扶我起来!最新研究:即使60岁,你的脑子也不慢

2022 年 2 月 23 日 新智元
撰文:郝景

责编:寇建超
排版:白若冰

来源:学术头条


「年纪大喽,脑子转不动喽」。

在既往认知中,大多数人都深信不疑,老年人的反应要比年轻人更迟钝。

大量科学研究也表明,思维速度(大脑思考问题的速度)与年龄之间存在负相关。也就是说,在各种各样的认知任务和环境中,老年人的思维速度往往比年轻人慢。

然而,这是事实吗?

(来源:Pixabay)

近日,来自德国海德堡大学心理研究所的科研团队发现,尽管我们的反应时间在 20 岁时就会开始放缓,但这种放缓的原因是因为决策谨慎性的增加(increases in decision caution)和非决策过程的放缓(slower non-decisional processes),而不是思维速度的差异。

而思维速度的差异,只有在约 60 岁之后才会出现。

因此,这一研究挑战了关于年龄与思维速度之间关系的普遍观点。

相关研究论文以「Mental speed is high until age 60 as revealed by analysis of over a million participants」为题,发表在 Nature Human Behaviour 杂志上。

老年人脑子慢?错了


为啥我们总认为老年人脑子慢?

这其实要归因于近几年大多数关于年龄与思维速度相关性的研究。

在以往的研究中,科学家针对年龄与思维速度关系得出的研究结论,主要是基于将受试者在初级认知任务(比如比较两个字母)中的平均反应时间(RTs),作为信息处理基本速度的衡量标准。

(来源:Pixabay)

然而,这种方法却存在两个明显的缺点:

1. 单独使用平均 RTs 并没有利用经验 RT 分布中包含的全部信息,并且忽略了从实验范式中也可以获得的准确性数据。

也就是说,这种方法只是从单一的结果中得出了结论。例如,在生活中,我们在比较两家餐馆中小龙虾的美味程度时,「这家的龙虾大,所以好吃;那家的龙虾小,所以不好吃」,只关注龙虾大小却忽视了其他影响龙虾味道的因素(比如料理的手段、小龙虾的新鲜程度等等),得出的结论存在一定的局限性。

2. 平均 RTs 远不是纯粹的思维速度测量,而是代表不同认知过程的总和。

例如,速度-准确性的权衡(即反应谨慎程度的不同会影响反应的速度和准确性)与编码和运动过程所花费的时间,尽管它们与思维速度无关,但会对平均 RTs 有很大的影响。

因此,平均 RTs 反映思维速度的程度还是有待商榷的。

此外,在过去的二十年中,大多数研究的样本量也都很小,这对于寻求通过更大样本来提高可靠性的个体差异研究尤其成问题。

为了提高研究的准确性,研究人员利用深度学习将贝叶斯扩散模型(DM)应用于大样本(包括 120 万名 10-80 岁年龄段的参与者),从原始响应时间数据中提取可解释的认知参数。

研究人员发现,思维速度、决策谨慎性和非决策部分(编码和运动反应时间)影响了不同年龄段的平均 RTs。

「三管齐下」,控制你的大脑


那么,具体影响是这样的?

首先,是思维速度,也就是我们通常所说的脑子反应的快慢。

研究显示,人们的思维速度在 60 岁之间保持稳定,从 60 岁左右开始,思维速度呈加速下降的趋势,这种下降会一直持续到 80 岁。

所以,直到你 60 岁时,你的思维速度与 20 岁时仍是不相上下的。(所以这就是退休年龄在 60 岁的原因吗?)

