Audio
The human brain is very good at solving complicated problems. One reason for that is that humans can break problems apart into manageable subtasks that are easy to solve one at a time.
สมองแก้ปัญหาที่ซับซ้อนได้อย่างไร
การศึกษาแสดงให้เห็นว่ามนุษย์ใช้กลยุทธ์การให้เหตุผลที่แตกต่างกันอย่างยืดหยุ่นเพื่อรับมือกับงานทางจิตที่ท้าทาย ซึ่งให้ข้อมูลเชิงลึกสำหรับการสร้างเครื่องจักรที่คิดได้เหมือนเรามากขึ้น
ในการศึกษาใหม่ นักวิจัยของ MIT ประสบความสำเร็จในการจำลองวิธีการที่ผู้คนใช้กลยุทธ์การตัดสินใจที่แตกต่างกันเพื่อแก้ปัญหาที่ซับซ้อน ซึ่งให้ข้อมูลเชิงลึกสำหรับการสร้างเครื่องจักรที่คิดได้เหมือนเรามากขึ้น
สมองของมนุษย์เก่งมากในการแก้ปัญหาที่ซับซ้อน เหตุผลหนึ่งก็คือมนุษย์สามารถแบ่งปัญหาออกเป็นงานย่อยที่จัดการได้ง่าย ซึ่งง่ายต่อการแก้ไขทีละงาน
สิ่งนี้ช่วยให้เราสามารถทำภารกิจประจำวัน เช่น การออกไปซื้อกาแฟ โดยแบ่งภารกิจออกเป็นขั้นตอน: ออกจากอาคารสำนักงาน เดินทางไปยังร้านกาแฟ และเมื่อไปถึงแล้วก็ซื้อกาแฟ กลยุทธ์นี้ช่วยให้เราจัดการกับอุปสรรคได้ง่ายขึ้น ตัวอย่างเช่น หากลิฟต์เสีย เราสามารถปรับเปลี่ยนวิธีการออกจากอาคารได้โดยไม่ต้องเปลี่ยนขั้นตอนอื่นๆ
แม้ว่าจะมีหลักฐานเชิงพฤติกรรมมากมายที่แสดงให้เห็นถึงทักษะของมนุษย์ในการทำภารกิจที่ซับซ้อนเหล่านี้ แต่ก็เป็นเรื่องยากที่จะคิดค้นสถานการณ์ทดลองที่ช่วยให้สามารถระบุลักษณะเฉพาะของกลยุทธ์การคำนวณที่เราใช้ในการแก้ปัญหาได้อย่างแม่นยำ
ในการศึกษาใหม่ นักวิจัยจาก MIT ประสบความสำเร็จในการจำลองวิธีการที่ผู้คนใช้กลยุทธ์การตัดสินใจที่แตกต่างกันเพื่อแก้ปัญหาที่ซับซ้อน — ในกรณีนี้คือการทำนายว่าลูกบอลจะเคลื่อนที่ผ่านเขาวงกตอย่างไรเมื่อลูกบอลถูกซ่อนไว้ สมองของมนุษย์ไม่สามารถทำงานนี้ได้อย่างสมบูรณ์แบบ เพราะเป็นไปไม่ได้ที่จะติดตามเส้นทางที่เป็นไปได้ทั้งหมดพร้อมกัน แต่ทีมนักวิจัยพบว่ามนุษย์สามารถทำงานได้ค่อนข้างดีโดยการปรับใช้กลยุทธ์สองอย่างอย่างยืดหยุ่น ซึ่งได้แก่ การให้เหตุผลเชิงลำดับชั้นและการให้เหตุผลเชิงสมมติฐาน
นักวิจัยยังสามารถระบุสถานการณ์ที่มนุษย์เลือกใช้กลยุทธ์แต่ละอย่างได้อีกด้วย
“สิ่งที่มนุษย์สามารถทำได้คือการแบ่งเขาวงกตออกเป็นส่วนย่อยๆ แล้วแก้ปัญหาแต่ละขั้นตอนโดยใช้อัลกอริทึมที่ค่อนข้างง่าย โดยพื้นฐานแล้ว เมื่อเราไม่มีวิธีการแก้ปัญหาที่ซับซ้อน เราจะจัดการโดยใช้หลักการคิดแบบง่ายๆ ที่ทำให้งานสำเร็จ” เมห์รดาด จาซาเยรี ศาสตราจารย์ด้านสมองและวิทยาศาสตร์การรู้คิด สมาชิกของสถาบันวิจัยสมองแมคโกเวิร์นแห่ง MIT นักวิจัยที่สถาบันการแพทย์ฮาวาร์ด ฮิวส์ และผู้เขียนหลักของการศึกษา กล่าว
