Мозг побеждает сложные задачи, динамически чередуя простые и сложные стратегии обучения

Ученые обнаружили, что при решении сложных задач, таких как предсказание погоды по загадочным символам, метод «разделяй и властвуй» — то есть освоение подсказок по одной, значительно эффективнее, чем одновременная работа со всеми элементами. Участники, которые тренировались на отдельных фигурах, в итоге показывали лучшие результаты, чем те, кто с самого начала видел комбинации из трех символов. Научная статья была опубликована в журнале Nature Human Behaviour.

В новом исследовании, опубликованном в журнале Nature Human Behaviour, ученые решили проверить, какая стратегия обучения лучше помогает людям разгадывать сложные головоломки. Для этого они использовали игру на прогнозирование погоды, где подсказками служили простые геометрические фигуры. Добровольцев разделили на две группы. Первая группа тренировалась на отдельных фигурах, получая по одному символу за раз. Вторая группа с самого начала видела все три фигуры вместе. После этапа обучения обе группы столкнулись с одинаковыми комбинированными головоломками, но уже без обратной связи.

Результаты оказались показательными. Участники, которые осваивали каждую фигуру по отдельности, быстро продвигались вперед и к концу обучения, а также на итоговых тестах, значительно превзошли тех, кто учился на комбинациях. Даже несмотря на то, что первая группа видела меньше примеров совместного использования подсказок, умение разбираться с каждым элементом по отдельности помогло им лучше понять общую картину. Авторы исследования подчеркивают, что задача прогнозирования погоды осваивается эффективнее именно при методе «разделяй и властвуй».

Чтобы понять, почему этот прием сработал, исследователи создали вычислительные модели обучения. Они сравнили две базовые стратегии. Первая, одиночное правило, обновляла каждую подсказку изолированно, как будто только она влияет на результат. Вторая, совместное правило, учитывала одновременное влияние всех признаков. Оказалось, что ни одна из стратегий в чистом виде не соответствовала поведению человека. Истинной находкой стала гибридная модель, которая умело сочетает оба подхода.

Эта модель предполагает, что мозг динамически переключается между стратегиями в зависимости от ситуации. Если доказательства достаточно убедительны и указывают на простую причину, мозг применяет более легкий метод фокусировки на одном фрагменте информации. Но если исход зависит от сложной комбинации множества подсказок, он переходит к более затратному совместному обновлению всех признаков. Такое динамическое арбитражное решение позволяет избежать когнитивной перегрузки и эффективно определять истинный вес каждой подсказки.

Гибридная модель не только объяснила полученные данные, но и позволила сделать новые прогнозы для улучшения обучения. Например, она подсказала, что обучение на примерах с очень четкими результатами, такими как яркие сигналы «солнце» или «дождь», должно ускорить процесс. Команда проверила это на искаженной учебной программе, насыщенной экстремальными случаями, и действительно, учащиеся в таких условиях улучшили свои результаты еще быстрее.

Авторы отмечают, что вычислительные методы обучения могут помочь в разработке учебных программ, ускоряющих освоение материала. Важно не только то, чему вы учитесь, но и как структурированы уроки. Этот вывод может быть полезен для педагогов: стоит начинать с очевидных, ярких примеров и лишь затем добавлять более сложные случаи.

Любопытно, что многие системы машинного обучения получают мало пользы от такого поэтапного обучения, что говорит об особом таланте человека к подходу «разделяй и властвуй». Разработка учебных программ, как заключает статья, имеет центральное значение для эффективного обучения в самых разных областях — от образования людей до искусственного интеллекта.

Коротко о результате исследования: главный вывод эксперимента заключается в том, что для решения сложной задачи или обучения новому навыку наиболее эффективно разбивать проблему на небольшие отдельные элементы, осваивать их по одному и лишь затем объединять для работы с комплексными примерами. Этот метод, подтвержденный прямым сравнением стратегий в игре по прогнозированию погоды, позволяет мозгу избегать перегрузки и динамически выбирать оптимальный способ обработки информации, что в итоге ведет к лучшему пониманию общей картины.

Присоединяйтесь к нам в соцсетях