Bayes goes tango: Twenty years of experience alter joint walking dynamics, but not the use of multisensory information
本研究表明,尽管二十年的探戈经验显著改变了关节行走协调动力学,但并未改变舞者整合多感官信息的方式,这表明贝叶斯多感官整合是一种基本的感觉运动机制,而非通过练习获得的技能。
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
每天,我们在不知不觉中与他人同步移动。我们侧身让路以让行人通过,与朋友步调一致地行走,或是在拥挤的房间里穿行而不碰撞到任何人。这些共同运动的时刻依赖于眼睛、耳朵和触觉之间复杂且瞬时的对话。大脑必须不断猜测另一个人在哪里、移动速度有多快以及他们下一步会做什么,同时还要应对感官并不完美的现实——我们的感官是有噪声且有时存在延迟的。为了应对这种不确定性,人类大脑拥有一种内置策略:它结合来自不同感官的信息,赋予更可靠的线索更高的权重,从而形成一个清晰、统一的世界图景。这一过程被称为多感官整合,它使我们即使在世界混乱时也能行动自如。但一个问题依然存在:随着我们对特定任务变得更加熟练,这种策略会发生变化吗?如果我们花费数十年掌握一种复杂的运动形式,我们会学会依赖不同的感官,还是大脑会固守同样的根本规则?
为了回答这个问题,伯尔尼大学的研究人员转向了阿根廷探戈,这是一种完全依赖即兴发挥而非记忆舞步的舞蹈风格。在这种舞蹈中,一人领舞,另一人跟随,跟随者需要对领舞者细微的动作做出即时反应。研究人员招募了48名具有不同舞蹈经验的女性,其经验从经验不足一年的初学者到拥有二十多年经验的专家不等。他们要求这些女性进行一种简化版的舞蹈:随着音乐前后行走,面对一位通过细微信号引导她们的领舞者。目标是观察随着专业知识的增长,跟随者的动作如何变化,以及当研究人员移除特定的感官线索时,她们如何应对。
实验旨在测试跟随者感官的极限。在任务的标准版本中,跟随者可以看到领舞者,听到音乐,并能感受到领舞者放在其胸口的触碰。在其他版本中,研究人员一次移除一种线索。有时,跟随者佩戴不透明的护目镜以阻断视觉;有时,她们被要求将手臂放在身体两侧,以便无法感受到领舞者的触碰;在第三种变体中,领舞者佩戴耳机,使得跟随者听不到音乐。通过使用高速摄像机测量舞者胸部的精确运动,研究人员可以精确计算出跟随者匹配领舞者速度和时机的程度。
结果揭示了专家与初学者在运动方式上的显著差异。经验最丰富的女性并不仅仅是更完美地模仿领舞者;相反,她们的动作呈现出一种更具动态感的、类似弹簧般的特质。她们似乎会多等待一小会儿来收集信息后再做出反应,然后通过更剧烈的加速来赶上节奏。这种“等待并冲刺”的模式是专家的标志,使她们区别于行动更为谨慎的初学者。然而,当研究人员观察协调性的稳定性时——即时机和速度在每一步之间的变化程度——他们发现经验并未让舞者变得更具一致性。运动的稳定性几乎完全取决于哪些感官是可用的,而不是取决于舞者练习了多少年。
最关键的发现涉及哪种感官最为重要。当研究人员通过让舞者在不握住领舞者的情况下行走来阻断触觉时,协调性的崩溃程度比阻断视觉或听觉时更为严重。这证实了伴侣之间的物理连接是这类运动中最至关重要的线索。令人惊讶的是,研究人员发现,舞者利用这些线索的方式并不会随经验而改变。即使在跳了二十年舞之后,专家们依赖触觉、视觉和听觉的比例仍与初学者完全相同。她们并没有学会忽略音乐或视觉线索而转而依赖触觉;她们只是变得更擅长将所有感官结合在一起使用。
这种缺乏变化的情况表明,大脑组合感官信息的方法是一种人类运动的基本且不可改变的规则,而非通过练习习得的技能。研究人员使用基于大脑如何权衡不确定信息的数学模型测试了这一观点。他们发现,舞者的行为能够很好地被该模型捕捉,并紧密符合贝叶斯原理的预测。虽然数据中存在系统性的偏差——这可能是由于在大脑结合感官后添加了运动噪声——但整体模式证实了大脑就像一个聪明的计算器,通过融合可用线索来减少误差。当某个线索被移除时,大脑会更加依赖剩余的线索,但混合它们的底层规则保持不变。研究结论指出,虽然我们可以通过多年的练习学会移动得更具动态感和表现力,但让我们能够与他人协调的基础感觉运动机制保持恒定。我们并不是通过重新改造大脑来成为更好的舞者;我们只是变得更擅长将这些古老的感知规则应用于复杂的全新挑战之中。
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。