← 最新论文
🧠 神经科学

Same Movements, Different Skills: How Context Shapes Learning in Humans and Neural Networks

本文表明,改变性能上下文会导致相同的运动序列被学习为截然不同的技能而非整合后的表示,这一现象在人类学习者和循环神经网络中均有观察到,即当强烈的上下文输入与高初始权重规模相重合时。

原作者: Gupta, M. W., Taylor, J. A.

发布于 2026-11-12
📖 1 分钟阅读☕ 轻松阅读

原作者: Gupta, M. W., Taylor, J. A.

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明

我们经常假设学习是将经验堆叠成一个不断增长的知识堆的过程。如果你学会了系鞋带,你可以在厨房里系,也可以在门廊上系。如果你在钢琴上学会了一段旋律,你可以闭着眼睛弹奏,也可以睁着眼睛弹奏。这种直觉表明,大脑将核心动作——即动作序列——视为一种统一的技能,将其与发生的周围环境区分开来。在运动学习领域,科学家们长期以来一直在争论这是否属实。大脑是将不同的经验捆绑在一起以创造一种通用的能力,还是将它们分开处理,根据执行动作时的地点和方式将其视为不同的任务?这个答案至关重要,因为它揭示了我们如何适应新情况,以及为什么我们有时难以将一项技能从一种环境转移到另一种环境。

普林斯顿大学的一个研究小组试图测试这种泛化能力的极限。他们提出了一个简单但深刻的问题:如果一个人练习完全相同的手指动作序列,但同时周围环境不断变化,他们会学到一种技能还是两种?为了找出答案,他们求助于人类志愿者和计算机模型。他们设计了一个任务,其中的物理动作从未改变,但围绕它的“故事”却在变化。在其中一个版本中,序列看起来像是屏幕上滚动的音符,并伴随着音调;在另一个版本中,同样的序列则引导一个角色穿过数字迷宫。对于计算机模型,他们构建了简单的网络,模拟神经元如何向彼此传递信号,从而让研究人员能够窥探机器的“大脑”,观察它是如何组织信息的。

结果挑战了“相同的动作总会导致相同的学习”这一观点。当计算机网络被设定为具有某种特定类型的灵活性,并暴露在强烈的环境线索下时,它们不再将这两个版本的任务视为同一件事。它们并没有为手指序列建立一个共享的记忆,而是建立了两个独立的记忆。当环境从音乐切换到迷宫时,网络会陷入停滞,仿佛必须从头开始重新学习该序列。这种“切换成本”是一个明确的信号,表明机器已将这项技能拆分成了两个不同的部分。至关重要的是,这种拆分只有在满足两个条件时才会发生:网络需要具备足够重塑其内部连接的灵活性,且环境线索需要足够强烈以吸引其注意力。如果缺少其中任何一个条件,网络就会将这些经历合并在一起,并实现平滑的泛化。

人类参与者表现出了惊人相似的模式。人们在键盘上练习相同的八指序列,有时停留在一种情境中,有时则在音乐和迷宫版本之间交替。那些在不同情境间切换的人并没有表现出一条单一、平滑的进步曲线。相反,他们的表现曲线发生了断裂。当他们从迷宫切换到音乐时,速度显著下降,仿佛一切都重新开始了。当他们切回迷宫时,速度再次下降。尽管手指的动作是完全相同的,且情境本身对解决任务没有任何帮助,但这种情况依然发生了。大脑似乎认定,情境本身就是技能的一部分。通过改变设置,研究人员无意中将一项技能变成了两项。

为了了解底层发生了什么,研究人员使用数学框架对学习过程进行了建模。他们测试了数据是否符合以下模型:学习是在不同情境间共享的,情境之间存在轻微影响,或者情境之间完全独立。最符合人类数据的模型是“拆分模型”,这表明人们确实在学习两个不同版本的相同序列。计算机模型证实了这一点,显示出那些拆分学习的模型也表现出其内部表征的最大差异。研究表明,大脑不仅仅记录动作,它还记录整个情境。当情境发生变化时,大脑可能会决定将该动作存储为一个新的、独立的实体,而不是更新旧有的动作。

这一发现重塑了我们对练习和精通的看法。它意味着,学习技能的边界并不完全由执行该动作所需的物理动作所定义。相反,学习时所处的环境在技能的存储和检索过程中发挥着强大的作用。如果你在弹奏一首特定的曲子时学习一段音符序列,即使音符完全相同,当你换成另一首曲子时,可能就无法像以前那样轻松地运用这些手指动作。大脑将周围的情境视为指令的关键组成部分。研究人员发现,这种分离并非错误或缺陷,而是学习系统组织经验的一种特征。我们将经历归为一类还是拆分为二,取决于我们赋予环境多少权重,以及我们的内部系统适应环境的灵活性如何。

该研究还强调了泛化所需的微妙平衡。在计算机模拟中,只有当网络拥有重组其内部结构的自由度,并且环境线索足够响亮以引起注意时,它们才会拆分学习。如果没有这种灵活性,它们会固守单一的共享记忆;如果没有强烈的线索,它们会忽略情境并进行自由的泛化。这表明人类大脑也以类似的方式运作,不断权衡任务的重要性与环境的重要性。当环境感觉很重要时,我们会学习特定于情境的技能;当环境感觉无关紧要时,我们会学习通用的技能。

最终,这项工作揭示了学习并非简单的知识或动作的积累。它是一个动态的过程,涉及决定哪些东西应该放在一起,哪些东西必须分开。同样的指尖敲击序列可以是一项技能,也可以是两项技能,这取决于大脑对自己所处位置的描述。这一洞察有助于解释为什么我们有时难以将课堂上学到的知识应用到现实世界,或者为什么在一个环境中习得的技能在另一个环境中感觉很陌生。大脑不仅在学习动作,它还在学习动作发生的那个世界。通过这样做,它创造了一个丰富而复杂的经验图谱,在这个图谱中,同一个动作可以拥有多种不同的含义。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →