• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Hur hjärnan navigerar i städer:Vi verkar vara anslutna till att beräkna inte den kortaste vägen utan den spetsigaste

    En MIT-studie tyder på att våra hjärnor inte är optimerade för att beräkna den kortaste möjliga vägen när vi navigerar till fots. I denna figur visas gångvägar i rött medan den kortaste vägen är i blått. Kredit:MIT

    Alla vet att det kortaste avståndet mellan två punkter är en rak linje. Men när du går längs stadens gator kanske en rak linje inte är möjlig. Hur bestämmer du vilken väg du ska gå?

    En ny MIT-studie tyder på att våra hjärnor faktiskt inte är optimerade för att beräkna den så kallade "kortaste vägen" när vi navigerar till fots. Baserat på en datauppsättning av mer än 14 000 människor som går om sina dagliga liv, fann MIT-teamet att fotgängare istället tycks välja vägar som verkar peka mest direkt mot deras destination, även om dessa rutter blir längre. De kallar detta "den spetsigaste vägen."

    Denna strategi, känd som vektorbaserad navigering, har också setts i studier av djur, från insekter till primater. MIT-teamet föreslår att vektorbaserad navigering, som kräver mindre hjärnkraft än att faktiskt beräkna den kortaste vägen, kan ha utvecklats för att låta hjärnan ägna mer kraft åt andra uppgifter.

    "Det verkar finnas en avvägning som gör att beräkningskraften i vår hjärna kan användas till andra saker - för 30 000 år sedan, för att undvika ett lejon, eller nu, för att undvika en farlig SUV", säger Carlo Ratti, professor i stadsteknik i MIT:s institution för urbana studier och planering och chef för Senseable City Laboratory. "Vektorbaserad navigering ger inte den kortaste vägen, men den är tillräckligt nära den kortaste vägen och det är väldigt enkelt att beräkna den."

    Ratti är seniorförfattare till studien, som idag visas i Nature Computational Science . Christian Bongiorno, docent vid Université Paris-Saclay och medlem av MIT:s Senseable City Laboratory, är studiens huvudförfattare. Joshua Tenenbaum, professor i beräkningskognitiv vetenskap vid MIT och medlem av Center for Brains, Minds and Machines och Computer Science and Artificial Intelligence Laboratory (CSAIL), är också författare till artikeln. En förtryckt version av denna studie lades ut på arXiv.org tidigare i år.

    Vektorbaserad navigering

    För tjugo år sedan, medan han studerade vid Cambridge University, gick Ratti nästan varje dag på vägen mellan sin högskola och sitt avdelningskontor. En dag insåg han att han faktiskt tog två olika vägar – en på vägen till kontoret och en lite annorlunda på vägen tillbaka.

    "Visst var den ena vägen mer effektiv än den andra, men jag hade börjat anpassa två, en för varje riktning", säger Ratti. "Jag var konsekvent inkonsekvent, en liten men frustrerande insikt för en student som ägnade sitt liv åt rationellt tänkande."

    På Senseable City Laboratory är ett av Rattis forskningsintressen att använda stora datamängder från mobila enheter för att studera hur människor beter sig i stadsmiljöer. För flera år sedan skaffade labbet en datauppsättning av anonymiserade GPS-signaler från mobiltelefoner från fotgängare när de gick genom Boston och Cambridge, Massachusetts, under en period av ett år. Ratti trodde att dessa data, som omfattade mer än 550 000 vägar som tagits av mer än 14 000 människor, kunde hjälpa till att svara på frågan om hur människor väljer sina rutter när de navigerar i en stad till fots.

    Forskargruppens analys av data visade att i stället för att välja de kortaste vägarna, valde fotgängare vägar som var något längre men minimerade sin vinkelavvikelse från destinationen. Det vill säga, de väljer vägar som gör att de kan möta sin slutpunkt mer direkt när de börjar rutten, även om en väg som började med att gå mer åt vänster eller höger faktiskt kan bli kortare.

    "Istället för att beräkna minimala avstånd, fann vi att den mest förutsägande modellen inte var en som hittade den kortaste vägen, utan istället en som försökte minimera vinkelförskjutning - pekade direkt mot destinationen så mycket som möjligt, även om att resa i större vinklar skulle faktiskt vara mer effektiv", säger Paolo Santi, en ledande forskare vid Senseable City Lab och vid det italienska nationella forskningsrådet, och en motsvarande författare till artikeln. "Vi har föreslagit att kalla detta den spetsigaste vägen."

    Detta gällde för fotgängare i Boston och Cambridge, som har ett invecklat nätverk av gator, och i San Francisco, som har en gatulayout i rutnätsstil. I båda städerna observerade forskarna också att människor tenderade att välja olika rutter när de gjorde en rundresa mellan två destinationer, precis som Ratti gjorde under sin forskarutbildningstid.

    "När vi fattar beslut baserat på vinkel till destination kommer gatunätet att leda dig till en asymmetrisk väg", säger Ratti. "Baserat på tusentals vandrare är det mycket tydligt att jag inte är den enda:Människor är inte optimala navigatörer."

    Flytta runt i världen

    Studier av djurs beteende och hjärnaktivitet, särskilt i hippocampus, har också föreslagit att hjärnans navigeringsstrategier är baserade på beräkning av vektorer. Denna typ av navigering skiljer sig mycket från datoralgoritmerna som används av din smartphone eller GPS-enhet, som kan beräkna den kortaste vägen mellan två punkter nästan felfritt, baserat på kartorna som lagras i deras minne.

    Utan tillgång till den typen av kartor har djurhjärnan varit tvungen att komma på alternativa strategier för att navigera mellan platser, säger Tenenbaum.

    "Du kan inte ha en detaljerad, avståndsbaserad karta nedladdad till hjärnan, så hur ska du annars göra det? Det mer naturliga kan vara att använda information som är mer tillgänglig för oss från vår erfarenhet", säger han. "Att tänka i termer av referenspunkter, landmärken och vinklar är ett mycket naturligt sätt att bygga algoritmer för att kartlägga och navigera i rymden baserat på vad du lär dig av din egen erfarenhet av att flytta runt i världen."

    "När smartphone och bärbar elektronik i allt högre grad kopplar samman mänsklig och artificiell intelligens, blir det allt viktigare att bättre förstå de beräkningsmekanismer som används av vår hjärna och hur de relaterar till de som används av maskiner," säger Ratti.

    © Vetenskap https://sv.scienceaq.com