Resource depletion accelerates rate learning but not composition learning in patch foraging

Stel je voor dat je een eekhoorn bent in een gloednieuw bos. Je weet niet waar de beste notenbomen staan, en je weet ook niet hoeveel verschillende soorten bomen er bestaan. Je moet twee dingen tegelijk doen: nu voedsel vinden om te eten, en de kaart van het bos uitzoeken zodat je later beter kunt eten. Dit is een klassiek puzzelstukje in het dierengedrag dat "foraging" (foerageren) wordt genoemd. Wetenschappers bestuderen al lang hoe dieren beslissen wanneer ze stoppen met eten op één plek en naar de volgende plek gaan. De oude vuistregel, de "Marginal Value Theorem", gaat ervan uit dat het dier het bos al perfect kent. Maar in de werkelijkheid zijn dieren meestal onwetend wanneer ze aankomen. Ze moeten de regels leren terwijl ze het spel spelen. Dit leren gaat niet alleen over het onthouden waar het voedsel is; het gaat over het begrijpen van de verborgen structuur van de wereld: hoe rijk zijn de plekken, hoe vaak komen ze voor, en hoe snel raakt het voedsel op?

Dit is waar een nieuwe studie van Zachary Kilpatrick en Ahmed El Hady inspringt. Zij bouwden een wiskundig model om te kijken hoe een slim dier leert terwijl het eet. Ze ontdekten iets verrassends: het proces van eten zelf is een geheime leraar. Terwijl een dier uit een voedselplek eet, wordt het moeilijker om voedsel te vinden. Dit vertragen van de "voedseldruppel" vertelt het dier precies hoe rijk de plek oorspronkelijk was. Het is alsof je luistert naar een liedje dat steeds langzamer wordt; het patroon van de vertraging onthult het oorspronkelijke tempo. Echter, deze truc werkt alleen voor het leren over één plek tegelijk. Het helpt het dier niet om te begrijpen welk percentage van het hele bos uit rijke plekken bestaat. Om dat te leren, moet het dier blijven bewegen, zelfs als dat betekent dat het een goede maaltijd voortijdig achterlaat. De studie laat zien dat dieren die proberen hun maag te vullen (beloning) en dieren die proberen de kaart te leren (informatie), zich eigenlijk anders zullen gedragen, vooral wanneer ze nieuw zijn in het gebied.

De Grote Boskaart en de Lege Kom

Laten we in het bos duiken. Stel je voor dat je een foerageerder bent, en jouw wereld bestaat uit "patches" (plekken)—denk aan hen als gigantische, magische kommen met fruit verspreid over een veld. Sommige kommen zijn diep en vol (hoge opbrengst), en sommige zijn ondiep en bijna leeg (lage opbrengst). Je weet niet welke welke is wanneer je aankomt. Je weet alleen dat zodra je begint te eten, het fruit niet met een constante snelheid blijft komen. Elke keer dat je een stuk pakt, wordt de kom een beetje leger, en duurt het net iets langer om het volgende stukje te vinden. Dit wordt depletie (uitputting) genoemd.

In het verleden dachten wetenschappers dat depletie slechts een kostenpost was. Het betekende dat je harder moest werken voor minder voedsel, dus moest je de kom verlaten zodra het tempo vertraagde. Maar Kilpatrick en El Hady realiseerden zich dat dit vertragen eigenlijk een aanwijzing is.

Denk aan een klok waarvan de batterij bijna leeg is. Als je een klok hoort die gestaag tikt, kun je niet weten of het een gloednieuwe batterij is of een oude die al uren loopt. Maar als je een klok hoort die steeds langzamer tikt, kun je precies uitrekenen hoeveel batterij hij oorspronkelijk had. Het patroon van de vertraging bepaalt de waarheid. In hun simulaties ontdekten ze dat een dier, dankzij dit patroon, leert hoe rijk een specifieke plek is veel sneller als de plek aan depletie onderhevig is dan wanneer het een magische kom zou zijn die nooit leegloopt. De "afstand" tussen de stukken fruit vertelt het verhaal.

De Twee Verschillende Doelen: Maag versus Brein

Hier wordt het lastig. Een dier heeft twee doelen, en die kunnen soms met elkaar in conflict komen.

1. Het Maag-doel (Beloningsgericht): "Ik wil nu zoveel mogelijk eten."
2. Het Brein-doel (Informatiegericht): "Ik wil de kaart van het bos leren zodat ik later slimmer ben."

