即使是看似簡單的動作執(zhí)行起來也非常復雜，我們學習如何執(zhí)行新動作的方式仍不清楚。來自的研究人員最近提出了一種新的運動學習模型，它結合了許多不同的理論。本月發(fā)表在《神經網絡》上的一項研究表明，他們的模型可以很好地模擬人類的運動學習，為更好地了解我們的大腦如何工作鋪平了道路。
即使是相對簡單的任務，例如伸出手拿起一個物體，你的身體和所涉及的不同關節(jié)之間也存在大量潛在的角度組合。你的每一塊肌肉也是如此——肌肉和力量的組合幾乎無窮無盡，可以一起使用來執(zhí)行一個動作。有了所有這些可能的關節(jié)和肌肉組合——更不用說潛在的神經元活動了——我們是如何學會做出任何動作的?筑波大學的研究人員旨在解決這個問題。
研究小組首先創(chuàng)建了一個數(shù)學模型來模擬新運動任務的學習過程。他們設計的模型反映了學習新技能時大腦中發(fā)生的許多過程。然后，研究人員通過嘗試模擬最近在人類中進行的三項研究的結果來測試他們的模型，其中要求個體執(zhí)行全新的運動任務。
該研究的資深作者 Jun Izawa 教授說：“我們對我們的模擬能夠很好地重現(xiàn)之前人類研究的許多結果感到驚訝。”“通過我們的模型，我們能夠彌合許多不同提議的運動學習機制之間的差距，例如運動探索、冗余解決和基于錯誤的學習。”
在他們的模型中，發(fā)現(xiàn)大量的運動探索(即運動的可)有助于學習靈敏度導數(shù)，這些導數(shù)測量來自大腦的命令如何影響運動誤差。通過這種方式，錯誤轉化為運動校正。
“我們在模擬人類研究的真實結果方面取得的成功令人鼓舞，”第一作者 Lucas Rebelo Dal'Bello 解釋說。“這表明我們提出的學習機制可能準確地反映了運動學習過程中大腦中發(fā)生的情況。”
這項研究的結果表明了運動探索在運動學習中的重要性，提供了關于運動學習如何在人腦中發(fā)生的見解。他們還建議在學習新的運動任務時應該鼓勵運動探索。這可能有助于受傷或疾病后的運動康復。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！