มาห์ดี รามาดัน ปริญญาเอก ปี 2024 และเฉิง ถัง นักศึกษาปริญญาโท เป็นผู้เขียนนำของบทความ ซึ่งตีพิมพ์ในวารสาร Nature Human Behavior ในวันนี้ Nicholas Watters ผู้สำเร็จการศึกษาปริญญาเอกในปี 1925 ก็เป็นผู้ร่วมเขียนด้วยเช่นกัน
Rational strategies กลยุทธ์เชิงเหตุผล
เมื่อมนุษย์ทำงานง่ายๆ ที่มีคำตอบที่ถูกต้องชัดเจน เช่น การจัดหมวดหมู่สิ่งของ พวกเขาจะทำได้อย่างยอดเยี่ยม แต่เมื่อภารกิจซับซ้อนมากขึ้น เช่น การวางแผนการเดินทางไปร้านกาแฟโปรด อาจไม่มีคำตอบที่ดีที่สุดเพียงคำตอบเดียวอีกต่อไป และในแต่ละขั้นตอนก็มีหลายสิ่งที่อาจผิดพลาดได้ ในกรณีเหล่านี้ มนุษย์จะเก่งมากในการหาทางออกที่จะทำให้ภารกิจสำเร็จ แม้ว่ามันอาจจะไม่ใช่ทางออกที่ดีที่สุดก็ตาม
ทางออกเหล่านั้นมักเกี่ยวข้องกับทางลัดในการแก้ปัญหา หรือฮิวริสติกส์ ฮิวริสติกส์ที่สำคัญสองอย่างที่มนุษย์มักใช้คือ การให้เหตุผลแบบลำดับชั้นและการให้เหตุผลแบบสมมติ การให้เหตุผลแบบลำดับชั้นคือกระบวนการแบ่งปัญหาออกเป็นชั้นๆ โดยเริ่มจากสิ่งทั่วไปและไปสู่สิ่งที่เฉพาะเจาะจง การให้เหตุผลแบบสมมติเกี่ยวข้องกับการจินตนาการว่าจะเกิดอะไรขึ้นหากคุณเลือกทำอย่างอื่น แม้ว่ากลยุทธ์เหล่านี้จะเป็นที่รู้จักกันดี แต่เหล่านักวิทยาศาสตร์ก็ยังไม่รู้มากนักเกี่ยวกับวิธีที่สมองตัดสินใจว่าจะใช้กลยุทธ์ใดในสถานการณ์ที่กำหนด
“นี่เป็นคำถามสำคัญในวิทยาศาสตร์ทางปัญญาเลยทีเดียว: เราจะแก้ปัญหาด้วยวิธีที่ไม่เหมาะสมได้อย่างไร โดยการคิดค้นวิธีการคิดแบบลัด (heuristics) ที่ชาญฉลาด แล้วนำมาเชื่อมโยงกันจนในที่สุดก็เข้าใกล้คำตอบของปัญหามากขึ้นเรื่อยๆ” จาซาเยรีกล่าว
เพื่อเอาชนะปัญหานี้ จาซาเยรีและเพื่อนร่วมงานได้คิดค้นงานที่ซับซ้อนพอที่จะต้องใช้กลยุทธ์เหล่านี้ แต่ก็เรียบง่ายพอที่จะวัดผลลัพธ์และการคำนวณที่เกี่ยวข้องได้
งานนี้ต้องการให้ผู้เข้าร่วมทำนายเส้นทางของลูกบอลขณะเคลื่อนที่ผ่านเส้นทางที่เป็นไปได้สี่เส้นทางในเขาวงกต เมื่อลูกบอลเข้าสู่เขาวงกตแล้ว ผู้คนจะไม่สามารถมองเห็นเส้นทางที่ลูกบอลเคลื่อนที่ไปได้ ที่ทางแยกสองแห่งในเขาวงกต พวกเขาจะได้ยินเสียงเตือนเมื่อลูกบอลมาถึงจุดนั้น การทำนายเส้นทางของลูกบอลเป็นงานที่มนุษย์ไม่สามารถทำได้อย่างแม่นยำสมบูรณ์แบบ
“มันต้องอาศัยการจำลองแบบขนานสี่แบบในสมองของคุณ และไม่มีมนุษย์คนไหนทำได้ มันเปรียบเสมือนการสนทนาสี่ครั้งพร้อมกัน” จาซาเยรีกล่าว “งานนี้ช่วยให้เราเข้าถึงชุดอัลกอริธึมที่มนุษย์ใช้ได้ เพราะคุณไม่สามารถแก้ปัญหาได้อย่างเหมาะสมที่สุด”
นักวิจัยได้คัดเลือกอาสาสมัครประมาณ 150 คนเข้าร่วมในการศึกษา ก่อนที่แต่ละคนจะเริ่มงานติดตามลูกบอล นักวิจัยได้ประเมินความแม่นยำในการประมาณเวลาหลายร้อยมิลลิวินาที ซึ่งเป็นระยะเวลาโดยประมาณที่ลูกบอลใช้ในการเดินทางไปตามแขนข้างหนึ่งของเขาวงกต
