Keresés

Az AgySétában eljutottunk a harmadik rész, a harmadik szerveződési szintlépés bemutatásának végére. Foglaljuk össze mit is tanultunk, mi újat tudnak a második szintű agyi (meta)hálózatok az idegsejtekhez (első rész) és (kis)hálózatokhoz (második rész) képest.

Most hogy átvészeltük a jutalmazási rendszer irányításával működő felügyelt tanulás rendszerét és módszereit, nézzünk példákat is a működésére. Egy ingerre vagy egy cselekedetre adott válasz, vagy annak hiánya többféle kimenetellel (jutalom, büntetés, vagy ezek elmaradása) járhat, és ennek megfelelően eltérő módokon tanulnak az érintett agyi területek.

Nézzük akkor a dopamin második hatását. Ugyanis a pozitív RPE (sok dopamin)– vagyis amikor a kapott jutalom nagyobb vagy váratlanabb, mint amit előre vártunk – nemcsak tanulási jelet, hanem szubjektív élményt is kivált: örömöt, elégedettséget, "sikerérzést".

Annak a bemutatásával folytatjuk hogyan szabályozza a dopamin a tanulást? 

Eljutottunk végre oda, hogy kiértékeltük a válasz sikerét és kaptunk egy pozitív, egy nulla vagy egy negatív reward prediction error-t (RPE). Ennek megfelelően sok dopamin szabadul fel, kevés dopamin szabadul fel vagy nem szabadul fel dopamin. Ez lesz a jel arra, hogy kell-e tanulni, a szinaptikus kapcsolatok megerősödjenek, ne változzanak vagy gyengüljenek.

A dopaminfelszabadulás –a jutalom-predikciós hiba (RPE, reward prediction error) kódolása összetett agyi rendszerek összehangolt működése nyomán jön létre. Ezek a rendszerek érzékelik, összevetik és értékelik a várt és a bekövetkezett kimeneteleket, és ennek alapján határozzák meg, hogy felszabadul-e dopamin, milyen mennyiségben, és mely agyterületeken. Ami fontos, hogy nem a jutalom értéke számít itt, hanem a jutalom változása és váratlansága. Ez tanít minket a legjobban, hibáinkból és sikereinkből tanulunk a legjobban, nem a kb. jó rutinszerűen megcsinált dolgokból.

Most hogy átvettük a memóriák és a tanulás fajtáit, jön a legcikornyásabb rész, a jutalmazási rendszer (reward system) felépítésének és működésének bemutatása. A jutalmazási rendszer az agy egyik legfontosabb motivációs és tanulási rendszere, amely lehetővé teszi, hogy egy szervezet súlyozza (priorizálja), megtanulja és előnyben részesítse azokat a viselkedéseket, amelyek kellemes vagy hasznos kimenetelhez vezetnek és elkerülje azokat amik nem. A különböző típusú tanulások másként használják ezt a rendszert.

A tanulás alapja a szinaptikus súlyok megváltozása. A neuronhálózatoknál bemutattuk a memória alapjául szolgáló sejtszintű, társításos (asszociatív) tanulást, mely a Hebb szabályt használva alakítja a szinaptikus súlyokat, és ezért a hálózat információfeldolgozó képességét. Ez ugye a (kis)hálózat szintű tanulást írja le, ami azonnali és mindig bekövekezik, ha megvan az egyidejűség.

A mindennapi hatékony túléléshez a dolgokra különböző ideig kell emlékeznünk. Van amire csak egy rövid ideig (Mit hozzak a boltból? Hova tettem a bringa zárjának a kulcsát? Mik voltak a fizika feladatban a megadott értékek és mi a kérdés?), van amire örökre kell / kellene emlékezni (születési helyem, anyukám neve, a mohácsi vész időpontja). Egy eseményről, vagy egy terv eredményének sikeréről gyakran csak utólag dől el fontos-e, érdemes-e emlékezni rá. Ezért az agy eltérő részein kialakultak különböző időtartalmú memóriák, melyek azután, hogy az információ hasznosnak bizonyult, a rövidtávú memóriákból átkerülnek a hosszabbtávú memóriákba. (korábbi cikkünk a memóriáról)

A pszichológusok az első vágást hosszútávú memóriákon annak mentén teszik, hogy tudjuk-e, el tudjuk-e magyarázni amit tanulunk vagy pedig reflex, készség szintem tanulunk és nem tudjuk elmagyarázni, legfeljebb megmutatni.