Quando i bambini imparano a legare i lacci delle scarpe, lo fanno a passi discreti, facendo un passante o tirando il laccio.

Dopo abbastanza ripetizione, il nostro cervello trasforma questi passaggi in "pezzi".

La suddivisione del movimento, come è noto il fenomeno, è una strategia che riduce lunghe stringhe di informazioni in pezzi più brevi, più gestibili e più facili da ricordare.

"Chunking è il sottoprodotto naturale di una strategia intelligente che riduce al minimo i costi di apprendimento."

Gli scienziati sanno che per le persone con il morbo di Parkinson, il morbo di Huntington e l'ictus, questo movimento è fortemente interrotto. Comprendere il chunking e come funziona è fondamentale per la diagnosi precoce, il trattamento e la terapia riabilitativa. Tuttavia, la scienza non ha una spiegazione concreta per questo.

Ma ora, i ricercatori hanno sviluppato una teoria esauriente sul perché si verifica il chunking. La ricerca incornicia il chunking come un compromesso economico nel sistema motorio, in cui la fusione di piccoli pezzi diventa in modo ottimale "conveniente" in determinate fasi di apprendimento. I risultati appaiono sul diario Nature Communications.

"Il sistema nervoso mira a produrre movimenti nel modo più efficiente possibile", afferma Scott Grafton, professore di neurologia all'Università della California, Santa Barbara. “Tuttavia, il calcolo delle traiettorie efficienti comporta un costo computazionale. Il punto debole tra questi obiettivi si traduce in blocchi. "

Difficile ed efficiente

Grafton e colleghi hanno utilizzato strumenti di controllo motorio computazionale, che producono modelli computerizzati per scoprire come il cervello controlla gli arti e gli obiettivi e i vincoli del sistema motorio. In questo contesto, i ricercatori hanno avuto difficoltà a spiegare come gli esseri umani e altri animali passano da movimenti computazionalmente semplici ma inefficienti a movimenti computazionalmente esigenti ma efficienti.

"Il nostro studio risolve questa difficoltà dimostrando - teoricamente e sperimentalmente - che i percorsi di apprendimento più efficienti in termini di complessità ed efficienza sono quelli che producono blocchi", afferma Grafton. "Pertanto, il chunking è il sottoprodotto naturale di una strategia intelligente che riduce al minimo i costi di apprendimento."

Gli investigatori hanno misurato il modo in cui i macachi di rhesus hanno prodotto sequenze di movimenti durante diversi giorni di pratica e hanno scoperto che questi animali sono in effetti apprendenti convenienti. Selezionando quando combinare pezzi in modo intelligente, le scimmie hanno ottenuto risparmi sui costi cumulativi di apprendimento.

Hanno diviso la sequenza di movimento in blocchi, ottimizzati per l'efficienza all'interno di blocchi, e poi li hanno uniti solo quando erano necessari ulteriori miglioramenti in termini di efficienza.

"La suddivisione del movimento è stata ampiamente caratterizzata in termini di salute e malattia tra uomini e animali, ma fino ad ora mancava una teoria normativa", afferma Grafton, "La nostra teoria deriva traiettorie di movimento ottimali e questi esperimenti in cui le scimmie imparano a produrre una sequenza inedita di movimenti per un lungo periodo di tempo dimostrano che la nostra teoria spiega le caratteristiche essenziali dei blocchi che emergono nei loro movimenti. "

Inquadrare il fenomeno del chunking come un compromesso economico offre una nuova prospettiva sull'apprendimento motorio e sui suoi disturbi.

Ad esempio, la natura irregolare dei movimenti post-ictus può essere attribuita a budget computazionali inferiori per l'apprendimento motorio e i movimenti inefficienti visti nell'ictus possono quindi adattarsi a questi budget, spiega Grafton. Qualsiasi approccio riabilitativo potrebbe beneficiare di questa intuizione, aggiunge.

"La nostra prospettiva computazionale sul chunking apre anche nuove domande su come il cervello controlla i movimenti", afferma Grafton. “In particolare, le prove recenti per la codifica neurale di blocchi nel cervello devono essere riesaminate alla luce delle teorie computazionali.

“I neuroni codificano decisioni cinematiche, budget computazionali o obiettivi di efficienza? Queste sono domande aperte per l'intero campo del controllo motorio. "

Fonte: UC Santa Barbara

libri correlati

at InnerSelf Market e Amazon