知覚学習

知覚学習効果は、発見効果と流暢性効果という 2 つの大きなカテゴリーに分類できます。^{[ 1 ]}発見効果には、タスクに関連する新しい情報の選択、関連情報の増幅、または無関係な情報の抑制など、反応の基盤における何らかの変化が含まれます。専門家は、初心者には見えない、専門分野におけるより大きな「チャンク」の情報を抽出し、高次の関係と構造を発見します。流暢性効果には、抽出の容易さの変化が含まれます。専門家は、高次の情報を処理できるだけでなく、それを非常に速く、低い注意負荷で行います。発見効果と流暢性効果は連携して機能し、発見構造がより自動化されるにつれて、新しい関係の発見や高レベルの思考と問題解決のために注意資源が節約されます。

ウィリアム・ジェームズ（『心理学原理』、1890年）は、「私の経験は、私が注意を向けることに同意したものだ。私が気づいたものだけが私の心を形作る。選択的な関心がなければ、経験は全くの混沌である」と主張した。^{[ 33 ]}彼の見解は極端であったが、その要旨はその後の行動学的および生理学的研究によって概ね支持された。単なる経験だけでは専門知識の獲得には不十分であるように思われる。

実際、ある行動条件下では重要な信号であっても、別の行動条件下ではノイズとみなされることがあります。例えば、2つの類似した刺激が提示された場合、それらを区別する能力を高めるために、それらの表現の違いを研究しようとするかもしれませんし、あるいは、両方が同じカテゴリーに属すると識別する能力を高めるために、類似点に集中するかもしれません。前者の場合、それらの間の特定の違いは「信号」とみなされ、後者の場合、「ノイズ」とみなされる可能性があります。このように、私たちは課題や環境に適応するにつれて、目の前の課題にとって関連性があり重要な知覚的特徴にますます注意を向け、同時に、無関係な特徴への注意を減らしていきます。このメカニズムは注意の重み付けと呼ばれます。^{[ 37 ]}

しかし、最近の研究では、知覚学習は選択的注意なしに起こることが示唆されている。^{[ 38 ]}このようなタスクとは無関係な知覚学習（TIPL）の研究では、TIPLの程度は直接的な訓練手順で得られるものと類似していることが示されている。^{[ 39 ]}刺激に対するTIPLは、その刺激と重要なタスクイベントとの関係^{[ 40 ]}、または刺激報酬の偶発性に依存する。^{[ 41 ]}したがって、（タスクとは無関係な刺激の）学習は、空間的に拡散する学習信号に依存することが示唆されている。^{[ 42 ]}同様の効果は、より短い時間スケールで記憶プロセスでも見つかっており、場合によっては注意の増強と呼ばれている。^{[ 43 ]}したがって、重要な（警告となる）イベントが発生すると、学習は同時発生的で注意を向けられていない、目立たない刺激にも影響を与える可能性がある。^{[ 44 ]}

知覚学習の時間経過は参加者によって異なります。^{[ 11 ]}知覚学習は最初のトレーニングセッション内だけでなく、セッション間にも起こります。^{[ 45 ]}速い学習（つまり、最初のセッション内の学習）と遅い学習（つまり、セッション間の学習）は、成人の脳で異なる変化を伴います。速い学習の効果は数日間という短期間しか保持できませんが、遅い学習の効果は数ヶ月にわたって長期間保持できます。^{[ 46 ]}

基本的な感覚弁別に関する研究では、知覚学習効果が訓練された課題や刺激に特異的であることがしばしば示されている。^{[ 47 ]}多くの研究者は、このことから知覚学習は、最初に刺激を符号化する細胞（例えば、V1細胞とV2細胞）の受容野を変化させることによって機能する可能性があると考えている。例えば、個々の細胞は重要な特徴に対してより敏感になるように適応し、特定の目的のためにより多くの細胞を効果的に動員し、一部の細胞を目の前の課題により特化して調整することができる。^{[ 48 ]}受容野の変化の証拠は、霊長類の触覚領域と聴覚領域の両方で、単一細胞記録技術を使用して発見されている。^{[ 49 ]}

しかし、知覚学習課題のすべてが、訓練された刺激や課題に特有のものであるとは限りません。SireteanuとRettenback ^{[ 50 ]}は、目、網膜の位置、および課題を超えて一般化される弁別学習効果について議論しました。AhissarとHochstein ^{[ 51 ]}は、視覚探索を使用して、異なる方向の線分配列に隠された単一の線要素を検出する学習が、ターゲットが提示されたことのない位置にも一般化できることを示しました。人間の視覚では、知覚学習を説明するのに十分な受容野の変化が初期視覚野で見つかっていません。^{[ 52 ]}弁別能力の向上などの大きな行動変化をもたらす訓練は、受容野の変化をもたらしません。変化が見つかった研究では、その変化は行動の変化を説明するには小さすぎます。^{[ 53 ]}

