“La maggior parte delle persone pensa all’apprendimento come a una sorta di meccanismo per archiviare nuove informazioni, ma questo rende molto difficile confrontare l’apprendimento in sistemi diversi perché sistemi diversi probabilmente utilizzano meccanismi diversi per archiviare le informazioni”, ha affermato de Houer. “Definiamo l’apprendimento come i cambiamenti nel modo in cui un sistema interagisce con il suo ambiente, cioè il comportamento appreso”.

Proprio come la teoria dell’evoluzione di Darwin, la definizione funzionale di De Houwer e Hughes si concentra su come i sistemi si adattano al loro ambiente, indipendentemente dai meccanismi attraverso i quali questi adattamenti possono verificarsi. Il “sistema” in questione può essere un singolo organismo, una parte di un organismo come un gene o un mieloma, oppure un gruppo di organismi. In effetti, ha aggiunto de Houer, l’evoluzione stessa può essere pensata come una forma di apprendimento in cui le specie animali sono viste come un sistema che si adatta al suo ambiente.

“Poiché la nostra definizione di apprendimento non è ‘nessun meccanismo’, consente l’interazione tra scienziati che studiano l’apprendimento in diversi sistemi”, ha affermato de Houer. “Abbatte le barriere tra le diverse scienze e consente uno scambio di idee che può solo migliorare il studio dell’apprendimento in generale”.

Oltre a supportare i confronti dell’apprendimento in diversi tipi di sistemi, questa definizione può anche aiutare i ricercatori a studiare più da vicino come questi sistemi si influenzano a vicenda, scrivono De Houwer e Hughes. Una pianta di mais può imparare a diventare più resistente alla siccità, ad esempio, perché i suoi geni hanno una risposta epigenetica alla siccità che spinge le sue cellule a trattenere più acqua, il che alla fine influisce sul comportamento appreso dell’intera pianta.

De Houer ha aggiunto che l’apprendimento può avvenire anche a livello di gruppo, come in un banco di pesci, perché alcuni, ma non tutti, i membri di quel gruppo imparano. I pesci in testa ai banchi possono imparare a evitare i naufragi dopo essere stati trovati ripetutamente lì, ad esempio, mentre i pesci in fondo ai banchi possono adottare un comportamento simile continuando a seguire i pesci prima di loro senza saperne di più sul relitto della nave.

Questa analisi può essere applicata anche allo studio della robotica e dell’intelligenza artificiale. Sebbene ciascuno possa essere studiato individualmente, la capacità del robot di imparare ad aggirare gli ostacoli dipende anche da come l’algoritmo risponde all’ambiente, hanno spiegato i ricercatori.

È importante notare, tuttavia, che un sistema non può essere descritto come apprendimento semplicemente perché il suo comportamento è cambiato in risposta all’ambiente. Non si può dire che il sistema abbia imparato qualcosa a meno che non cambi il modo in cui risponde a uno stimolo a causa di regolarità nel suo ambiente, come l’esposizione ripetuta a uno stimolo o la co-presentazione di stimoli, ha detto de Houer. Ha continuato, che ricercatori istruiti esaminano le condizioni in cui la regolarità nell’ambiente porta a un cambiamento nel comportamento.

De Houer e Hughes concludono che lo sviluppo di una definizione accurata dell’apprendimento può aiutare gli scienziati a comunicare le scoperte attuali e far avanzare nuove ricerche interdisciplinari.

“Le definizioni sono strumenti per migliorare la scienza”, hanno scritto. “La nostra definizione consente agli scienziati di condividere le loro conoscenze e quindi esplorare nuovi modi per studiare l’apprendimento in diversi sistemi”.

Fonte della storia:

Materiale fornito da Associazione di Scienze Psicologiche. Nota: il contenuto può essere modificato in base allo stile e alla lunghezza.