Et eksempel på visuelle dataforøgelsesteknikker, der bruges i maskinlæring, som fanger hovedprincippet om variabilitetseffekter:eksponering for variation langs ikke-diskriminerende dimensioner (dvs. ved at rotere, ændre farven eller delvis maskere målbilledet) forbedrer de neurale netværk ' evne til at generalisere (i dette tilfælde - at identificere en ræv), men på bekostning af at bremse den indledende læring. Mennesker viser en lignende effekt:mere varierende input er sværere at lære, men øger i sidste ende vores evne til at generalisere den viden, vi har lært, til nye sammenhænge. Det skyldes, at variabilitet er med til at fremhæve, hvilke funktioner i kategorien der faktisk er relevante, og hvilke der ikke er. Kredit:Limor Raviv
Variabilitet er af afgørende betydning for at lære nye færdigheder. Overvej at lære at tjene i tennis. Skal du altid øve dig i at servere fra nøjagtig samme sted på banen, og sigte mod nøjagtig samme sted? Selvom træning under mere varierende forhold vil være langsommere i starten, vil det sandsynligvis gøre dig til en bedre tennisspiller i sidste ende. Dette skyldes, at variabilitet fører til bedre generalisering af det lærte.
Chihuahuaer og store danskere
Dette princip findes i mange domæner, herunder taleopfattelse, grammatik og indlæring af ord og kategorier. For eksempel vil spædbørn kæmpe for at lære kategorien "hund", hvis de kun udsættes for chihuahuaer, i stedet for mange forskellige slags hunde (chihuahuaer, pudler og store danianske).
"Der er over 10 forskellige navne for dette grundlæggende princip," siger MPI's Limor Raviv, seniorforsker af undersøgelsen offentliggjort i Trends in Cognitive Sciences . "At lære af mindre varierende input er ofte hurtigt, men kan ikke generaliseres til nye stimuli. Men disse vigtige indsigter er ikke blevet forenet i en enkelt teoretisk ramme, som har sløret det større billede."
For at identificere nøglemønstre og forstå de underliggende principper for variabilitetseffekter gennemgik Raviv og hendes kolleger over 150 undersøgelser om variabilitet og generalisering på tværs af felter, herunder datalogi, lingvistik, kategorisering, motorisk læring, visuel perception og formel uddannelse.
Hr. Miyagi
Forskerne opdagede, at der på tværs af undersøgelser er mindst fire forskellige former for variabilitet, såsom sætstørrelse (f.eks. antallet af forskellige eksempler eller placeringer på tennisbanen) og planlægning (f.eks. træningsskemaer med forskellige ordrer eller tidsforsinkelser) . "Disse fire former for variabilitet er aldrig blevet direkte sammenlignet, hvilket betyder, at vi i øjeblikket ikke ved, hvilken der er mest effektiv til læring," siger Raviv.
Effekten af variabilitet afhænger af, om den er relevant for opgaven eller ej (velsagtens er farven på tennisbanen ikke relevant for serveringspraksis). Men ifølge "Mr. Miyagi-princippet" (inspireret af den klassiske film "The Karate Kid" fra 1984) kan det faktisk gavne at øve tilsyneladende urelaterede færdigheder (såsom at vokse biler) faktisk gavne indlæring af andre færdigheder (såsom kampsport).
Et eksempel på effekten af eksponering for mere eller mindre variabilitet, når man lærer at identificere, hvordan bogstavet 'A' ser ud. Indledende træningspunkter vises i midten af hvert panel, og farvegradienten symboliserer generaliseringsydelse:større nøjagtighed og/eller sikkerhed i vores generalisering er repræsenteret af gule nuancer, mens lavere nøjagtighed og/eller sikkerhed i vores generalisering repræsenteres af nuancer af blå. Mindre variabilitet under indledende træning (panel A) kan få eleverne til at danne mere konservative hypoteser om, hvordan bogstavet 'A' kan se ud, hvilket resulterer i en snævrere generalisering til mindre hyppige forekomster af bogstavet 'A'. Flere variable eksempler under indledende træning (panel B) vil resultere i bredere hypoteser/kategorisering og vil gøre eleverne i stand til mere præcist og/eller mere sikkert at klassificere forskellige forekomster af bogstavet 'A', som de støder på senere. Kredit:Limor Raviv
Konkurrerende teorier
Men hvorfor påvirker variabilitet læring og generalisering? En teori er, at mere variabel input kan fremhæve, hvilke aspekter af en opgave der er relevante, og hvilke der ikke er (farve er nyttig til at skelne mellem citroner og lime, men ikke til at skelne mellem biler og lastbiler).
En anden teori er, at større variabilitet fører til bredere generaliseringer. This is because variability will represent the real world better, including atypical examples (such as Chihuahuas).
A third reason has to do with the way memory works:when training is variable, learners are forced to actively reconstruct their memories.
Face recognition
"Understanding the impact of variability is important for literally every aspect of our daily life. Beyond affecting the way we learn language, motor skills, and categories, it even has an impact on our social lives," explains Raviv. "For example, face recognition is affected by whether people grew up in a small community (fewer than 1,000 people) or in larger community (more than 30,000 people). Exposure to fewer faces during childhood is associated with diminished face memory."
"We hope this work will spark people's curiosity and generate more work on the topic," concludes Raviv. "Our paper raises a lot of open questions. For example:Is the relationship between variability and learning broadly similar across species, or are there species-specific adaptations? Can we find similar effects of variability beyond the brain, for instance in the immune system?"