La práctica remodela la geometría y la dinámica de las representaciones adaptadas a las tareas

Área de la Ciencia:

• La neurociencia cognitiva
• Neurociencia computacional
• Control del movimiento humano

Sus antecedentes:

• La automatización a través de una práctica extensa mejora la eficiencia y la precisión de la tarea.
• Las teorías existentes de la automaticidad proponen diferentes representaciones neuronales que cambian con la práctica, pero carecen de consenso.
• La dinámica de la población neuronal ofrece un marco para investigar los cambios computacionales durante el aprendizaje.

Objetivo del estudio:

• Para probar la hipótesis de que la práctica optimiza la geometría de representación neural para la automatización de tareas.
• Determinar qué niveles de representación de tareas (nivel bajo versus alto) son críticos para la mejora del rendimiento.
• Para vincular los cambios en las representaciones neuronales a las ganancias de comportamiento, incluyendo la reducción de los costos de conmutación.

Principales métodos:

• Los participantes humanos (n=40) practicaron una tarea de selección de acción dependiente del contexto durante 3 días.
• El electroencefalograma (EEG) se registró durante la práctica para medir la actividad neuronal.
• El análisis de similitud representacional (RSA) se utilizó para analizar las representaciones neuronales de las características de la tarea.

Principales resultados:

• Practicar representaciones mejoradas de conjuntos de tareas de alto nivel, específicos del contexto, que se correlacionan con las mejoras de rendimiento.
• La mejora siguió la ley de poder de la práctica, impulsada por la mejora de la representación conjuntiva.
• Los estados neuronales que representan las conjunciones de tareas se volvieron más estables y alineados, reduciendo los costos de conmutación.

Conclusiones:

• La práctica optimiza la geometría de representación dinámica, creando estados neuronales adaptados a las tareas.
• Las representaciones conjuntivas de alto nivel son clave para la automatización y la mejora del rendimiento.
• La dinámica neuronal optimizada domestica la dimensión de la tarea, lo que lleva a un rendimiento eficiente y preciso.