如何利用经验快速识别男厕女厕?

2019 年 6 月 2 日 中科院之声

大家有没有想过,当我们还小的时候,为什么父母只需要教一次怎么区分男女生厕所的标志,我们就可以从形态各异、颜色不同的标志中正确区分出来?或者老师教会我们一道题之后,我们也可以自己解决一些类似的新题?其实这是因为我们具有“举一反三”的能力。科学家们最近发现,掌管这种能力的是大脑后侧、顶部皮层中的神经元。


功能强大的后顶叶皮层


后顶叶皮层是一个功能非常强大的脑区,这个脑区受损的病人会产生视觉性共济失调症状,即不能协调视觉与运动之间的关系,比如出现以下状态:

 

即使能看到自己的手掌方向和槽口的方向不一致,仍然不能够成功调整自己手掌的方向来将手放入到槽口中。

 

不能够成功用同侧的手触及对侧的物体所在位置。

 

存在视觉感知半侧缺失的现象,常常表现为只能看到前面物体的一半,而另一半的内容在感知上是缺失的。

 

后顶叶皮层还与空间记忆功能相关,损伤后可能会不能感知预测已经跑过的距离。


疑问:后顶叶皮层到底参不参与抉择呢?


在此之前,人们反复给予相同的听觉或者视觉刺激来训练灵长类动物作判断,经过长期训练之后,猴子已经学会了对这些感觉刺激进行判断。但是实验结果发现:虽然后顶叶皮层神经元的活动与动物的抉择存在相关性,但是失活(类似于损伤)之后并不影响动物对已学会刺激所作的抉择,人们开始对后顶叶皮层参与抉择功能产生怀疑。


灵感: “旧题型”与“新题型”


我们每天都需要做出各种各样的抉择,有时候需要面对一些已经学会的感觉刺激作抉择——“旧题型”,比如当学会一种男厕和女厕的图标之后,我们可以根据学会的图标进入对应的洗手间(图1B)。


而有的时候则需要依赖过去的“旧题型”来对一些从未接触过的感觉刺激作抉择——“新题型”,比如当去到外地的厕所,出现了之前从未见过的图标,但是我们却能根据以前的经验迅速而且准确地判断出哪一个图标对应男厕或者女厕(图1C)。

 

图1 不同形式的抉择


但是,前人的研究却忽略“新题型”的抉择。实际上,这种形式的抉择在我们的生活中更为重要,因为我们不可能也不需要将世界上所有的男厕和女厕的图标都学会,最简单有效的方法就是将其中的一种或几种学会并形成类别概念——经验,然后根据这些经验来对新出现的或从未接触过的图标进行判断并归类到已有的类别中去。


惊喜:小老鼠也可以“举一反三”


中国科学院神经科学研究所的科学家意识到抉择有不同的类型,因此专门设计了一个实验让小鼠根据已经学会的声音刺激来对新声音进行抉择。起初,小鼠要先学会判断低频(8 kHz)和高频(32 kHz)的两个声音,判断正确的话就会得到奖赏。


通过训练,小鼠学会了“低频”和“高频”这两个概念。然后给予小鼠新的频率刚好是介于已经学会的两个声音之间的新声音,正常小鼠能够根据经验做出正确的抉择,将这些从未接触过的声音刺激很好地区分到“低频”和“高频”这两个类别中去,说明小鼠也是能够根据“旧题型”的经验来做“新题”的。


发现:后顶叶皮层是“举一反三”的关键


为了验证后顶叶皮层是否参与“举一反三”,实验室成员通过两种不同的神经元操纵方法来对后顶叶皮层进行失活(暂时性损伤),然后惊奇地发现小鼠根据已有经验对这些新声音所作的抉择明显变差了,这说明后顶叶皮层确实参与了根据已有经验对新刺激作抉择的过程。


同时,细心的科学家还发现了另一个现象,虽然失活后顶叶皮层影响了对新声音的抉择,但是对学会的两个声音的抉择却没有任何影响。于是科学家又提出了疑问:假如小鼠也将这些新声音学会,就变成了“旧题型”,是不是就不再需要后顶叶皮层了呢?结果发现,当小鼠把新的声音学会之后,失活后顶叶皮层确实不再影响这些声音的抉择了。


