.
Monitorar e controlar objetivamente o próprio processo de aprendizagem é essencial para melhorar as habilidades de aprendizagem. Essa capacidade, muitas vezes referida como “aprender a aprender” ou “metacognição”, foi estudada na psicologia educacional. Devido ao estreito acoplamento entre os sistemas cognitivos de nível meta superior e os sistemas cognitivos de nível inferior de objeto, uma abordagem de redução convencional tem dificuldade em entender a base neural da metacognição. Para superar essa limitação, os pesquisadores empregaram uma nova abordagem de pesquisa em que compararam a metacognição da inteligência artificial (IA) com a dos humanos.
Primeiro, eles demonstraram que o sistema metacognitivo da IA, que visa maximizar recompensas e minimizar punições, pode efetivamente regular a velocidade de aprendizado e a retenção de memória em resposta ao ambiente e à tarefa. Em segundo lugar, eles demonstraram o comportamento metacognitivo do aprendizado motor humano, o que demonstra que fornecer feedback monetário em função da memória pode promover ou suprimir o aprendizado motor e a retenção da memória. Isso constitui a primeira demonstração empírica da regulação bidirecional das habilidades implícitas de aprendizagem motora por fatores econômicos. Notavelmente, enquanto a IA exibiu habilidades metacognitivas iguais para recompensa e punição, os humanos exibiram uma resposta assimétrica ao ganho e perda monetária; os humanos ajustam sua retenção de memória em resposta ao ganho e sua velocidade de aprendizado em resposta à perda. Essa propriedade assimétrica pode fornecer informações valiosas sobre os mecanismos neurais subjacentes à metacognição humana.
Os pesquisadores antecipam que essas descobertas podem ser efetivamente aplicadas para melhorar as habilidades de aprendizagem de indivíduos envolvidos em novos esportes ou atividades motoras, como o treinamento de reabilitação pós-AVC.
Este trabalho foi financiado pela Sociedade Japonesa para a Promoção da Ciência KAKENHI (JP19H04977, JP19H05729 e JP22H00498). TS foi apoiado por uma Bolsa de Pesquisa JSPS para Jovens Cientistas e KAKENHI (JP19J20366). NS foi suportado pelo NIH R21 NS120274.
.
