跳到正文
原文
bioRxiv · Neuroscience· Gupta, M. W., Taylor 等 4 人
精选AI 评分60

相同的动作,不同的技能:情境如何塑造人类与神经网络的学习

Same Movements, Different Skills: How Context Shapes Learning in Humans and Neural Networks

预印本 · 尚未经过同行评审

AI 导读

相同的动作序列在不同情境下练习,是否会被整合成同一技能一直不清楚。研究用简单循环神经网络在多个情境中训练同一序列,发现强情境输入与较高初始权重尺度同时出现时表征分离最大;人类被试在两种与任务无关的情境间交替练习同一手指序列,同样出现情境特异的学习曲线,而非单一连续轨迹,状态空间模型支持人类存在分离的学习状态。材料仅为摘要,尚未经同行评审。

推荐理由

让人类与循环神经网络在两种无关情境下练习同一手指序列,比较学习曲线与状态空间模型中的学习状态是否随情境分离。

摘要 · AI 翻译

是什么决定了经验会被整合为共享表征还是被分割?运动技能学习提供了一个有启发性的检验:当两项任务需要完全相同的动作序列时,直觉和理论都表明,在一项任务中的练习应当迁移到另一项。然而我们发现,改变情境可以使完全相同的动作成为不同的技能。在跨情境训练同一序列的简单循环网络中,当强情境输入与较高的初始权重尺度同时出现时,分割最为明显;两者单独都不足以导致分割。更大的表征分离与各自独立的情境特异性学习曲线相吻合。人类在被试于两个与表现无关的情境之间交替时练习相同的手指序列,同样表现出情境特异性的曲线,而非在单一情境中练习时所观察到的单一连续轨迹。状态空间建模支持人类存在分割的学习状态,而在情境依赖性最强的网络中则支持极弱耦合的状态。这些发现对于理解学习如何跨情境泛化具有更广泛的意义。

中文由 AI 翻译,仅供参考,以原文为准。

来源:bioRxiv · Neuroscience · biorxiv.org

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。