其次,是决策谨慎性,决策谨慎性代表了我们做出决定时的谨慎程度,会为做出的决定所带来的后果而考虑。

研究显示,在 10-20 岁年龄段之间,决策谨慎性有所降低,在此之后,直到 65 岁之前,决策谨慎性则呈准线性增长。

这种结果表明,在大学年龄段的人做出反应时最不谨慎,他们更愿意在准确性和速度之间权衡。

此外,在成年早期,决策谨慎性升高的趋势变得明显,这也解释了为什么在成年以后,平均 RTs 的快慢开始与年龄增加相关。

最后,是非决策时间,非决策时间,即编码和运动反应所需的时间。

研究显示,非决策时间从 10-15 岁呈减少的趋势,之后呈准线性增加,直到 80 岁。

因此,决策谨慎性和非决策时间的年龄差异与 RTs 发现的模式密切相关,表明这些因素可能会对整个生命过程中的平均 RTs 水平产生重大影响。

图|思维速度是年龄、实验条件和人口统计学变量的函数。根据性别、教育水平和实验条件,对漂移率的年龄差异进行了单独分析。(来源:该论文)

除此之外,研究人员还观察到,作为思维速度指标的漂移率与年龄之间存在明显的非线性关系,则会与平均 RTs 所暗示的关联有显著不同,且比以往 DM 研究中发现的年龄差异更有信息量。

局限性


研究人员表示,在将认知能力的变化与其神经生理学基础的变化联系起来的文献背景下,DM 参数的不同年龄相关模式变得更加合理。

与以往的认知老化研究相比,此次研究具备多个优势,其中最突出的是:

(1)大量样本,允许进行与年龄相关的详细分析;
(2)使用贝叶斯扩散模型,以稳健且有理论依据的方式对决策过程的不同组成部分进行分解。

然而,研究人员表示,「我们必须注意到这项研究的一些局限性」。

其中包括,该研究的数据只来自一种特定类型的决策任务,以及在这一研究过程中,年龄差异和趋势是否代表了人的内部发展过程(毕竟人是不断变化的,不会按照既定的模式成长)等等。这些都是悬而未决的问题。

但研究人员对此也做出了预期,他们认为,虽然这些分析超出了该论文的研究范围,但在未来的工作中可能会存在一定的价值。

总之,这项研究颠覆了我们对传统观念的认知,至少在 60 岁之前,我们的脑子都是保持着「年轻」的状态,还是能「转得动」的。

那么,你觉得自己还能再「战」几年呢?

参考资料:
https://www.nature.com/articles/s41562-021-01282-7

登录查看更多
0

相关内容

RTS:Real-Time Systems。 Explanation:实时系统。 Publisher:Springer。 SIT:http://dblp.uni-trier.de/db/journals/rts/
【简明书】数学,统计和机器学习的动手入门,57页pdf
专知会员服务
62+阅读 · 2022年3月3日
专知会员服务
117+阅读 · 2021年10月17日
【经典书】R机器学习入门:严格的数学分析,225页pdf
专知会员服务
61+阅读 · 2021年2月16日
如何学好数学?这有一份2021《数学学习路线图》请看下
机器学习的可解释性
专知会员服务
175+阅读 · 2020年8月27日
【Contextual Embedding】什么时候上下文嵌入值得使用?
专知会员服务
15+阅读 · 2020年8月2日
专知会员服务
139+阅读 · 2020年5月19日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
别联系我,需要买的时候我会找你
人人都是产品经理
0+阅读 · 2021年10月30日
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月14日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
Arxiv
21+阅读 · 2019年8月21日
VIP会员
相关VIP内容
【简明书】数学,统计和机器学习的动手入门,57页pdf
专知会员服务
62+阅读 · 2022年3月3日
专知会员服务
117+阅读 · 2021年10月17日
【经典书】R机器学习入门:严格的数学分析,225页pdf
专知会员服务
61+阅读 · 2021年2月16日
如何学好数学?这有一份2021《数学学习路线图》请看下
机器学习的可解释性
专知会员服务
175+阅读 · 2020年8月27日
【Contextual Embedding】什么时候上下文嵌入值得使用?
专知会员服务
15+阅读 · 2020年8月2日
专知会员服务
139+阅读 · 2020年5月19日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
相关基金
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员