สำหรับผู้เข้าร่วมแต่ละคน นักวิจัยได้สร้างแบบจำลองทางคอมพิวเตอร์ที่สามารถทำนายรูปแบบของข้อผิดพลาดที่จะเกิดขึ้นกับผู้เข้าร่วมคนนั้น (โดยพิจารณาจากทักษะการจับเวลาของพวกเขา) หากพวกเขากำลังทำการจำลองแบบขนาน โดยใช้เหตุผลเชิงลำดับชั้นเพียงอย่างเดียว เหตุผลเชิงสมมติฐานเพียงอย่างเดียว หรือการผสมผสานของกลยุทธ์การให้เหตุผลทั้งสองแบบ
นักวิจัยเปรียบเทียบผลการปฏิบัติงานของผู้เข้าร่วมทดลองกับผลการทำนายของแบบจำลอง และพบว่าสำหรับผู้เข้าร่วมทดลองทุกคน ผลการปฏิบัติงานของพวกเขาจะสอดคล้องกับแบบจำลองที่ใช้การให้เหตุผลแบบลำดับชั้นมากที่สุด แต่บางครั้งก็เปลี่ยนไปใช้การให้เหตุผลแบบย้อนแย้ง
นั่นแสดงให้เห็นว่า แทนที่จะติดตามเส้นทางที่เป็นไปได้ทั้งหมดที่ลูกบอลอาจเคลื่อนที่ไป ผู้เข้าร่วมทดลองจะแบ่งงานออกเป็นส่วนๆ ก่อนอื่น พวกเขาเลือกทิศทาง (ซ้ายหรือขวา) ที่พวกเขาคิดว่าลูกบอลจะเลี้ยวที่ทางแยกแรก และติดตามลูกบอลต่อไปขณะที่มันมุ่งหน้าไปยังทางเลี้ยวถัดไป หากจังหวะของเสียงถัดไปที่พวกเขาได้ยินไม่สอดคล้องกับเส้นทางที่พวกเขาเลือก พวกเขาจะย้อนกลับไปแก้ไขการทำนายครั้งแรกของพวกเขา — แต่ก็เพียงบางครั้งเท่านั้น
การเปลี่ยนกลับไปอีกด้านหนึ่ง ซึ่งแสดงถึงการเปลี่ยนไปใช้การให้เหตุผลแบบย้อนแย้ง จำเป็นต้องให้ผู้เข้าร่วมทดลองทบทวนความทรงจำเกี่ยวกับเสียงที่พวกเขาได้ยิน อย่างไรก็ตาม ปรากฏว่าความทรงจำเหล่านี้ไม่น่าเชื่อถือเสมอไป และนักวิจัยพบว่าผู้เข้าร่วมทดลองตัดสินใจว่าจะย้อนกลับไปหรือไม่นั้นขึ้นอยู่กับว่าพวกเขาเชื่อว่าความทรงจำของตนเองดีเพียงใด
จาซาเยรีกล่าวว่า “ผู้คนพึ่งพาการเปรียบเทียบกับสถานการณ์ที่เป็นไปได้ในทางตรงกันข้ามในระดับที่มันเป็นประโยชน์ คนที่ประสิทธิภาพการทำงานลดลงอย่างมากเมื่อใช้การเปรียบเทียบกับสถานการณ์ที่เป็นไปได้ในทางตรงกันข้ามจะหลีกเลี่ยงการทำเช่นนั้น แต่ถ้าคุณเป็นคนที่เก่งในการดึงข้อมูลจากอดีตที่ผ่านมา คุณอาจจะกลับไปใช้การเปรียบเทียบกับสถานการณ์นั้นอีกครั้ง”
Human limitations ข้อจำกัดของมนุษย์
เพื่อยืนยันผลลัพธ์เพิ่มเติม นักวิจัยได้สร้างเครือข่ายประสาทเทียมแบบเรียนรู้ด้วยเครื่องจักรและฝึกฝนให้ทำงานดังกล่าว โมเดลการเรียนรู้ด้วยเครื่องจักรที่ได้รับการฝึกฝนในงานนี้จะติดตามเส้นทางของลูกบอลได้อย่างแม่นยำและทำนายได้อย่างถูกต้องทุกครั้ง เว้นแต่ว่านักวิจัยจะกำหนดข้อจำกัดในการทำงานของมัน
เมื่อนักวิจัยเพิ่มข้อจำกัดทางด้านการรับรู้ที่คล้ายกับที่มนุษย์เผชิญ พวกเขาพบว่าโมเดลได้เปลี่ยนแปลงกลยุทธ์ เมื่อพวกเขากำจัดความสามารถของโมเดลในการติดตามวิถีการเคลื่อนที่ที่เป็นไปได้ทั้งหมด โมเดลเริ่มใช้กลยุทธ์แบบลำดับชั้นและแบบสมมติเช่นเดียวกับที่มนุษย์ทำ หากนักวิจัยลดความสามารถในการเรียกคืนความทรงจำของโมเดล โมเดลจะเริ่มเปลี่ยนไปใช้กลยุทธ์แบบสมมติก็ต่อเมื่อมันคิดว่าการเรียกคืนความทรงจำนั้นดีพอที่จะได้คำตอบที่ถูกต้อง เช่นเดียวกับที่มนุษย์ทำ
