喬治城大學的研究人員發現了新的證據，表明當人們掌握一項技能時，大腦會進行物理重塑，從而使熟練的任務自動化。這些發現挑戰了長期以來認為人類無法真正多工處理的觀念，並提出透過足夠的經驗，大腦可以同時執行某些活動，而不是僅僅快速地在它們之間切換。
這項發現可能對日常生活以外的領域產生影響。它可能有助於科學家更好地理解習慣如何形成、為何某些行為難以改變，以及未來的 સિસ્ટમ 如何透過先前的學習來更好地建立新技能。
喬治城大學醫學院神經科學教授、神經工程中心聯合主任 Maximilian Riesenhuber 博士表示：「這是我們對大腦學習方式理解的又一塊墊腳石。令人鼓舞的是，你確實可以學會多工處理。實際上有一種方法可以重塑你的大腦架構，並利用你大腦的其他部分。」
大腦如何自動化學習技能
這項研究擴展了數十年來對大腦如何獲得新能力的探索工作。雖然科學家們對學習的早期階段已經有了很多了解，但對於一項技能經過大量練習並變得幾乎毫不費力之後會發生什麼，卻知之甚少。
Riesenhuber 解釋說，開車是一個常見的例子。學習開車最初需要持續的注意力，但多年的經驗使許多人能夠在安全開車的同時進行交談、聽音樂或思考一個問題。
Riesenhuber 說：「問題是：你的大腦是如何做到的？」
腦部掃描顯示神經迴路發生轉變
為了進行研究，研究團隊要求志願者透過識別細微的視覺差異，將變形汽車的圖像分類到兩個類別中。參與者在 5 到 10 週的時間內，使用一款設計成遊戲的智慧型手機應用程式，完成了超過 30,000 次分類試驗。
研究人員在訓練開始前和訓練期結束後，使用功能性磁共振成像 (fMRI) 和腦電圖 (EEG) 掃描檢查了參與者的大腦。
在學習初期，分類任務主要激活了前額葉皮層，這是負責規劃、推理和有意識決策等執行功能的區域。由於大腦的這個部分通常一次只能處理一項要求高的任務，因此長期以來一直被視為多工處理的主要限制。
然而，經過數週的練習後，大腦活動發生了轉變。相同的分類任務現在主要由顳葉皮層處理，這是涉及記憶和識別複雜物體的區域。
第一作者 Patrick Cox 博士表示：「先前的研究表明，在經驗豐富的觀察者中，顳葉皮層的某些部分可以被特定的物體類別激活，例如鳥類、汽車，甚至是寶可夢，但所有這些研究的局限性在於，它們只在人們成為專家之後才進行觀察。這項研究的優勢在於它是縱向的；我們在訓練前後進行測量，因此我們可以看到，大量的訓練基本上在顳葉中建立了一個先前不存在的、對類別有選擇性的區域。」Cox 在 Riesenhuber 的實驗室攻讀研究生期間開始了這項研究，現為利哈伊大學心理學助理教授。
Cox 補充說：「這對關鍵的真實世界情境具有啟示意義，例如放射科醫生能夠相當自動地準確地將 X 光片上的腫塊分類為良性或惡性，這得益於多年的訓練，而無需進行廣泛的審議。」
大腦重塑如何實現多工處理
研究人員發現，來自新開發的汽車選擇性區域的資訊可以繞過前額葉皮層，直接傳輸到負責產生反應的大腦區域。
Riesenhuber 解釋說：「經驗會重塑大腦，繞過前額葉的瓶頸。然後，前額葉皮層就能騰出空間來處理你想做的任何其他事情，從而提高你的能力。」
研究團隊還發現，汽車分類任務從前額葉皮層「卸載」的程度越高，參與者同時執行第二項任務的表現就越好。
這一結果挑戰了長期以來人們認為人類無法真正多工處理的觀念。相反，許多科學家認為，大腦只是非常快速地在任務之間切換注意力，從而產生同時執行兩項任務的錯覺。
Riesenhuber 表示：「我們證明的是，迴路實際上會改變，以便大腦可以同時執行兩件事。這才是真正意義上的多工處理。」
研究結果對習慣和人工智慧的意義
這些結果也可能為強迫性行為提供新的見解。由於學習良好的行為會轉移到較不依賴意識控制的大腦迴路中，因此僅僅試圖想別的事情可能不足以打破不良習慣。
Riesenhuber 說：「要學會放下某件事的第一步，是了解它實際上發生在大腦的哪個部位。這表明了為何像告訴某人去想別的事情這樣的策略實際上沒有幫助，因為他們並沒有真正意識到控制這種行為。」
研究人員還認為，這些發現可能有助於解釋為何人類在一生中不斷建立新能力，而當前的人工智慧系統在不破壞先前獲得的知識的情況下持續學習仍然很困難。
根據 Riesenhuber 的說法，將學習良好的技能轉移到顳葉皮層，可以讓前額葉皮層專注於新的挑戰，讓現有的知識成為未來學習的基礎。今天的 સિસ્ટમ 通常缺乏這種靈活的架構。
該團隊現在計劃進一步研究學習如何從一個大腦區域轉移到另一個大腦區域，並確定哪些類型的任務最終可以同時執行。
Cox 表示：「另一個非常有趣的問題是，哪些類型的任務可以學習得足夠好，以便同時進行。我們可以一邊走路一邊嚼口香糖，但開車時看手機發簡訊永遠是不安全的，因為我們將視線從道路上移開了。這歸結於能夠訓練兩個完全獨立的神經迴路，使其能夠同時進行。」
這項題為「 Extensive Experience Remodels Neural Task Circuitry to Escape the Frontal Bottleneck and Increase Automaticity of Categorization 」的研究，已於 6 月 4 日發表在《認知神經科學期刊》(Journal of Cognitive Neuroscience) 上。
