Урок Павлова перечеркнут: как мыши и ученые поставили с ног на голову столетнюю теорию обучения
На протяжении сотни лет ученые были уверены: хочешь научить собаку подавать лапу — повторяй упражнение побольше. Классика жанра — опыт Павлова: звоним в колокольчик, подаем жрачку, и через энное количество дублей слюнки текут уже заранее. Всё просто. Или всё же нет?
Новое исследование в Nature Neuroscience нанесли такой удар по этой железобетонной догме, что у дедушки Павлова наверняка бы дернулся глаз. Оказывается, мозг вовсе не считает, сколько раз ему кидали вкусняшку после сигнала — ему важнее, СКОЛЬКО времени прошло между этими радостями жизни.
Главное открытие — скорость обучения зависит не от количества повторений, а исключительно от того, насколько долго животное сидело в ожидании следующего бонуса судьбы. Чем больше промежуток между знаками и наградами — тем эффективнее запекается новая связь в мозгу. Да, так бывает. Собака Павлова явно бы удивилась, если бы ей раз в десять дольше ждать обеда — она бы выучила условный сигнал в десять раз быстрее.
И чтобы не думали, что ученые тестировали всё это на истощенных студентах-первокурсниках, авторы пригласили для эксперимента серьёзных участников — 101 мышь разных полов и жизненных убеждений. Всех посадили «на цепь» — сиди, мышь, радуйся жизни, слушай короткий сигнал и получай сахарную воду. Причем некоторым выдавали сладкое счастье каждые 60 секунд, а особо терпеливым — раз в 10 минут. Те, кто ждал дольше, освоили фокус в десять раз быстрее!
Момент Х: ученые не только смотрели, кто первым начнет облизывать поилку после сигнала. В мозг животных внедрили люминесцентные датчики и караулили выпуск допамина — главного химического кайфа, который заставляет всех живых существ лезть за халявой раз за разом. Как только мышка слышала звук, мозг включал «ждать награду». Чем дольше интервал — тем быстрее мозг понимал: сигнал = скоро праздник.
Эксперимент решили усложнить: что если вместо конфетки подключить разряд током? Эффект идентичен — чем дольше очередь на электрическую "кару", тем за меньшее количество попыток зверек выучивал новый сигнал и начинал дрожать заранее.
А если обмануть подопытных и не выдавать вкусняшки каждый раз? Даже тут мозг не скатывался в унылый соцопрос, а четко ориентировался на время между красотами жизни и неприятностями.
Казалось бы, всё это известно: кто учился зубрить перед экзаменом, знает про "spacing effect" — учись с перерывами, и запоминается лучше! Но тут нюанс: новое открытие — не просто про перерывы. Даже если за отведённое количество времени вы успеете в 10 раз меньше попыток, итоговый уровень выученного — будет одинаковым! Так что не количество нажатий на кнопку учит мышь уму-разуму, а часы ожидания между этими нажатиями.
Классические теории утверждали: мозг поправляет свои ожидания после каждого конкретного результата — угадал или не угадал, получил бонус или остался ни с чем. Но новый математический подход показывает: мозг не смотрит в будущее, а размышляет задним числом, что же такое было перед наградой, чтобы это можно было повторить. Модели-программы, работающие по-старому, не смогли объяснить, почему с увеличением паузы между наградами каждая попытка становится эффективнее. Новый подход — пожалуйста: вся учёба подчиняется строго времени, и только времени.
Обещанного три года ждут: если мышь ждет награду долго, каждая удачная попытка приносит ей десятки "очков" в обучении. В итоге, за одно и то же время две мыши — одна терпеливая, другая нет — выучат ассоциацию одинаково, но первая получит награду вдесятеро реже. Никаких магических "больше попыток — лучше обучение" тут уже не работает. Кому теперь верить, "вечным ценностям" или новым сюжетам работы мозга?
Авторы честно признаются: проверяли мышей в максимально простых ситуациях. Ждать по часу? Тут уже есть предел контроля, модель буксует. А ещё им интересно, как работает эта математика, если в дело вступают наркотики или сложные привычки у людей.
Шаг в сторону биохакинга и искусственного интеллекта: если внедрить эту награду-по-таймеру не только в мышей, но и в нейросети, может получиться любопытная революция. Представьте себе компьютер, который учится не по миллиону одинаковых задачек, а по десятку, но на длинном временном промежутке, становясь умнее гораздо быстрее.
В общем, если вам по-прежнему кажется, что главное — долбить одно и то же до посинения, пришло время судорожно пересмотреть учебные привычки. Мозг ценит время и умеет ждать, а не то, чтобы ему бесконечно жевали одну и ту же жвачку.
Исследование "Duration between rewards controls the rate of behavioral and dopaminergic learning" провели Dennis A. Burke, Annie Taylor, Huijeong Jeong, SeulAh Lee, Leo Zsembik, Brenda Wu, Joseph R. Floeder, Gautam A. Naik, Ritchie Chen и Vijay Mohan K Namboodiri.
