パズル解きの極意、最良の選択より優れた驚愕の方法

ワシントン大学の研究チームは、パズルを解く時の最適な思考や方法を分析しました。
パズル解きは、役立たなかった機能や戦略から離れることができたときに、モデルは最高のパフォーマンスを発揮し、問題解決に長けていた事などが判明しました。

Using a decision-making task developed by Michael Frank at Brown University, the researchers measured exactly how much “steering” in each person’s brain involved learning to move toward rewarding things as opposed to away from less-rewarding things. Prat and her co-authors were focused on understanding what makes someone good at problem-solving.

参照元：https://www.washington.edu/news/2021/03/04/cant-solve-a-riddle-the-answer-might-lie-in-knowing-what-doesnt-work/
– ワシントン大学 University of Washington. March 4, 2021 –

パズルを解こうとして立ち往生したことはありますか？

パターンまたはルールを探しても、それを見つけることはできません。

したがって、バックアップして最初からやり直します。

ワシントン大学の新しい研究によると、それはあなたの現在の戦略が機能しておらず、問題を解決するための新しい方法が必要であることを認識しているあなたの脳です。

約200人のパズルを解く人、コンピューターモデル、機能的MRI（fMRI）画像の助けを借りて、研究者は推論と意思決定のプロセスについてさらに学び、問題解決が南に進んだときに行動を起こす脳の経路を特定しました。

2021年 2月23日にジャーナルCognitiveScienceに掲載されました。

心理学の准教授であり、新しい研究の共著者であるシャンテル・プラット氏は話します。

「これらのプロセスは内部で行われているため、どちらか一方がどれだけ運転しているかを必ずしも認識しているとは限りません。」

ブラウン大学のマイケル・フランク氏によって開発された意思決定タスクを使用して、研究者は、各人の脳の「ステアリング」が、報酬の少ないものから離れるのではなく、報酬のあるものに向かって移動することを学ぶことを正確に測定しました。

プラット氏と彼女の共著者は、誰かが問題解決に長けている理由を理解することに焦点を当てていました。

研究チームは最初に、レイヴンの高度なパフォーマンスマトリックス（レイヴン）を解くために必要と思われる一連のステップを指定するコンピューターモデルを開発しました。

これは、上記のようなパズルで作られた標準的なラボテストです。

成功するには、パズルを解く人はパターンを特定し、シーケンス内の次の画像を予測する必要があります。

モデルは基本的に、パズルを解くために人々が取る4つのステップを説明しています。

• パターン内の主要な機能を特定します。
• その機能がシーケンスのどこに表示されるかを把握します。
• 機能を操作するためのルールを考え出します。
• パターン全体にルールが当てはまるかどうかを確認します。

各ステップで、モデルは進行しているかどうかを評価しました。

モデルに解決すべき実際の問題（パズル）が与えられたとき、モデルの進歩に役立たなかった機能や戦略から離れることができたときに、モデルは最高のパフォーマンスを発揮しました。著者によると、あなたの「思考の流れが間違った方向に進んでいる」ことを知るこの能力は、正しい答えを見つけるための中心でした。

次のステップは、これが人々に当てはまるかどうかを確認することでした。

そのために、チームは3つのグループの参加者に3つの異なる実験でパズルを解かせました。

最初に、彼らは紙と鉛筆のテストを使用してレイヴンの問題の元のセットを解決し、フランク氏のテストは最良のオプションを「選択」し、より悪いオプションを「回避」する能力を別々に測定しました。

彼らの結果は、問題解決の成功に関連する最悪の選択肢を「回避」する能力だけが示唆されました。

意思決定テストで最良の選択を認識する能力と、パズルを効果的に解く能力との間に関係はありませんでした。

2番目の実験では、紙と鉛筆のバージョンのパズルを、MRI脳スキャン環境でも実装できる短いコンピューター化されたバージョンのタスクに置き換えました。

これらの結果は、意思決定タスクでより悪い選択肢を回避するのに最も優れた人々が、最も優れた問題解決者でもあることを確認しました。

参加者の最後のグループは、fMRIを使用して脳の活動を記録しながら、コンピューター化されたパズルを完成させました。

モデルに基づいて、研究者たちは脳のどの部分が問題解決の成功を促進するかを測定しました。

彼らは大脳基底核、つまりプラットが前頭前野の「エグゼクティブアシスタント」または脳の「CEO」と呼んでいるものに焦点を合わせました。

大脳基底核は、平行経路を使用して実行するアクションを決定する際に前頭前野を支援します。1つは、関連すると思われる情報で音量を「上げる」、もう1つは、無関係と思われる信号で音量を「下げる」です。

フランク氏の意思決定テストに関連する「選択」および「回避」行動は、これら2つの経路の機能に関連しています。

フランク氏は話します。

「私たちの脳には、悪いことを避けて良いことをするための並列学習システムがあります。多くの研究は、良いものを見つける方法を学ぶことに焦点を当てていますが、このパンデミックは、私たちが両方のシステムを持っている理由の優れた例です。良い選択肢がない場合は、最も悪い選択肢を選ぶ必要があります。ここでわかったことは、これは、何が機能しているかを認識するよりも、複雑な問題解決にとってさらに重要であるということでした。」