Dr Terry Sejnowski: Jak skuteczniej się uczyć dzięki neuronauce i AI
Uczenie się często traktuje się jako kwestię przyswajania większej ilości informacji. W rozmowie z Andrew Hubermanem neurobiolog obliczeniowy dr Terry Sejnowski przedstawia bardziej użyteczny model: trwała wiedza rozwija się poprzez przewidywanie, działanie, informację zwrotną i biologiczną konsolidację. Czytanie i słuchanie są ważne, ale stanowią tylko część procesu.
Sejnowski łączy neuronaukę, sztuczną inteligencję, edukację, sen, ćwiczenia fizyczne i motywację. Jego główne przesłanie jest zachęcające: mózg pozostaje plastyczny przez całe dorosłe życie, a skuteczność uczenia się może wzrosnąć, gdy współpracujemy z jego systemami, zamiast polegać wyłącznie na biernej ekspozycji lub sile woli.
Rozumienie mózgu na poziomie algorytmicznym
Sejnowski kieruje Laboratorium Neurobiologii Obliczeniowej w Instytucie Salka, gdzie jego praca łączy matematykę, neuronaukę, informatykę i sztuczną inteligencję. Ta perspektywa kształtuje jego podejście do jednego z najtrudniejszych pytań nauki: w jaki sposób aktywność komórek i obwodów mózgowych staje się percepcją, myślą i zachowaniem?
Szczegółowy spis neuronów, cząsteczek i połączeń sam w sobie nie wyjaśnia działania mózgu. Z drugiej strony obserwowanie zachowania z zewnątrz nie może w pełni ujawnić, jak leżąca u jego podstaw mechanika je wytwarza. Sejnowski opisuje pośredni, algorytmiczny poziom pomiędzy tymi dwoma ujęciami.
Algorytm można porównać do przepisu: określa operacje wykonywane przez system, aby osiągnąć rezultat. W neuronauce identyfikacja takich operacji może wyjaśnić, jak obwody przekształcają doświadczenie w lepsze decyzje lub bardziej biegłe zachowanie. To także poziom, na którym neuronauka i AI coraz bardziej się przenikają. Obie dziedziny pytają, jak system może uczyć się z informacji zwrotnej, uogólniać poza wcześniejsze przykłady i wybierać działania przybliżające go do celu.
Jądra podstawy, dopamina i uczenie się na podstawie rezultatów
Jeden z ważnych systemów uczenia się obejmuje jądra podstawy — zbiór struktur mózgowych, które pomagają doskonalić sekwencje działań. Ćwiczenie pozwala tym obwodom czynić ruchy płynniejszymi i bardziej automatycznymi, niezależnie od tego, czy ktoś poprawia uderzenie tenisowe, zamach golfowy czy inną złożoną umiejętność.
Sejnowski twierdzi, że ten sam szeroki mechanizm przyczynia się również do ekspertyzy poznawczej. Osiągnięcie biegłości w medycynie, finansach, fizyce lub neuronauce wymaga uczenia się produktywnych sekwencji myślenia — nie tylko zapamiętywania odizolowanych faktów.
Jądra podstawy pomagają organizować zarówno sygnały „działaj”, jak i „nie działaj”. Skuteczne wykonanie zależy od rozpoczęcia właściwego działania przy jednoczesnym tłumieniu działań konkurencyjnych. Chirurg musi na przykład przeprowadzić precyzyjny zabieg, wykluczając nieistotne myśli. Huberman i Sejnowski odnoszą to rozróżnienie także do okresu dojrzewania, kiedy systemy związane z powściągliwością i hamowaniem nadal się rozwijają.
Dopamina odgrywa kluczową rolę w aktualizowaniu tych obwodów. Mózg przewiduje, jaka nagroda powinna nastąpić po działaniu, porównuje tę prognozę z tym, co rzeczywiście się wydarza, i dostosowuje swoje połączenia, gdy wynik różni się od oczekiwań. W toku powtarzanych doświadczeń proces ten tworzy to, co badacze obliczeniowi nazywają funkcją wartości: skumulowaną ocenę tego, które wybory prawdopodobnie przyniosą korzystne lub szkodliwe rezultaty.
Zasada ta nie ogranicza się do laboratorium. Wpływa na nawyki, osąd zawodowy, zachowania społeczne i osobiste preferencje. Niewielkie pozytywne rezultaty mogą stopniowo wzmacniać użyteczny wzorzec, podczas gdy silnie negatywne wydarzenie może wywołać szybkie uczenie się już po jednej ekspozycji.
Powiązane metody uczenia ze wzmocnieniem pomogły umożliwić działanie systemów takich jak AlphaGo. To porównanie nie oznacza, że mózgi i AI są identyczne. Pokazuje raczej, jak stosunkowo zwarta reguła uczenia może wytwarzać wyrafinowane zachowanie, gdy działa wielokrotnie w wielu sytuacjach.
