Função -chave da rede de modo padrão na transferência de aprendizado motor da experiência anterior

Citação: Imamizu H, Kondo T (2025) Papel -chave da rede de modo padrão na transferência de aprendizado motor da experiência anterior. PLOS BIOL 23 (8): E3003310. https://doi.org/10.1371/journal.pbio.3003310

Publicado: 15 de agosto de 2025

Direitos autorais: © 2025 Imamizu, Kondo. Este é um artigo de acesso aberto distribuído sob os termos do Licença de atribuição do Artistic Commonsque permite o uso, a distribuição e a reprodução irrestritos em qualquer meio, desde que o autor e a fonte originais sejam creditados.

Financiamento: Os autores não receberam financiamento específico para este trabalho.

Interesses concorrentes: Os autores declararam que não existem interesses concorrentes.

Abreviações:
Ai, inteligência synthetic; DMN, rede de modo padrão

A inteligência synthetic (IA) e o aprendizado de máquina alcançaram recentemente progressos notáveis, mas esses sistemas geralmente precisam de grandes quantidades de dados para aprender bem. Por outro lado, os humanos podem aprender efetivamente mesmo com experiência limitada. Pensa -se que uma razão para essa eficiência seja a capacidade de “transferir o aprendizado” – ou seja, aplicar conhecimento ou habilidades aprendidas em uma situação a novos e diferentes. Essa habilidade é especialmente importante no aprendizado de motor, onde erros como colisões ou quedas podem ser perigosos ou caros. Para tornar o aprendizado mais eficiente, é importante usar experiências passadas. Nos últimos anos, o aprendizado de transferência recebeu considerável atenção no campo do aprendizado de máquina. Este método envolve a reutilização de extratores de recursos existentes ou partes de modelos pré -teremam para novas tarefas. Uma chave para o aprendizado eficaz de transferência é avaliar com precisão se o conhecimento adquirido em um contexto pode ser aplicado com sucesso a outro. Em um estudo recente, Rezaei e colegas (1) propuseram que a rede de modo padrão (DMN), um núcleo do sistema de conectividade intrínseca do cérebro, possa ajudar a apoiar esse tipo de transferência.

A transferência intermanual – onde aprender uma tarefa motor com uma mão aprimora o desempenho com a outra – é uma das primeiras formas de transferência de aprendizado a serem investigadas. Em Psicologia Experimental, um método clássico para estudar esse fenômeno envolve a tarefa de desenho de espelhos, na qual os participantes rastreiam o contorno de uma estrela enquanto vêem apenas a reflexão da mão em um espelho (2). Desde a sua introdução, a transferência intermanual foi examinada em vários paradigmas de aprendizado de motor, incluindo as tarefas de aprendizado de sequência e motores sensoriais, onde os participantes geram respostas motoras com base na entrada sensorial percebida. Na neurociência, os pesquisadores exploraram os mecanismos subjacentes a essa transferência. As principais questões incluem se as habilidades motoras são comunicadas nos hemisférios através do corpus caloso (por exemplo, (3)), e como o tipo de habilidade-seja dependente do efetor ou independente do efetor-afeta a extensão da transferência (por exemplo, (4)). Essas investigações geralmente se concentram nas regiões cerebrais relacionadas a motor e nas áreas de associação de ordem superior, particularmente nos córtices parietais e frontais (5).

Em vez de limitar sua análise a regiões relacionadas a motor, Rezaei e colegas examinaram como os padrões funcionais de conectividade em toda a mudança cerebral durante a fase inicial de aprendizado (mão direita) e a fase de transferência (mão esquerda) (consulte Fig 1). Eles dividiram o cérebro em mais de 400 regiões, resultando em aproximadamente 80.000 conexões entre elas. Para gerenciar essa complexidade, eles aplicaram a análise de componentes principais para reduzir os dados a um espaço inferior dimensional. Essa representação de baixa dimensão, conhecida como coletor neural, permite que os pesquisadores visualizem e rastreem dinâmica cerebral em larga escala ao longo do tempo (ver (ver6) para uma revisão completa). Essa abordagem é particularmente útil para análise de dados exploratórios e recentemente ajudou a gerar novas hipóteses na neurociência dos sistemas. Rezaei e colegas examinaram como os perfis de conectividade de diferentes regiões do cérebro se mudaram dentro desse espaço de baixa dimensão em vários estágios de aprendizado. Eles descobriram que as regiões do DMN ocupavam posições consistentes e quase idênticas neste espaço durante os estágios iniciais da fase inicial de aprendizado (área sombreada verde em Fig 1) e a fase de transferência (área sombreada em laranja). Isso contrastava com sua observação na região relacionada a motor, que ocupava diferentes posições no espaço do coletor, dependendo da mão que estava sendo usada para a tarefa. Esses resultados sugerem que os padrões de conectividade relacionados ao DMN estabelecidos durante a fase inicial de aprendizado foram reativados durante a fase de transferência.

O DMN, originalmente reconhecido como um conjunto de regiões do cérebro ativo durante o descanso ou ‘ocioso’, foi revelado para ocupar uma posição central em redes cerebrais em larga escala, integrando várias informações dentro do cérebro (7Assim,8). Por exemplo, o DMN está envolvido na integração de informações de longa escala durante o processamento narrativo (9), e a parte posterior do DMN é conhecida por apoiar a recuperação de memórias episódicas (10). Com base nessas descobertas, os autores propõem que o DMN possa contribuir para a transferência intermanual, avaliando a similaridade contextual entre as fases inicial de aprendizado e transferência e recuperando estratégias relevantes da memória. Seus resultados oferecem uma nova perspectiva de como o DMN, que não foi bem estudado no contexto do aprendizado motor, pode desempenhar um papel ativo na transferência de aprendizado.