神经科学家通常会为动物执行任务提出一个单一的最佳模式，但研究人员发现，动物经常使用一些并不完美的策略，这些策略既高效又节省资源。他们的新框架揭示了解决任务的多种可行方法，为动物行为和大脑功能提供了启示。
研究人员发现，动物在执行觅食等任务时经常会采用"足够好"的策略，这些策略虽然不是最优的，但仍然有效，这对行为优化的传统观点提出了挑战，并为理解这些策略的关系和更广泛的适用性提供了一个新的框架。
当神经科学家考虑动物完成某项任务（如寻找食物、捕猎猎物或在迷宫中穿行）可能使用的策略时，他们通常会提出一个单一模型，概述动物实现目标的最有效方法。
但在现实世界中，动物和人类可能不会使用最佳方法，因为这种方法可能会耗费大量资源。相反，它们会使用一种足以完成任务但耗费脑力较少的策略。
在新的研究中，Janelia 的科学家们着手更好地了解动物成功解决问题的可能方式，而不仅仅是最佳策略。
这项研究表明，动物可以通过多种方式完成一项简单的觅食任务。它还为理解这些不同的策略、它们之间的关系以及它们如何以不同的方式解决相同的问题提供了一个理论框架。
研究人员发现，在完成任务的过程中，有些不那么完美的选择几乎和最优策略一样有效，但却省力得多，这让动物们可以腾出宝贵的资源来处理多项任务。赫尔蒙斯塔实验室的博士后马子轩（Tzuhsuan Ma）是这项研究的负责人。
新框架可以帮助研究人员开始研究这些"足够好"的策略，包括为什么不同的个体可能会适应不同的策略，这些策略可能如何协同工作，以及这些策略在其他任务中的通用性如何。这将有助于解释大脑是如何在现实世界中实现行为的。
Janelia 小组组长 安·赫尔蒙斯塔说："这些策略中有许多是我们从未想过的解决这项任务的可能方法，但它们确实很有效，所以动物也完全有可能使用它们。它们为我们理解行为提供了新的词汇。"
这项研究始于三年前，当时马子轩开始思考动物在完成一项简单而普通的任务时可能采用的不同策略：在两个选项中做出选择，而获得奖励的几率会随着时间的推移而变化。
研究人员有兴趣研究一组介于最优解和完全随机解之间的策略：这些"小程序"资源有限，但仍能完成工作。每个程序都根据过去的观察结果指定了不同的算法来指导动物的行动，从而使其成为动物行为的模型。
事实证明，这样的项目有很多，大约有 25 万个。为了理解这些策略，研究人员首先研究了少数表现最好的策略。令人惊讶的是，他们发现，尽管使用了较少的资源，但它们所做的事情基本上与最优策略相同。
"我们有点失望，"马说。"我们花了这么多时间寻找这些小程序，结果它们都遵循着同样的计算方法，而这个领域已经知道如何用数学方法推导出这些计算方法，不需要我们花这么多精力"。
不过，研究人员还是有动力继续寻找--他们有一种强烈的直觉，那就是一定有一些程序是好的，但与最优策略不同。当他们把目光投向最优秀的项目之外时，他们发现了他们正在寻找的东西：大约有 4000 个项目属于"足够好"的类别。更重要的是，其中 90% 以上的项目都有新意。
他们本可以就此打住，但一位杰内里亚人提出的问题刺激了他们：他们怎样才能知道动物使用的是哪种策略呢？
这个问题促使团队深入研究各个计划的行为，并开发出一种系统的方法来思考整个战略集合。他们首先开发了一种数学方法，通过连接不同程序的网络来描述程序之间的关系。接下来，他们研究了这些策略所描述的行为，并设计了一种算法来揭示这些"足够好"的程序是如何从另一个程序演化而来的。
他们发现，在保持表现的同时，对最优程序的微小改动也会导致行为的巨大变化。如果其中一些新行为在其他任务中也有用，这就表明同一个程序足以解决一系列不同的问题。
"如果你认为动物不是只解决一个问题的专家，而是解决许多问题的通才，那么这确实是一种新的研究方法，"马说。
这项新工作为研究人员提供了一个框架，让他们开始思考如何超越单一的、最佳的动物行为程序。现在，研究小组正集中精力研究小程序对其他任务的通用性，并设计新的实验来确定动物可能使用哪种程序来实时执行任务。他们还在与 Janelia 的其他研究人员合作，测试他们的理论框架。
赫尔蒙斯塔说："归根结底，掌握动物的行为是了解大脑如何解决不同类型问题的必要前提，包括一些我们最好的人工系统也只能低效解决的问题。关键的挑战在于，动物使用的策略可能与我们最初假设的大相径庭，而这项工作正在帮助我们发现这一可能性空间。"
编译自/ScitechDaily