结果:“喜新厌旧”的后顶叶皮层


研究发现,后顶叶皮层是非常“喜新厌旧”的,只参与新刺激的抉择。由于以前的研究中使用到的听觉或者视觉刺激都是被反复学过的,已经成为“旧”的东西了,难怪科学家以前发现它在抉择中不起作用。


中国科学院神经科学研究所的徐宁龙团队通过建立新的实验范式以及重复前人的实验,发现了后顶叶皮层参与了其中一种形式的抉择——根据已有经验对新感觉刺激进行归类过程中的抉择,但是并不参与另一种形式的抉择——对已经学会的刺激归类过程中的抉择,从而解开了困扰科学家多年的难题,并且给以后的神经科学研究带来了新的启发。


来源:中国科学院神经科学研究所/脑科学与智能技术卓越创新中心


温馨提示:近期,微信公众号信息流改版。每个用户可以设置 常读订阅号,这些订阅号将以大卡片的形式展示。因此,如果不想错过“中科院之声”的文章,你一定要进行以下操作:进入“中科院之声”公众号 → 点击右上角的 ··· 菜单 → 选择「设为星标」


登录查看更多
0

相关内容

高效医疗图像分析的统一表示
专知会员服务
34+阅读 · 2020年6月23日
【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
266+阅读 · 2020年6月10日
少标签数据学习,54页ppt
专知会员服务
198+阅读 · 2020年5月22日
《强化学习》简介小册,24页pdf
专知会员服务
272+阅读 · 2020年4月19日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
225+阅读 · 2020年3月22日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
340+阅读 · 2020年3月17日
机器学习速查手册,135页pdf
专知会员服务
341+阅读 · 2020年3月15日
干货实践 | 计算机视觉花卉识别模型(代码分享)
计算机视觉战队
10+阅读 · 2019年3月13日
学习如何学习的算法:简述元学习研究方向现状
深度学习世界
6+阅读 · 2018年4月9日
Python 如何快速入门?
全球人工智能
6+阅读 · 2018年3月15日
如何利用深度学习识别千万张图片?
InfoQ
4+阅读 · 2017年12月30日
脑机接口技术如何具体实现?
北京思腾合力科技有限公司
9+阅读 · 2017年12月8日
思路+步骤+方法,三步教你如何快速构建用户画像
如何利用机器学习方法构建智能聊天机器人?
干货|如何轻松愉快的理解条件随机场(CRF)?
机器学习研究会
26+阅读 · 2017年8月2日
Arxiv
5+阅读 · 2020年3月26日
Augmentation for small object detection
Arxiv
11+阅读 · 2019年2月19日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
7+阅读 · 2019年1月8日
Polarity Loss for Zero-shot Object Detection
Arxiv
3+阅读 · 2018年11月22日
Arxiv
8+阅读 · 2018年6月19日
VIP会员
相关VIP内容
高效医疗图像分析的统一表示
专知会员服务
34+阅读 · 2020年6月23日
【实用书】Python机器学习Scikit-Learn应用指南,247页pdf
专知会员服务
266+阅读 · 2020年6月10日
少标签数据学习,54页ppt
专知会员服务
198+阅读 · 2020年5月22日
《强化学习》简介小册,24页pdf
专知会员服务
272+阅读 · 2020年4月19日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
225+阅读 · 2020年3月22日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
340+阅读 · 2020年3月17日
机器学习速查手册,135页pdf
专知会员服务
341+阅读 · 2020年3月15日
相关资讯
干货实践 | 计算机视觉花卉识别模型(代码分享)
计算机视觉战队
10+阅读 · 2019年3月13日
学习如何学习的算法:简述元学习研究方向现状
深度学习世界
6+阅读 · 2018年4月9日
Python 如何快速入门?
全球人工智能
6+阅读 · 2018年3月15日
如何利用深度学习识别千万张图片?
InfoQ
4+阅读 · 2017年12月30日
脑机接口技术如何具体实现?
北京思腾合力科技有限公司
9+阅读 · 2017年12月8日
思路+步骤+方法,三步教你如何快速构建用户画像
如何利用机器学习方法构建智能聊天机器人?
干货|如何轻松愉快的理解条件随机场(CRF)?
机器学习研究会
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员