In een bos waar elke plek hetzelfde is (een "homogeen" bos), zijn de Maag en het Brein meestal het eens: blijf in de kom tot deze bijna leeg is. Maar de studie vond een subtiel meningsverschil. Als het dier puur probeert de snelheid van het voedsel te leren, zal het misschien net iets langer blijven dan de Maag wil, gewoon om dat laatste, perfecte stukje data te krijgen.

Maar het echte drama vindt plaats in een gemengd bos met zowel rijke als arme plekken (een "binaire" omgeving).

• De Maag wil zo lang mogelijk in de rijke kommen blijven om de meeste vruchten te krijgen.
• Het Brein beseft dat blijven in een rijke kom het dier niets leert over de arme kommen. Om de kaart te leren, moet het dier verschillende soorten kommen bezoeken.

Daarom verlaat het "Brein"-dier de rijke kommen voortijdig. Het offert een paar happen fruit op om een arme kom op te zoeken en te controleren of deze ook echt arm is. Het is als een student die de laatste paar minuten van een leuke film mist om even naar de bibliotheek te gaan, omdat hij moet weten of de bibliotheek het boek heeft dat hij morgen nodig heeft. De studie laat zien dat dit "onder-oogsten" (voedsel achterlaten) een rationele strategie is voor het leren, en geen fout.

De Magie van Aanvullende Plekken

De onderzoekers keken ook naar wat er gebeurt als het bos bijzonder is: de kommen vullen zich weer tussen bezoeken door. Stel je een tuin voor waar je elke dag naar dezelfde rozenstruik kunt terugkeren.

Als de struiken langzaam aanvullen, moet het dier overal rondwaren om voedsel te vinden. Het leert de hele kaart kennen.
Als de struiken snel aanvullen, vindt het dier een paar rijke struiken en springt het simpelweg tussen deze plekken heen en weer in een lus. Het wordt een expert op die specifieke struiken, maar blijft totaal onwetend over de rest van het bos. De studie suggereert dat in werelden met een snelle aanvulling, het "Maag"-dier zich vastlegt op een paar rijke plekken en stopt met verkennen, terwijl het "Brein"-dier blijft rondwaren om er zeker van te zijn dat het niets beters heeft gemist.

Tellen versus Timen: De Geheime Schakelaar

Ten slotte vroeg de studie zich af: wat is de beste regel voor wanneer je vertrekt? Moet het dier tellen hoeveel stukken fruit het heeft gegeten, of moet het de tijd meten die is verstreken sinds het laatste stukje?

Het antwoord hangt af van hoe verschillend de plekken zijn.

• Als alle plekken ongeveer hetzelfde zijn, moet het dier tellen. "Ik eet 5 stukken, en dan ga ik weg."
• Als de plekken heel verschillend zijn (sommige zijn superrijk, andere zijn verschrikkelijk), moet het dier timen. "Als ik al een tijdje geen voedsel heb gevonden, dan moet dit een slechte plek zijn, dus ga ik weg."

De onderzoekers vonden een specifiek kantelpunt: als het verschil in rijkdom tussen de beste en de slechtste plekken groter is dan ongeveer 25% (een kwart), moet het dier overschakelen van tellen naar timen. Het is een slimme schakeling die het dier helpt om te voorkomen dat het tijd verspilt in een verschrikkelijke plek.

De Kern van het Verhaal

Dit paper gebruikt wiskunde en computersimulaties om aan te tonen dat leren een gelaagd proces is. Voedsel eten leert je over de huidige plek, maar rondwaren leert je over de hele wereld. Depletie is een nuttige leraar voor de huidige plek, maar het helpt je niet om het grote plaatje te leren.

De belangrijkste les is dat dieren (en misschien zelfs wij!) niet alleen hersenloze machines zijn die eten tot ze vol zitten. Ze balanceren een afweging tussen nu voedsel krijgen en de regels leren voor later. Soms is het slimste wat je kunt doen om een goede maaltijd vroegtijdig achter te laten, alleen maar om er zeker van te zijn dat je niet iets beters elders mist. En zolang de gok van het dier over hoe snel het voedsel opraakt ongeveer juist is, wint deze slimme, op modellen gebaseerde aanpak het van telkens alleen maar reageren op beloningen.