Bagaimana otak Anda memahami 'gambaran yang lebih besar?'
Otak kita mengenali pola dan dapat "menjauhkan diri" dari detail untuk melihat "gambaran yang lebih besar". Para peneliti sekarang berusaha mencari tahu bagaimana tepatnya otak dapat memperoleh perspektif.
Otak manusia adalah bagian mesin yang kompleks, mampu menyerap, memproses, menyimpan, memperbarui, dan mengingat sejumlah besar informasi yang telah memungkinkan kita, sebagai spesies, tidak hanya bertahan tetapi berkembang di dunia yang penuh tantangan. setiap langkah.
Sejak dini, bayi dapat belajar membedakan dan mengenali wajah, mengidentifikasi suara tertentu dan menunjukkan preferensi untuk mereka, dan bahkan memproses hubungan sebab-akibat.
Bagaimana otak kita mengatur untuk menavigasi aliran informasi yang kompleks dan membentuk asosiasi yang membantu? Ini adalah pertanyaan yang ingin dijawab oleh tiga ilmuwan dari University of Pennsylvania di Philadelphia - Christopher Lynn, Ari Kahn, dan Danielle Bassett.
Para peneliti menjelaskan bahwa sejauh ini, para ilmuwan mengira bahwa otak menggunakan proses-proses canggih untuk menetapkan struktur hubungan statistik tingkat tinggi.
Namun, dalam penelitian mereka saat ini, ketiga peneliti mengajukan model yang berbeda, yang menunjukkan bahwa otak kita sangat ingin menyederhanakan informasi sehingga mereka dapat "melihat gambaran yang lebih besar".
“[Otak manusia] terus-menerus mencoba memprediksi apa yang akan terjadi selanjutnya. Jika, misalnya, Anda menghadiri kuliah tentang subjek yang Anda ketahui, Anda sudah memiliki pemahaman tentang struktur tingkat tinggi. Itu membantu Anda menghubungkan berbagai ide dan mengantisipasi apa yang akan Anda dengar selanjutnya. ”
Christopher Lynn
Mengantisipasi konsekuensi
Dalam model baru mereka, yang mereka presentasikan di American Physical Society March Meeting 2019, para peneliti menjelaskan bahwa otak harus menjauh dari hal-hal spesifik untuk menciptakan koneksi ide tingkat tinggi.
Beralih ke seni Impresionis untuk mengilustrasikan konsep ini, Lynn mencatat bahwa, "jika Anda melihat lukisan pointillist dari dekat, Anda dapat mengidentifikasi dengan benar setiap titik." Namun, "Jika Anda mundur 20 kaki, detailnya menjadi kabur, tetapi Anda akan mendapatkan gambaran yang lebih baik tentang keseluruhan struktur".
Otak manusia, ia dan rekan-rekannya yakin, melalui proses serupa, yang juga berarti bahwa mereka sangat bergantung pada pembelajaran dari kesalahan sebelumnya.
Untuk memverifikasi hipotesis ini, para peneliti melakukan percobaan di mana mereka meminta peserta untuk melihat layar komputer yang menunjukkan lima kotak berturut-turut. Tugas peserta adalah menekan kombinasi tombol untuk mencocokkan urutan di layar.
Ketika mereka mengukur waktu reaksi, para peneliti menemukan bahwa para partisipan cenderung menekan kombinasi tombol yang benar pada kecepatan yang lebih cepat ketika mereka dapat mengantisipasi hasilnya.
Sebagai bagian dari eksperimen, para peneliti merepresentasikan rangsangan sebagai node yang membentuk bagian dari sebuah jaringan. Seorang peserta akan melihat satu stimulus sebagai simpul di dalam jaringan itu, dan salah satu dari empat simpul lain yang berdekatan dengannya akan mewakili rangsangan berikutnya.
Selanjutnya, jaringan membentuk "grafik modular" yang terdiri dari tiga pentagon yang terhubung atau "grafik kisi" yang terdiri dari lima segitiga dengan garis yang menghubungkannya.
Para peneliti mencatat bahwa partisipan bereaksi lebih cepat terhadap grafik modular daripada grafik kisi.
Hasil ini, kata para peneliti, menunjukkan bahwa peserta merasa lebih mudah untuk memahami struktur grafik modular - yaitu, logika yang mendasari "gambaran yang lebih besar" - yang memungkinkan mereka membuat prediksi lebih cepat dengan akurasi yang lebih tinggi.
Dengan menggunakan temuan ini, Lynn dan rekannya mencoba menilai nilai variabel yang mereka beri nama nilai "beta". Para peneliti mengatakan bahwa nilai beta tampaknya lebih rendah pada orang yang lebih mungkin membuat kesalahan prediksi dan lebih tinggi pada mereka yang menyelesaikan tugas dengan lebih akurat.
Di masa depan, para peneliti bertujuan untuk menganalisis pemindaian MRI fungsional untuk melihat apakah otak orang yang menyajikan nilai beta berbeda, bisa dikatakan, "diprogram" secara berbeda.