Wiedza o czymś to nie to samo co umiejętność zrobienia tego
Głównym tematem rozmowy jest różnica między uczeniem się poznawczym a proceduralnym. Uczenie się poznawcze dostarcza wiedzy jawnej: pojęć, wyjaśnień, zasad i faktów. Uczenie się proceduralne przekształca tę wiedzę w umiejętność, którą można sprawnie wykorzystywać.
Nie można nauczyć się tenisa wyłącznie przez czytanie o technice. Pilot również nie stanie się kompetentny dzięki podręcznikom bez praktycznego szkolenia. Nawet przedmioty akademickie wymagają rozwoju proceduralnego. Zapamiętanie równania różni się od rozpoznania, kiedy go użyć, zastosowania go do nieznanego problemu i sprawdzenia, czy odpowiedź ma sens.
Oba systemy powinny się zatem wzajemnie wspierać. Zrozumienie, dlaczego dana metoda działa, może ukierunkować praktykę, a praktyka ujawnia luki niewidoczne podczas biernej nauki. Sejnowski krytycznie ocenia podejścia edukacyjne, które ograniczają pracę domową, rozwiązywanie problemów lub inne formy aktywnego ćwiczenia. Bez wielokrotnego zastosowania uczniowie mogą rozpoznawać materiał, nie rozwijając nad nim biegłości.
Produktywny cykl nauki wygląda następująco:
Poznaj podstawową ideę.
Spróbuj rozwiązać problem bez natychmiastowego sprawdzania odpowiedzi.
Zidentyfikuj rozbieżność między przewidywaniem a wynikiem.
Popraw metodę i spróbuj ponownie w nowym kontekście.
Wróć do materiału po upływie czasu.
Testowanie jest cenne w tym cyklu, ponieważ samo wydobywanie wiedzy z pamięci jest wydarzeniem edukacyjnym. Ujawnia błędy, wzmacnia dostęp do wiedzy i uczy udzielania odpowiedzi, a nie jedynie jej rozpoznawania.
Aktywne uczenie się buduje zdolność uogólniania
Sejnowski podkreśla, że mózg nie przechowuje informacji jak komputer kopiujący pliki. Uczenie się wymaga interakcji: prób, przewidywania, popełniania błędów i korygowania zachowania.
To właśnie aktywny proces wspiera uogólnianie — zdolność wykorzystania wcześniejszej nauki w sytuacji, która nie jest dokładnie taka sama jak przykład treningowy. Jest to również jeden z definiujących celów współczesnej AI. Model językowy, który jedynie odtwarzałby dane treningowe, byłby znacznie mniej użyteczny niż taki, który potrafi spójnie odpowiedzieć na nowe pytanie.
Ludzie potrafią czasem uogólniać na podstawie zaskakująco niewielu przykładów, choć zdolność ta zależy od wcześniejszego doświadczenia i istniejącej struktury umysłowej. Praktyczny wniosek jest taki, że uczący się powinni urozmaicać ćwiczenia. Wielokrotne rozwiązywanie tego samego rodzaju problemu może zwiększyć znajomość materiału, lecz mieszanie kontekstów i mierzenie się z nieznanymi przypadkami lepiej sprawdza przenoszalne zrozumienie.
Sejnowski i edukatorka Barbara Oakley opracowali bezpłatny kurs online Learning How to Learn wokół wielu z tych zasad. Choć początkowo pomyślano o nim z myślą o uczniach i studentach, przyciągnął szeroką międzynarodową publiczność, w tym pracujących dorosłych, którzy potrzebowali zdobyć nowe umiejętności. Jego popularność odzwierciedla współczesną rzeczywistość: formalna edukacja się kończy, ale potrzeba uczenia się nie.
Pamięć jest rozproszona w całym mózgu
Starsze opisy funkcjonowania mózgu często przypisywały każde zadanie ściśle określonemu regionowi: informacje wzrokowe należały do kory wzrokowej, słuchowe do kory słuchowej, a ruch do obszarów ruchowych. Te rozróżnienia nadal są użyteczne, lecz nowsze metody rejestracji pokazują znacznie szerszą koordynację.
Sejnowski omawia badania, w których aktywność związana z zadaniem pojawia się w wielu regionach, czasem przy znaczącym udziale obszarów, które tradycyjnie nie byłyby uznawane za kluczowe dla danego zadania. Złożone procesy poznawcze zdają się wyłaniać z interakcji między rozproszonymi systemami, a nie z pojedynczego miejsca przechowywania.
Rejestracje wykonywane u osób z epilepsją dostarczyły szczególnie cennego wglądu w tę dynamikę. Niektórzy pacjenci otrzymują wszczepione elektrody w ramach opieki klinicznej, co stwarza rzadkie możliwości bezpośredniej obserwacji ludzkiej aktywności neuronalnej przez badaczy. Dzięki odpowiedniej współpracy badawczej naukowcy mogą badać, jak aktywność zmienia się podczas nauki uczestników i podczas ich snu.
Wyniki te sprawiają, że pamięć przypomina mniej obiekt umieszczony w jednym przedziale, a bardziej wzorzec zintegrowany z istniejącą siecią.
