Бесчисленные исследования в области нейронауки и психологии исследовали нейронные основы когнитивных функций, таких как внимание, память и умственные способности.
Хотя эти исследования традиционно оставались независимыми от исследований, посвященных принятию решений и мотивации, с появлением данных, свидетельствующих о сильном влиянии мотивации на память, это разделение начинает меняться. Эти недавние результаты свидетельствуют о наличии более интегрированного подхода, в соответствии с которым познание и мотивация тесно взаимосвязаны. Это подразумевает, что познание - это не пассивный процесс, который просто "дается" нам мозгом, а активный, мотивированный процесс - умственный акт, который, как и наши физические действия, проактивно ориентирован на цель. Второе следствие заключается в том, что когнитивные факторы - например, связанные с обучением, памятью или вниманием - сами по себе могут оказывать причинно-следственное воздействие на мотивационные состояния. Эта более интегрирующая концепция поднимает фундаментальные вопросы о типах мотивации, которые заставляют нас задуматься. Какие факторы мотивируют нас изучать, запоминать или иным образом обрабатывать новую информацию? Как эти интеллектуальные стимулы удовлетворяют наши биологические потребности, как они контролируют наши действия и каковы их нейронные субстраты?
Здесь рассматривается вопрос с акцентом на любопытство - сложный когнитивный процесс, который определяется как внутреннее желание учиться или получать информацию. Любопытство достигает своего апогея в человеческой деятельности, такой как научные исследования, и, возможно, является ключевым фактором в значительном успехе нашего вида. Однако наше понимание любопытства находится в зачаточном состоянии, и его вычислительные и нейронаучные основы только начинают изучаться. Мы рассмотрим последние достижения в области нейронауки, когнитивной психологии и компьютерного моделирования, а также машинного обучения, относящиеся к этим вопросам. Мы начнем с рассмотрения фундаментальных свойств любопытства и внутренней мотивации, после чего проведем обзор последних данных о том, что любопытство набирает мотивационные системы (включая дофаминергические нейроны среднего мозга и структуры реципиентов допаминов) и системы избирательного внимания, включая теменные области, вовлеченные в окуломоторный контроль. Наконец, мы рассмотрим ряд факторов, способствующих любопытству, включая новизну, удивление, неопределенность, награды и мета-когнитивный контроль, а также наше сегодняшнее понимание их нейронных механизмов. Тема, проходящая через всю дискуссию, заключается в том, что любопытство включает в себя семейство механизмов, которые, будучи очень сложными для человека, имеют свои корни в более примитивных мотивационных и информационных системах отбора проб, которые можно встретить у многих видов животных. Кроме того, тот факт, что механизмы любознательного обучения могут быть смоделированы в компьютерной форме и что такие модели чрезвычайно полезны при формулировании новых гипотез о природе и функции любопытства в поведении взрослых и в масштабах развития.
Теория "Любопытства", вытекает из синтеза результатов исследований в области нейронауки и машинного обучения. Одной из центральных тем, которую мы подчеркивали в ходе обзора, является тот факт, что любопытство подразумевает тесное взаимодействие между когнитивной и мотивационной системами. Вместо того, чтобы быть внешним процессом, который действует на обучение и познание, любопытство возникает органически в связи с этими процессами. Когда мозг занимается когнитивной обработкой, он не только просто дискриминирует, кодирует и запоминает информацию, но и оценивает эпистемические и эмоциональные качества этих когнитивных операций и использует их для генерирования "интереса" и внутренней мотивации, определяющей его будущее участие в решении конкретной задачи. Мы также подчеркиваем тот факт, что механизмы, порождающие любопытство, были бы идеально адаптированы, чтобы позволить обнаруживать новые и полезные закономерности в больших открытых пространствах, которые содержат невыясненные задачи. Это огромная проблема, для решения которой может не быть оптимального решения, и мы предложили организмам решать эту проблему, комбинируя различные стратегии. Эти стратегии включают простую эвристику, такую как исследования, основанные на новизне, удивлении, вознаграждении и неопределенности, корни которых могут лежать в более простом активном поведении датчиков. Кроме того, они могут включать более сложные целевые исследования, потенциально основанные на метакогнитивных оценках успеваемости и получения информации.
Эти механизмы могут действовать согласованно для автономной организации исследования огромных неограниченных пространств, направляя от задач к среднему диапазону, где агент может добиться прогресса в обучении и открыть новые структуры. Хотя многие из высказанных нами мнений еще предстоит уточнить и обосновать в ходе будущих исследований, мы надеемся, что они станут полезной дорожной картой для выявления важных вопросов, требующих рассмотрения в рамках этого исследования.