok ay mas madaling maunawaan ang istruktura ng modular graph - iyon ay, ang pinagbabatayan ng lohika ng "mas malaking larawan" - na nagpapahintulot sa kanila na gumawa ng mas mabilis na mga hula na may mas mataas na katumpakan.

Gamit ang mga natuklasan, sinubukan ng Lynn at mga kasamahan na tasahin ang isang variable na halaga na pinangalanan nila ang "beta" na halaga. Sinasabi ng mga mananaliksik na ang beta na halaga ay tila mas mababa sa mga taong mas malamang na gumawa ng mga error sa prediksyon at mas mataas sa mga taong nakumpleto ang gawain nang mas tumpak.

Sa hinaharap, ang mga mananaliksik ay naglalayong pag-aralan ang mga pag-scan ng MRI na gumagana upang makita kung ang mga talino ng mga tao na nagpapakita ng iba't ibang mga halaga ng beta ay, sa gayon ay nagsasalita, "na-program" nang magkakaiba.

Popular Kategorya

Top