Sen konsoliduje to, co rozpoczyna praktyka
Uczenie się nie kończy się wraz z końcem sesji nauki. Podczas snu NREM mózg wytwarza krótkie wybuchy skoordynowanej aktywności, znane jako wrzeciona senne. Sejnowski opisuje te zdarzenia jako część procesu, dzięki któremu niedawne doświadczenie zostaje włączone do długoterminowej wiedzy korowej.
Hipokamp pełni tymczasową rolę organizującą, odtwarzając podczas snu elementy niedawnych doświadczeń. To odtwarzanie pomaga integrować nowe informacje bez prostego nadpisywania tego, co już zostało wyuczone. Odpowiednia ilość snu nie jest więc jedynie regeneracją po nauce; stanowi aktywny etap tworzenia pamięci.
Rozmowa analizuje również badania dotyczące zolpidemu, powszechnie znanego jako Ambien. W eksperymencie omawianym przez Sejnowskiego lek zwiększał liczbę wrzecion sennych i poprawiał zapamiętywanie wcześniej przyswojonego materiału. Zolpidem może jednak również upośledzać pamięć wydarzeń następujących po jego przyjęciu.
Ten kompromis ilustruje szersze ostrzeżenie: manipulowanie jednym mechanizmem biologicznym może przynosić korzyści i koszty w innych obszarach. Sejnowski stosuje tę samą ostrożność do nootropików i interwencji opartych na hormonach. Farmakologicznego wspomagania nie należy mylić z bezkosztową poprawą izolowanego systemu, ponieważ mózg i ciało utrzymują wzajemnie powiązane formy równowagi.
Ćwiczenia wspierają uczenie się i twórcze myślenie
Sejnowski wykorzystuje aktywność fizyczną jako narzędzie poznawcze. Ćwiczenia mogą przygotowywać mózg do uczenia się, wpływać na fizjologię snu i tworzyć warunki, w których idee swobodniej się łączą.
W rozmowie wskazano związek między ćwiczeniami w ciągu dnia a wrzecionami sennymi później tej samej nocy. Ćwiczenia angażują także systemy ruchowe, a sen pomaga udoskonalać i konsolidować ich adaptacje. Relacja ta wzmacnia ideę, że wydajności poznawczej nie da się wyraźnie oddzielić od zachowania fizycznego.
Dla osób uczących się wniosek jest prosty: ruch nie musi oznaczać czasu odebranego pracy intelektualnej. Regularne ćwiczenia mogą wspierać procesy, które czynią naukę produktywną, zwłaszcza w połączeniu z odpowiednią ilością snu.
Łączność, psychodeliki i naukowa ostrożność
Sejnowski omawia również badania nad psylocybiną, w tym badania kliniczne wskazujące na poprawę u niektórych osób z ciężką depresją. Obrazowanie mózgu sugeruje, że psylocybina może tymczasowo zwiększać komunikację między regionami, które zwykle są bardziej odseparowane, tworząc wzorzec pod pewnymi względami podobny do szerokiej łączności obserwowanej podczas snu REM.
Rodzi to intrygujące pytania. Rozwój obejmuje zarówno tworzenie połączeń, jak i ich przycinanie, częściowo dlatego, że utrzymywanie połączeń neuronalnych jest kosztowne metabolicznie. Nauka nowej umiejętności może wymagać nowej koordynacji między wcześniej oddzielonymi systemami, lecz większa łączność nie jest automatycznie lepsza.
Rozmowa przedstawia ten obszar jako rozwijający się problem naukowy, a nie protokół samodzielnego usprawniania nauki. Wszelkie możliwe korzyści terapeutyczne należy rozpatrywać wraz z nadzorem klinicznym, indywidualnym ryzykiem, ograniczeniami prawnymi i granicami obecnych dowodów.
Praktyczna rutyna uczenia się oparta na neuronauce
Najbardziej użyteczne idee z rozmowy można połączyć bez przekształcania nauki w rozbudowany projekt optymalizacyjny. Zacznij od skupionego przyswajania treści, ale szybko przejdź do aktywnego ich użycia. Spróbuj odtworzyć informacje przed ich ponownym przejrzeniem, rozwiązuj problemy różniące się formą i traktuj błędy jako dane do aktualizacji kolejnej próby.
Utrzymuj nagrody na tyle małe i natychmiastowe, by wzmacniały postęp. Ćwicz regularnie, aby wymagające wysiłku kroki mogły stać się proceduralne. Wykorzystuj ćwiczenia fizyczne do wspierania funkcji poznawczych i chroń wystarczającą ilość snu potrzebnego do konsolidacji. Przede wszystkim oceniaj naukę na podstawie tego, co potrafisz wygenerować, wyjaśnić lub wykonać w nowym kontekście — a nie na podstawie tego, jak znajomy wydaje się materiał źródłowy.
Opis Sejnowskiego zastępuje uproszczony przekaz „ucz się ciężej” biologicznym cyklem: przewiduj, działaj, otrzymuj informację zwrotną, aktualizuj, odpocznij i wróć. Uczenie się staje się skuteczniejsze, gdy wiedzę, zachowanie i regenerację traktuje się jako części tego samego systemu.
