Ketika anak-anak belajar mengikat tali sepatunya, mereka melakukannya dengan langkah-langkah terpisah-membuat sebuah lingkaran atau menarik renda itu.

Setelah pengulangan cukup, otak kita mengubah langkah-langkah ini menjadi "potongan".

Gerakan chunking, seperti fenomena yang diketahui, adalah strategi yang mengurangi string informasi yang panjang menjadi potongan yang lebih pendek dan mudah diatur sehingga lebih mudah diingat.

"Chunking adalah produk sampingan alami dari strategi cerdas yang meminimalkan biaya belajar."

Para ilmuwan tahu bahwa untuk orang-orang dengan penyakit Parkinson, penyakit Huntington, dan stroke, gerakan chunking ini sangat terganggu. Memahami chunking dan cara kerjanya sangat penting untuk diagnosis dini, terapi pengobatan dan rehabilitasi. Namun, sains tidak memiliki penjelasan konkret untuk itu.

Tapi sekarang, peneliti telah mengembangkan teori komprehensif mengapa chunking terjadi. Bingkai penelitian chunking sebagai tradeoff ekonomi dalam sistem motor, di mana penggabungan potongan kecil menjadi optimal "hemat biaya" pada tahap pembelajaran tertentu. Temuan itu muncul di jurnal Alam Komunikasi.

"Sistem saraf bertujuan untuk menghasilkan gerakan seefisien mungkin," kata Scott Grafton, seorang profesor neurologi di University of California, Santa Barbara. "Namun, ada biaya komputasi untuk menghitung lintasan yang efisien. Titik manis di antara hasil ini menghasilkan potongan. "

Sulit dan efisien

Grafton dan rekannya menggunakan alat kontrol motor komputasional, yang menghasilkan model komputer untuk menemukan bagaimana otak mengontrol anggota tubuh dan tujuan serta kendala dari sistem motor. Dalam konteks ini, para peneliti mengalami kesulitan menjelaskan bagaimana manusia dan hewan lain bertransisi dari gerakan yang sederhana tetapi tidak efisien ke komputasi yang menuntut tetapi efisien.

"Studi kami menyelesaikan kesulitan ini dengan menunjukkan - secara teoritis dan eksperimental - bahwa jalur pembelajaran efisiensi kompleksitas yang paling efektif biaya adalah strategi yang menghasilkan chunking," kata Grafton. "Oleh karena itu, chunking adalah produk sampingan alami dari strategi cerdas yang meminimalkan biaya belajar."

Para peneliti mengukur bagaimana kera rhesus menghasilkan rangkaian gerakan selama beberapa hari latihan dan menemukan bahwa hewan-hewan ini memang merupakan pelajar dengan biaya efektif. Dengan memilih kapan harus melunasi potongan dengan cara yang cerdas, monyet mencapai penghematan biaya belajar kumulatif.

Mereka membagi urutan gerakan menjadi potongan, dioptimalkan untuk efisiensi dalam potongan, dan kemudian menggabungkan potongan hanya jika keuntungan lebih lanjut dalam efisiensi diperlukan.

"Gerakan chunking telah ditandai secara luas dalam kesehatan dan penyakit pada manusia dan hewan, namun sampai sekarang, teori normatif kurang," kata Grafton, "Teori kami menghasilkan lintasan gerakan yang optimal, dan eksperimen di mana monyet belajar menghasilkan rangkaian baru. gerakan dalam jangka waktu yang panjang menunjukkan bahwa teori kita menjelaskan ciri-ciri penting dari potongan yang muncul dalam gerakan mereka. "

Membingkai fenomena chunking sebagai tradeoff ekonomi menawarkan perspektif baru tentang pembelajaran motorik dan kelainannya.

Misalnya, sifat gerakan yang tidak teratur pasca-stroke dapat dikaitkan dengan anggaran komputasi yang lebih rendah untuk pembelajaran motorik, dan gerakan yang tidak efisien yang terlihat pada stroke dengan demikian mungkin adaptif dengan anggaran ini, Grafton menjelaskan. Setiap pendekatan rehabilitasi dapat mengambil manfaat dari wawasan ini, tambahnya.

"Perspektif komputasi kita tentang chunking juga membuka pertanyaan baru mengenai bagaimana otak mengendalikan gerakan," kata Grafton. "Secara khusus, bukti terbaru untuk pengkodean saraf chunking di otak harus diperiksa ulang berdasarkan teori komputasi.

"Apakah neuron mengkodekan keputusan kinematis, anggaran komputasi atau tujuan efisiensi? Ini adalah pertanyaan terbuka lebar untuk seluruh bidang kontrol motor. "

Sumber: UC Santa Barbara

Buku terkait

at Pasar InnerSelf dan Amazon