解决不了谜题答案可能在于知道什么不工作

寻找模式或规则 无法识别并重头来过

大脑识别你当前策略失灵 并需要新方法解决问题 根据华盛顿大学新研究由大约200个解答者帮助, 计算机模型和函数MRI图像, 研究人员深入了解推理和决策过程, 并定位脑路径, 问题解决南转时启动行动

Chantel Prat表示, 心理学助理教授兼新研究合编人Serp日志中23认知科学因为这些过程发生在引擎盖下, 你不一定知道 驱动者或驱动者正在做多少事

使用Brown大学Michael Frank开发的决策任务, 研究人员精确测量每个人脑中多少“策略性”Prat和她的合写者都专注于理解什么能令人善解问题

研究队先开发计算机模型 具体说明他们认为解决Raven高级性能矩阵需要的一系列步骤- 标准实验测试像上方拼图要成功,拼图师必须识别模式并预测序列中的下一图像模型基本描述人们用四步解题

• 识别模式中的密钥特征;
• 查找序列中特征出现位置;
• 拟出规则操纵特征
• 检查规则是否完全正确

模型在每一步评价它是否正在进步当模型有真正问题解决时,当它能够避免那些无助于它进步的特点和战略时,它表现最优根據作者, 能力知道何时你「思想轨迹错位」是找到正确答案的核心

下一步是检验人是否真然团队有三组参与者用三种不同实验解题头版中,他们用纸笔测试解决原创拉文问题集,并用Frank测试分别测量能力,即选择最优选项和避免最差选项测试结果显示 唯一能避免最差选择 与解决问题成功相关能力识别决策测试中最优选择和有效解题无关

第二次实验用较短计算机化任务版本取代纸笔拼图,该任务也可以在MRI脑扫描环境实施研究结果证实,最能避免决策任务中更糟选择的人也是最能解决问题者。

最后一组参与者完成计算机拼图,同时用FMRI记录他们的脑活动基于模型 研究人员测量脑中哪个部分 驱动问题解答成功basalbanglia-Prat称前端皮层或脑CEO为“执行助手”。basalbanglia帮助前端皮层决定使用并行路径采取什么行动:即翻转音量“上调”它认为相关信息,和翻转音量信号“下调”它认为无关选择和避免行为 与Frank决策测试相关实验结果显示Basalbanglia中“调低音量”过程预言参与者解题成功程度

脑中并行学习系统 避免最坏事物 并获取最优事物多研究聚焦于 如何发现好事物, 但它是一个极好例子 说明为什么我们都有系统有时,当没有好选择时,你不得不选择最小坏选择我们在这里发现,这对复杂问题解决比识别有效方法更为关键。”

研究的共同作者为副教授Andrea Stocco和UW心理学系助理教科教授Lauren Graham研究得到了UW皇家研究基金、UW启动基金奖和Bezos家庭基金会的支持。