少量遺忘有助於提高學習動力

知識 10-18

少量遺忘有助於提高學習動力

學習、動機和獎勵都是複雜的神經實體。近期研究有了些進步，但還有很多問題沒有解決。反常地，根據最新研究，忘記對獎勵的期盼實際上可能會讓人在某些情況下，學習效果更好。

我們是如何目的明確地找到獎勵似乎在一定程度上依賴於健忘。雖然學習、經歷和動機發生的機制還不太明確，神經遞質多巴胺參與的程度很大。

現在的研究補充了我們對於多巴胺如何轉化為獎勵，這種信息在大腦中的處理過程的了解，有可能還可以回答一些複雜的問題。

這些工作時基於以前的工作的，前期研究展示了健忘實際上是如何幫助某些形式的學習。

近期的發現是又一重要的解釋動機和獎勵的神經科學的模塊。

該領域一項重要的理論就是獎勵-預測-誤差（RPE）。RPE出現的目的是形成大腦評估獎勵和促進組織完成目標的神經基礎。

大腦中某些多巴胺能的神經元在完成任務和獎勵不容易拿到時會產生反應。如果期望得到已經收到的獎勵，這些神經元就不會有反應，然而，如果不期望得到獎勵，神經元就會有反應。這些神經元不會通過獎勵是否得到來編碼，而是區分期望與實際，這就是RPE。

簡單來說，如果一隻大鼠隨機握住一個槓桿，不會期望有獎勵，但是，如果得到一個獎勵，這些神經元就會開火，多巴胺將會提高。如果大鼠握住一個槓桿，並期望得到獎勵，它們就不會開火。因此，如果期望得到獎勵，多巴胺就會減少。

然而，其他近期研究顯示，這種多巴胺反應可能有時會一直保持在很高的水平，即使在某些類型的任務中，是朝著預定的獎勵目標努力的，多巴胺水平一直很高，研究人員認為這種長期保持的信號可能會代表動機。

人們認為，多巴胺釋放的方式可以幫助在兩種模式之間轉換：多巴胺脈衝影響獎勵的RPE方面，然而，一種更長期的更持續的多巴胺信號會創造並保持一種達到目標的動機。

本研究發表在本周的《PLOS計算生物學》上，開始更好地了解這種多巴胺的雙面效應的作用形式。

為了研究這種奇怪的難題，東京大學的Ayaka Kato和Kenji Morita運用了計算機建模的研究能力。兩人創建了一種模型，這種某些通過一系列決策來解決一個難題，類似於計算機迷宮；為了加入一定程度的遺忘因素，研究人員將神經元之間與獎勵相關的聯繫編程為隨時間的推移而減弱。

模型設計出來以後，他們就開始運行試驗幾百次，並對結果進行分析。與一般的預期相反，內置的遺忘實際上會加強動機，並提高目標實現的速度。

總地來說，一點遺忘可以幫助保持動機的強度，並提高模型實現目標的速度。

作者得出結論，少量的遺忘可以幫助讓很小的獎勵出入意料，幫助保持達到目標的動機活躍。遺忘可以有效地降低期望的水平。

Morita表示，尼采曾說過，遺忘是幸福的。我們的計算研究顯示，實際真的是這樣，即使原因不同。

以前，科學家發現神經遞質多巴胺水平的下降可以降低動機。這些發現幫助人們理解以前讓研究人員困惑的發現。

作者希望，這些結果最終可能幫助治療一下多巴胺相關的神經性疾病：這可能與神經病學異常有關，尤其是帕金森綜合症，這些疾病的特徵是動力和動機損害，可以與多巴胺水平有關。

對生物學價值學習系統的動力學更深入的了解可能會對這些疾病的臨床策略有關。

這些結果需要在實驗室環境中重現，才能確證。未來，研究團隊希恩能夠研究其他內在因子的效應，如年齡、情緒和健康。這些因素如何影響遺忘的速率，是否可以調節來改善動機，這些研究將非常引人入勝。

編輯|刪除

您可能感興趣