新研究顯示為什麼不需要完美就能完成任務
神經科學家通常會為動物執行任務提出單一的最佳模式,但研究人員發現,動物經常使用一些不完美的策略,這些策略既高效又節省資源。他們的新框架揭示了解決任務的多種可行方法,為動物行為和大腦功能提供了啟示。
研究人員發現,動物在執行覓食等任務時經常會採用”足夠好”的策略,這些策略雖然不是最優的,但仍然有效,這對行為優化的傳統觀點提出了挑戰,並為理解這些策略的關係和更廣泛的適用性提供了一個新的框架。
當神經科學家考慮動物完成某項任務(如尋找食物、捕獵獵物或在迷宮中穿梭)可能使用的策略時,他們通常會提出一個單一模型,概述動物實現目標的最有效方法。
但在現實世界中,動物和人類可能不會使用最佳方法,因為這種方法可能會耗費大量資源。相反,它們會使用足以完成任務但耗費腦力較少的策略。
在新的研究中,Janelia 的科學家著手更了解動物成功解決問題的可能方式,而不僅僅是最佳策略。
這項研究表明,動物可以透過多種方式完成一項簡單的覓食任務。它也為理解這些不同的策略、它們之間的關係以及它們如何以不同的方式解決相同的問題提供了一個理論架構。
研究人員發現,在完成任務的過程中,有些不那麼完美的選擇幾乎和最優策略一樣有效,但卻省力得多,這讓動物們可以騰出寶貴的資源來處理多項任務。赫爾蒙斯塔實驗室的博士後馬子軒(Tzuhsuan Ma)是這項研究的負責人。
新框架可以幫助研究人員開始研究這些”足夠好”的策略,包括為什麼不同的個體可能會適應不同的策略,這些策略可能如何協同工作,以及這些策略在其他任務中的通用性如何。這將有助於解釋大腦是如何在現實世界中實現行為的。
Janelia 小組組長安·赫爾蒙斯塔說:「這些策略中有許多是我們從未想過的解決這項任務的可能方法,但它們確實很有效,所以動物也完全有可能使用它們。它們為我們理解行為提供了新的詞彙。
這項研究始於三年前,當時馬子軒開始思考動物在完成一項簡單而普通的任務時可能採用的不同策略:在兩個選項中做出選擇,而獲得獎勵的幾率會隨著時間的推移而變化。
研究人員有興趣研究一組介於最優解和完全隨機解之間的策略:這些”小程式”資源有限,但仍能完成工作。每個程序都根據過去的觀察結果指定了不同的演算法來指導動物的行動,從而使其成為動物行為的模型。
事實證明,這樣的項目很多,大約有25 萬個。為了理解這些策略,研究人員首先研究了少數表現最好的策略。令人驚訝的是,他們發現,儘管使用了較少的資源,但它們所做的事情基本上與最優策略相同。
“我們有點失望,”馬說。 “我們花了這麼多時間尋找這些小程序,結果它們都遵循著同樣的計算方法,而這個領域已經知道如何用數學方法推導出這些計算方法,不需要我們花這麼多精力”。
不過,研究人員還是有動力繼續尋找–他們有一種強烈的直覺,那就是一定有一些程序是好的,但與最優策略不同。當他們把目光投向最優秀的項目之外時,他們發現了他們正在尋找的東西:大約有4000 個項目屬於”足夠好”的類別。更重要的是,其中90% 以上的項目都有新意。
他們本來可以就此打住,但一位傑內裡亞人提出的問題刺激了他們:他們怎麼知道動物使用的是哪種策略?
這個問題促使團隊深入研究各個計劃的行為,並發展出一種系統化的方法來思考整個策略集合。他們首先開發了一種數學方法,透過連接不同程式的網路來描述程式之間的關係。接下來,他們研究了這些策略所描述的行為,並設計了一種演算法來揭示這些”足夠好”的程式是如何從另一個程式演化而來的。
他們發現,在保持表現的同時,對最優程序的微小改動也會導致行為的巨大改變。如果其中一些新行為在其他任務中也有用,這表明同一個程序足以解決一系列不同的問題。
「如果你認為動物不是只解決一個問題的專家,而是解決許多問題的通才,那麼這確實是一種新的研究方法,」馬說。
這項新工作為研究人員提供了一個框架,讓他們開始思考如何超越單一的、最佳的動物行為程序。現在,研究小組正專注於研究小程式對其他任務的通用性,並設計新的實驗來確定動物可能使用哪種程式來即時執行任務。他們也正在與Janelia 的其他研究人員合作,測試他們的理論框架。
赫爾蒙斯塔說:”歸根結底,掌握動物的行為是了解大腦如何解決不同類型問題的必要前提,包括一些我們最好的人工系統也只能低效解決的問題。關鍵的挑戰在於,動物使用的策略可能與我們最初假設的大相徑庭,而這項工作正在幫助我們發現這一可能性空間。
編譯自/ ScitechDaily