アヒサーとホックスタインによって提唱された逆階層理論（RHT）は、学習のダイナミクスと特異性と、その根底にある神経部位との関連性を明らかにすることを目的としています。^{[ 54 ]} RHTは、素早いパフォーマンスは、環境の粗雑なカテゴリレベルの表現が表される高レベルの皮質領域の反応に基づいていると提唱しています。したがって、初期の学習段階では、タスクの全体的な側面を理解することが求められます。その後の練習では、高レベルから低レベルへのフィードバック接続を介して低レベルの情報にアクセスすることで、知覚解像度が向上する可能性があります。関連する低レベルの表現にアクセスするには、低レベルのニューロンの情報入力集団が割り当てられる逆方向の探索が必要です。したがって、その後の学習とその特異性は、低レベルの解像度を反映します。RHTは、初期のパフォーマンスは高レベルの解像度によって制限され、トレーニング後のパフォーマンスは低レベルの解像度によって制限されると提唱しています。異なる個人の高レベルの表現は、過去の経験によって異なるため、初期の学習パターンも異なる可能性があります。いくつかの画像研究はこの解釈と一致しており、初期のパフォーマンスは高レベル領域の平均（BOLD）反応と相関があり、その後のパフォーマンスは低レベル領域の活動とより相関があることがわかっています。RHTは、低レベルでの変更は、逆方向探索（高レベルから低レベルへの処理）が成功した場合にのみ発生すると提唱しています。このような成功には、逆方向探索が低レベルのどのニューロンが情報を持っているかを「知っている」ことが必要です。この「知識」は、限られた刺激セットで繰り返しトレーニングすることで得られ、同じ低レベルのニューロン集団が複数の試行で情報を持つようになります。最近の研究では、刺激が明確に異なると認識される場合、または明示的に異なるとタグ付けされる場合、広範囲の刺激を混合することでも効果的な学習が得られることがわかりました。これらの発見は、効果的な学習を得るためにはトップダウンのガイダンスが必要であることをさらに裏付けています。

複雑な知覚課題においては、人間は皆エキスパートと言える。私たちは皆、非常に高度な能力を持っているが、場面識別、顔識別、音声知覚において完璧ではない。従来の解釈では、こうした専門性は、全体論的でありながらある程度特殊化されたメカニズムに起因するとされている。おそらく、こうした迅速な識別は、より具体的で複雑な知覚検出器によって実現され、一致する傾向のある特徴を徐々に「チャンク化」（つまり、単位化）することで、情報全体を抽出しやすくしているのだろう。特徴の一致を練習によって徐々にチャンク化できるのか、あるいはチャンク化は（顔や音韻カテゴリーといった）何らかの素質があって初めて可能になるのかは、未解決の問題である。現在の研究結果は、こうした専門性が、これらのプロセスに関わる皮質容積の著しい増加と相関していることを示唆している。つまり、私たちは皆、ある程度特殊化された顔認識領域を持っており、これは生得的な特性を示している可能性があるが、文字や文字のような記号の羅列ではなく、書かれた単語に対してもある程度特殊化された領域を発達させている。さらに、特定の分野の専門家は、その分野に関わる皮質領域が大きい。例えば、熟練した音楽家は聴覚領域が大きい。^{[ 55 ]}これらの観察結果は、パフォーマンスの向上には皮質表現の増加が伴うとする従来の強化理論と一致しています。この専門性に関しては、基本的なカテゴリー識別は、ある程度専門的な脳領域に位置する、豊かで詳細な表現に基づいている可能性があります。生理学的証拠は、基本的な次元（たとえば聴覚モダリティの周波数）に沿った洗練された弁別訓練も訓練されたパラメーターの表現を増加させることを示唆していますが、これらの場合、増加は主に下位レベルの感覚領域に関係している可能性があります。^{[ 56 ]}

2005年、ペトロフ、ドッシャー、ルーは、知覚学習は、単純な識別課題であっても、どの分析器が分類を最もよく行うかという観点から説明できると指摘した。彼らは、特定の決定を担当する神経系の一部は特異性を持つが、低レベルの知覚ユニットは特異性を持たないと説明している。^{[ 37 ]}彼らのモデルでは、最低レベルの符号化は変化しない。むしろ、知覚学習で起こる変化は、関連する刺激の高レベルの抽象的な表現の変化から生じる。特異性は情報の異なる選択から生じる可能性があるため、この「選択的重み付け理論」は、複雑な抽象的表現の学習を可能にする。これは、ギブソンが以前に説明した、知覚学習を識別特徴の選択と学習として捉える考え方と一致する。選択は、あらゆるレベルの知覚学習を統一する原理である可能性がある。^{[ 57 ]}

