Late maturation of semantic control promotes conceptual development
Questo articolo propone e dimostra, attraverso la modellazione computazionale e la meta-analisi, che la maturazione tardiva dei processi di controllo semantico guidati dalla corteccia prefrontale, lungi dall'ostacolare lo sviluppo, facilita e accelera in realtà l'apprendimento concettuale nei bambini piccoli.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Il pensiero umano è straordinariamente flessibile. A differenza di altri animali, le persone possono dirigere il proprio focus mentale da un momento all'altro, ignorando i forti impulsi di seguire un nuovo obiettivo invece. Questa capacità di controllare ciò che pensiamo e facciamo si basa fortemente sulla corteccia prefrontale, una regione situata nella parte anteriore del cervello. Negli esseri umani, quest'area si sviluppa molto più lentamente rispetto al resto del cervello, continuando a maturare ben oltre i vent'anni. Per molto tempo, gli scienziati hanno considerato questo sviluppo lento come un ritardo necessario ma sfortunato, un periodo in cui i bambini mancano del pieno potere esecutivo per gestire il proprio comportamento. Tuttavia, una nuova prospettiva suggerisce che questo ritardo potrebbe essere in realtà una caratteristica, non un difetto. Essa propone che un periodo di vita privo di un rigoroso controllo mentale possa essere essenziale per imparare, per la prima volta, a comprendere il mondo.
Questa idea si concentra su un tipo specifico di abilità mentale chiamata controllo semantico. Questa è la capacità di utilizzare la nostra conoscenza del mondo in un modo che si adatti alla situazione corrente. Ad esempio, se state spostando un pianoforte, potreste pensare al suo peso e a come sollevarlo. Se state assistendo a un concerto, pensate al suo suono e a come suonarlo. Entrambi i pensieri sono veri riguardo al pianoforte, ma il cervello deve selezionare quello giusto per il momento e sopprimere l'altro. Questo processo di selezione è il controllo semantico. È distinto dalla forza di volontà generale o dalla capacità di frenare un impulso; riguarda specificamente la scelta del significato corretto tra i molti significati che conosciamo. La domanda che i ricercatori si sono posti è se la lenta maturazione di questo sistema di controllo aiuti effettivamente i bambini a costruire una migliore base di conoscenza sul mondo.
Per esplorare questo aspetto, i ricercatori hanno costruito un modello informatico che imita il modo in cui il cervello umano apprende i concetti. Hanno progettato un sistema con diversi strati, simili a come il cervello ha aree per l'input sensoriale e aree per il pensiero di livello superiore. Hanno insegnato a questo modello a riconoscere oggetti e le loro caratteristiche, come un cane che ha il pelo, abbaia o è un animale domestico. In un sistema completamente maturo, il modello sarebbe costretto a scegliere solo le caratteristiche rilevanti per uno specifico compito, come nominare il cane o descrivere la sua azione. Ma i ricercatori volevano vedere cosa sarebbe successo se avessero aspettato per introdurre questo controllo rigoroso. Hanno lasciato che il modello apprendesse per un po' senza regole, permettendogli di assorbire tutte le caratteristiche di un oggetto in una volta sola, indipendentemente dal compito. Poi, hanno introdotto gradualmente le regole che lo costringevano a selezionare solo le informazioni rilevanti.
Le simulazioni hanno dimostrato che aspettare per introdurre il controllo aiutava effettivamente il sistema ad apprendere più velocemente. Quando il modello era lasciato sperimentare tutte le caratteristiche di un oggetto insieme prima di essere costretto a filtrarle, costruiva un'immagine più forte e completa di ciò che quell'oggetto era. Questa comprensione profonda permetteva al modello di apprendere le regole di selezione molto più rapidamente. Se i ricercatori avessero costretto il modello a filtrare le informazioni fin dall'inizio, avrebbe impiegato molto più tempo per padroneggiare il compito. Il ritardo dava al sistema la possibilità di gettare una solida base di conoscenza prima di dover preoccuparsi di essere preciso. Tuttavia, questo beneficio aveva un limite. Se il ritardo era troppo lungo, il sistema faticava ad adattarsi alle nuove regole e la sua comprensione dei concetti diventava leggermente meno accurata. Il punto ottimale era un ritardo moderato, circa un terzo o metà del tempo totale di apprendimento, che velocizzava il processo senza compromettere la qualità della conoscenza.
I ricercatori hanno anche testato quanto importassero le connessioni fisiche tra la parte di controllo del modello e la parte di conoscenza. Hanno scoperto che, affinché il sistema apprendesse bene, i segnali di controllo non dovevano connettersi direttamente alla parte più profonda e centrale della rete di conoscenza. Invece, dovevano connettersi a uno strato intermedio. Questa disposizione protegge la comprensione fondamentale dei concetti dall'essere interrotta dalle regole del momento, pur permettendo alle regole di guidare il comportamento. Questo risultato si allinea con ciò che sappiamo del cervello umano, dove le aree responsabili del controllo non hanno cablaggi diretti con le regioni profonde che conservano i nostri concetti fondamentali.
Per vedere se questo schema valesse anche per i bambini reali, il team ha esaminato decenni di ricerca su come i bambini imparano ad associare gli oggetti. In questi test classici, a un bambino viene mostrata l'immagine di un oggetto, come un cavallo, e gli viene chiesto di scegliere quale tra altre due immagini si abbini ad esso. Un'opzione potrebbe essere un cervo (un animale simile per specie), e l'altra una sella (qualcosa che va bene con un cavallo). I bambini piccoli spesso scelgono il cervo perché vedono la somiglianza di forma e specie. I bambini più grandi imparano a scegliere la sella se le istruzioni dicono "cosa va con", mostrando di poter cambiare il proprio pensiero in base al compito. I ricercatori hanno analizzato i dati di centinaia di bambini per vedere quando acquisivano la conoscenza di queste relazioni rispetto a quando acquisivano la capacità di passare l'una all'altra.
L'analisi ha rivelato una sequenza chiara. I bambini di appena due anni conoscevano già i fatti. Potevano associare correttamente un cavallo a un cervo quando l'altra opzione era qualcosa di non correlato, come una scarpa. Sapevano anche che un cavallo va con una sella quando l'altra opzione era non correlata. Possedevano la conoscenza. Tuttavia, quando entrambe le opzioni erano presenti — un cervo e una sella — e le istruzioni cambiavano, i bambini di due anni non riuscivano a scegliere costantemente quella giusta. Non avevano ancora il sistema di controllo per superare l'impulso iniziale e seguire la regola specifica. Fu solo intorno ai tre anni che i bambini iniziarono a mostrare una piccola capacità di cambiare in base alle istruzioni, e verso i sei anni potevano farlo in modo affidabile, proprio come gli adulti.
Questa cronologia sostiene l'idea che il cervello sviluppi prima la materia prima della conoscenza e la capacità di controllare e dirigere tale conoscenza in un secondo momento. Il ritardo nello sviluppo del controllo semantico non è un fallimento dello sviluppo cerebrale; è un periodo che permette ai bambini di raccogliere una ricca collezione non filtrata di fatti sul mondo. Una volta costruita questa base, il sistema di controllo, che matura lentamente, può intervenire per insegnare al bambino come usare quella conoscenza in modo flessibile e appropriato. La ricerca suggerisce che la lunga infanzia del cervello umano non è solo un tempo di attesa affinché arrivi il cervello adulto, ma una fase cruciale in cui la mente è libera di imparare tutto ciò di cui ha bisogno prima di imparare a essere precisa.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.