به گزارش یک مطالعه جدید که علوم شناختی و تئوری اطلاعات را در هم میآمیزد، مغز ما طوری ساختار یافته است که بهترین تصمیمات ممکن را با توجه به منابع محدود اتخاذ مینماید. هنگام رانندگی در تاریکی شب شکل شیئی را در کنار جاده میبینید. آیا این یک گوزن یا یک صندوق پستی است؟ با توجه به تحقیقات جدید که متضمن نظریه علوم شناختی و نظریه اطلاعات است – شاخهای از ریاضیات که اساس فناوری ارتباطات مدرن است، مغز شما طوری ساختار یافته است تا بهترین تصمیم ممکن را با توجه به محدودیت منابع آن اتخاذ نماید.
به گفته کریس سیمس دستیار استاد علوم شناختی موسسه پلی تکنیک Rensselaer این یافته که در مجله Science منتشر شده است، حاصل پیشرفت تحقیقاتی از سوی بنیاد ملی علوم، پشتیبانی شده به منظور بهبود آموزش در زمینههای STEM است، که اغلب به شدت بر تواناییهای ادراکی و مهارتهای ادراکی متکی هستند.
سیمز میگوید: “برای مثال درس زمینشناسی را در نظر بگیرید، که در آن دانشآموزان باید یاد بگیرند که بین سنگها یا سازههای زمین شناختی که ممکن است یک ظاهر بسیار مشابه داشته باشند، تمایز قائل شوند. نحوه انجام آن معمولاً از طریق تکرار است – شما معمولاً به کرات سنگهای زیادی را میبینید تا زمانی که واقعاً درون آنها غوطهور میشوید. اما چگونه مغز میتواند به ما کمک کند تا تمرینهای تربیتی کلاسهای آموزشی را بهتر انجام دهیم تا تواناییهای آنها را به طور موثرتری ارتقاء دهیم.”
قانون متعارف علوم شناختی، یعنی قانون جهانی تعمیم، معرفی شده در مقاله 1987 که اتفاقاً در Science منتشر شده است، به ما میگوید که مغز تصمیمات ادراکی را بر اساس اینکه چقدر محرک جدید به تجربه قبلی شبیه است، اتخاذ مینماید. به طور خاص، این قانون بیان میکند که احتمال اینکه شما یک تجربه گذشته را به محرک جدید گسترش دهید، بستگی به شباهت بین این دو تجربه دارد و همچنانکه شباهت کاهش مییابد، با یک واپاشی نمایی در احتمال همراه است. این الگوی تجربی در صدها آزمایش در بین گونهها از جمله انسان، کبوتر و حتی زنبور عسل ثابت شده است.
سیمز میگوید: “این یک معادله اساسی است که در طبیعت جهانی است و بسیار خوب عمل میکند. اما در حالی که این قانون الگوی تجربی را توصیف میکند، به اندازه کافی توضیح نمیدهد که چرا این الگو باید در طبیعت ظاهر شود. و این چیزی است که من میخواهم به آن پی ببرم.” سیمز در پژوهش خود به نظریه اطلاعات متوسل شد؛ شاخهای از ریاضیات که در آزمایشگاههای Bell در دهه 1940 پایهگذاری شد و این امکان را فراهم میکند که بهترین عملکرد ممکن را در سیستم ارتباطی با توجه به محدودیتهای سیستم پیشبینی کند. به عنوان مثال، نظریه اطلاعات امکان پیشبینی بهترین دقت ممکن صدا را که سیم تلفن میتواند با توجه به سطح مشخصی از آن صدا در سیگنال انتقال دهد، را فراهم میکند. سیمز با تکیه بر تشابه آشکار میان سیمهای تلفن پر سر و صدا و سلول های عصبی پر سر و صدا، از تئوری اطلاعات برای درک سیستمهای ارتباطی بیولوژیکی ادراک و حافظه استفاده میکند. به گفته سیمز ایده این است که ادراک بصری یک کانال ارتباطی است: اطلاعات در جهان وجود دارد و شما باید اطلاعات را از چشم خود به مغزتان منتقل کنید. همانطور که محدودیتهایی در سیستم مکانیکی مانند خط تلفن وجود دارد، محدودیتهایی در سیستم بیولوژیکی وجود دارد و سیمز به دنبال نظریههای اطلاعاتی برای توصیف و پیش بینی عملکرد مطلوب است که میتواند از سیستم بینایی انسان حاصل شود و این امر منجر به ایجاد پیوند صمیمانهای میان قانون جهانی تعمیم (Universal Law of Generalization) که از مدت ها قبل در علوم شناختی مورد مطالعه قرار گرفته است و چارچوب ریاضی نظریه اطلاعات (mathematical framework of information theory) شد. هنگامی که سیمز سیستم بینایی را با استفاده از چارچوب نظریه اطلاعات توصیف نمود، دریافت که یک جنبه به خوبی شناخته شده نظریه اطلاعات شناخته شده به عنوان برنامه نویسی کارآمد، همان شیب تعمیم نمایی (exponential generalization gradient) را پیشبینی کرده است که طبق قانون جهانی تعمیم پیش بینی شده بود. کار او نقاط بین دو قانون بنیادی را در حوزههای مختلف متصل میکند و نشان میدهد که تکامل به ما یک نظام ادراکی داده است که به مقادیر پیشبینی شده توسط قوانین ریاضی تئوری اطلاعات نزدیک میشود.
“من خواستم دریابم که چرا این الگو در طبیعت ظاهر میشود و پاسخ با توجه به نظریه اطلاعات این است که طبیعت تنوعی از سیستمهای ادراکی را به ما داده است که با فرض محدودیتها و قید و بندهایی که باید با آن کار کنند، تا حد ممکن کارآمد هستند. این میتواند توضیح سادهای برای این باشد که چرا این الگو در همه جا وجود دارد و امیدوار کننده است.”
این یافته ممکن است برای کمک به توسعه اندازهگیری دقیقتر تخصص و پیشرفت ادراکی مورد استفاده قرار گیرد، اما سیمز قلباً میگوید که او خوشحال است که میبیند علم بنیادی اینچنین پیشرفت کرده است.
سیمز میگوید: “من هیجان زدهام که در حال حاضر قوانینی ریاضی داریم که میتوانیم از آن برای توصیف بهتر و درک پردازش اطلاعات در مغز و ماهیت هوش به طور کلی استفاده کنیم.”
برای کسب اطلاعات بیشتر اینجا کلیک کنید.