いくつかの研究では、学習が練習セッション中に行われるのか、それとも練習セッションの間、例えばその後の睡眠中に行われるのかが問われています。直接測定されるパラメータはパフォーマンスであり、これは学習によって改善がもたらされる一方で、疲労によってパフォーマンスが阻害されるため、学習のダイナミクスを評価するのは困難です。現在の研究では、睡眠は継続的な練習がない場合でも結合をさらに強化することで、改善された持続的な学習効果に貢献すると示唆されています。 ^{[ 45 ] [ 58 ] [ 59 ]}徐波睡眠とREM （急速眼球運動）睡眠の両方の段階が、まだ解明されていないメカニズムを介してこのプロセスに貢献している可能性があります。

同じカテゴリまたは異なるカテゴリに属する​​事例の比較と対照の練習により、分類タスクにとって重要な特徴である識別特徴を捉え、無関係な特徴をフィルタリングすることが可能になります。^{[ 60 ]}

簡単な例を最初に学ぶことで、より難しいケースの転移と学習がより良くなる可能性がある。 ^{[ 61 ]} Dingらは、成人からERPを記録することで、課題の難易度が視覚知覚学習の脳メカニズムに与える影響を調査した。結果は、難しい課題のトレーニングが、簡単な課題のトレーニングよりも早い視覚処理段階とより広い視覚皮質領域に影響を与えることを示した。^{[ 62 ]}

知覚学習効果を生み出すには、能動的な分類努力と注意が必要となることが多い。^{[ 59 ]}しかし、場合によっては、特定の刺激のバリエーションにさらされるだけで、弁別能力が向上することもある。

多くの場合、知覚学習にはフィードバック（分類が正しいかどうかに関わらず）は必要ありません。^{[ 56 ]}他の研究では、ブロックフィードバック（一連の試行の後にのみフィードバックを行う）は、フィードバックがない場合よりも学習効果が高いことが示唆されています。^{[ 63 ]}

さまざまな感覚システムや多様なトレーニングパラダイムにおいて顕著な知覚学習が実証されているにもかかわらず、知覚学習は感覚システムの物理的特性によって課される克服不可能な限界に直面することは明らかである。例えば、触覚空間精度課題では、学習の程度は指先の表面積によって制限されることが実験で示唆されており、これは機械受容器の密度を制約する可能性がある。^{[ 11 ]}

現実世界の多くの専門分野において、知覚学習は他の学習形態と相互作用する。宣言的知識は知覚学習と同時に生じる傾向がある。例えば、様々なワインの風味を区別できるようになると、それぞれの風味の複雑さを表現するための幅広い語彙も同時に身につけることになる。

同様に、知覚学習は手続き的知識とも柔軟に相互作用する。例えば、打席に立つ野球選手の知覚的専門知識は、投手がカーブボールを投げたかどうかをボールの飛行の早い段階で検出できる。しかし、さまざまな方法でバットを振る感覚の知覚的差異化は、必要なスイングを生み出す運動指令の学習にも関わっていた可能性がある。^{[ 1 ]}

知覚学習はしばしば暗黙的であると言われ、学習は意識せずに起こる。知覚学習が常に暗黙的であるかどうかは全く明らかではない。生じる感受性の変化はしばしば意識的ではなく、意識的な手続きを伴わないが、知覚情報はさまざまな反応にマッピングすることができる。^{[ 1 ]}

複雑な知覚学習課題（例えば、生まれたばかりのひよこを性別で分類すること、チェスをすること）では、専門家でさえ、分類にどのような刺激間の関係性を用いているかを説明できない場合が多い。しかし、それほど複雑でない知覚学習課題では、人々は分類を行うためにどのような情報を使っているかを指摘することができる。

知覚学習はカテゴリー学習とは区別される。知覚学習とは一般的に、知覚対象物の検出可能性の向上、あるいは2つ以上の対象物の識別可能性の向上を指す。一方、カテゴリー学習は、対象物を特定のグループまたはカテゴリーに分類することである。しかし、場合によっては、知覚学習とカテゴリー学習が重複することもある。例えば、2つの対象物を区別するために、それらの間のカテゴリー的な違いが利用されることがあり、その場合は知覚学習ではなくカテゴリー学習が起こっていると考えられる。知覚学習とカテゴリー学習は異なる学習形態ではあるが、相互作用することもある。例えば、複数の方向を異なるカテゴリーにグループ化するカテゴリー学習は、ある方向の知覚学習を、訓練された方向と同じカテゴリー内の他の方向へと転移させる可能性がある。これは「カテゴリー誘導型知覚学習」と呼ばれる。

複数の異なるカテゴリー学習システムが、異なるカテゴリー構造の学習を媒介する可能性がある。「支持されている2つのシステムは、論理的推論を使用し、ワーキングメモリと実行注意に依存し、主に前帯状皮質、前頭前皮質、および尾状核頭部を含む連合線条体によって媒介される前頭葉ベースの明示的システムである。2つ目は、手続き的学習を使用し、ドーパミン報酬信号を必要とし、主に感覚運動線条体によって媒介される基底核を介した暗黙的システムである」^{[ 64 ]}研究によると、カテゴリー学習には線条体の関与が大きく、内側側頭葉の関与は少ないことが示された。線条体に損傷がある人では、無関係な情報を無視する必要性は、ルールベースのカテゴリー学習の欠陥をより予測する。一方、ルールの複雑さは、情報統合カテゴリー学習の欠陥を予測する。

知覚学習の重要な潜在的応用は、実用的な目的のためのスキルの獲得です。したがって、実験室条件下で解像度を高めるためのトレーニングが、他の環境コンテキストに転移する一般的なアップグレードを誘発するのか、それともコンテキスト固有のメカニズムから生じるのかを理解することが重要です。複雑なスキルを向上させることは、通常、一度に1つのコンポーネントではなく、複雑なシミュレーション条件下でのトレーニングによって得られます。複雑なアクションコンピュータゲームを使用した最近の実験室ベースのトレーニングプロトコルは、そのような練習が実際に視覚スキルを一般的な方法で変更し、新しい視覚コンテキストに転移することを示しています。2010年に、Achtman、Green、およびBavelierは、視覚スキルをトレーニングするためのビデオゲームに関する研究をレビューしました。^{[ 65 ]彼らは、知覚および認知能力を高めるためにビデオゲームを使用することに関するGreen & Bavelier (2006) [ 66 ]}による以前のレビューを引用しています。ビデオゲームプレイヤーには、「手と目の協調性の向上^{[ 67 ]} 、周辺視野での処理能力の向上^{[ 68 ]} 、メンタルローテーション能力の向上^{[ 69 ]} 、分割注意能力の向上^{[ 70 ]}、反応時間の短縮^{[ 71 ]}」など、さまざまなスキルが向上した。重要な特徴は、アクションゲームで訓練され、新しい環境にも応用される、有効視野（視聴者が物体を識別できる範囲）のサイズが機能的に拡大することである。分離訓練によって習得される単純な弁別能力が、新しい刺激状況（例えば、複雑な刺激条件）に応用されるかどうかは、まだ未解決の問題である。

実験手順と同様に、知覚学習法を基本的および複雑なスキルに適用する他の試みでは、学習者が多数の短い分類試行を受けるトレーニング状況が用いられます。Tallal、Merzenich、および彼らの同僚は、音声および言語の困難に対処するために聴覚弁別パラダイムをうまく応用しました。 ^{[ 72 ] [ 73 ]}彼らは、特別に強化および拡張された音声信号を使用して、言語学習障害のある子供たちの改善を報告しました。結果は、聴覚弁別パフォーマンスだけでなく、音声および言語理解にも適用されました。

教育分野では、フィリップ・ケルマンとその同僚による最近の研究により、特定のコンピュータベースの技術を使用して知覚学習を体系的に生成および加速できることが示されました。彼らの知覚学習方法へのアプローチは、知覚学習モジュール（PLM）という形をとります。これは、特定の領域で学習者のパターン認識、分類能力、および複数の表現間でのマッピング能力を開発する、短いインタラクティブな試行のセットです。変換（代数、分数など）と複数の表現（グラフ、方程式、文章問題など）間でのマッピングの練習の結果、学生は分数の学習と代数における構造認識において劇的な向上を示します。また、学生がPLMを使用して代数変換の分類を練習すると、代数問題解決の流暢さが著しく向上することも実証されました。^{[ 57 ] [ 74 ] [ 75 ]}これらの結果は、知覚学習が教室での概念的および手続き的指導に必要な補完を提供できることを示唆しています。

PLMを用いた他の分野でも同様の結果が得られており、医療および外科トレーニングにおける解剖学的認識^{[ 76 ]} 、計器飛行表示の読み取り^{[ 77 ] 、化学における分子構造の理解[ 78 ]}などが挙げられる。