“สิ่งที่เราพบคือเครือข่ายเลียนแบบพฤติกรรมของมนุษย์เมื่อเรากำหนดข้อจำกัดทางด้านการคำนวณเหล่านั้นที่เราพบในพฤติกรรมของมนุษย์” จาซาเยรีกล่าว “นี่เป็นการแสดงให้เห็นว่ามนุษย์กำลังกระทำอย่างมีเหตุผลภายใต้ข้อจำกัดที่พวกเขาต้องเผชิญ”
ด้วยการปรับเปลี่ยนปริมาณความบกพร่องของความจำที่ตั้งโปรแกรมไว้ในแบบจำลองเล็กน้อย นักวิจัยยังพบเบาะแสว่าการเปลี่ยนกลยุทธ์ดูเหมือนจะเกิดขึ้นอย่างค่อยเป็นค่อยไป มากกว่าที่จะเกิดขึ้น ณ จุดตัดที่ชัดเจน พวกเขากำลังทำการศึกษาเพิ่มเติมเพื่อพยายามหาคำตอบว่าเกิดอะไรขึ้นในสมองขณะที่การเปลี่ยนแปลงกลยุทธ์เหล่านี้เกิดขึ้น
How can we study reasoning in the brain?
“thinking in which there is a conscious intent to reach a conclusion and in which methods are used that are logically justified” (Moshman, 1995)
การคิดที่มีเจตนาที่จะหาข้อสรุป และใช้วิธีการที่มีเหตุผลรองรับ” (Moshman, 1995) โดยไม่มีการตั้งสมมติฐานล่วงหน้าเกี่ยวกับประเภทของกระบวนการให้เหตุผลที่อาจเกิดขึ้นในระหว่างนั้น มีการโต้แย้งว่าการค้นหาคุณสมบัติทั่วไปของรูปแบบการให้เหตุผลนี้เกี่ยวข้องกับการจัดการกับประเด็นพื้นฐานต่อไปนี้: มาตราส่วนเชิงเวลาและเชิงพื้นที่ของการให้เหตุผลคืออะไร? เมื่อใดที่เวลาในการสังเกตที่กำหนดเพียงพอ? เราควรบูรณาการข้อมูลที่มีอยู่ในเหตุการณ์การให้เหตุผลต่างๆ อย่างไร?
ความสัมพันธ์ทางประสาทของการให้เหตุผลนั้นโดยทั่วไปแล้วจะแสดงออกมาในรูปของพิกัดเชิงพื้นที่ของสมอง งานวิจัยทางประสาทวิทยาในยุคแรกมองว่าการให้เหตุผลเกิดขึ้นจากการประมวลผลของสมองโดยรวม (Gloning and Hoff, 1969) ซึ่งสอดคล้องกับหลักฐานที่บ่งชี้ว่าการให้เหตุผลได้รับผลกระทบในทางลบจากความเสียหายของสมองแบบกระจาย (Lezak, 1995) การศึกษาโดยใช้ภาพถ่ายทางประสาทได้กำหนดความสัมพันธ์ทางประสาทของการให้เหตุผลในแง่ของกิจกรรมของสมองที่เชี่ยวชาญเฉพาะด้านในระดับท้องถิ่น โดยอาจใช้วิธีการเชิงบรรทัดฐานในการให้เหตุผล (Goel et al., 1997, 1998; Osherson et al., 1998; Parsons and Osherson, 2001; Noveck et al., 2004; Prado et al., 2011) หรือโดยการแบ่งออกเป็นกระบวนการย่อย (Houdé et al., 2001; Acuna et al., 2002; Kroger et al., 2002; Reverberi et al., 2012) ผลลัพธ์มักขาดความเฉพาะเจาะจงในการให้เหตุผล (Papo et al., 2007) ที่สำคัญที่สุด การวิจัยเหล่านี้ให้ลักษณะเฉพาะของการให้เหตุผลแบบคงที่
สมองไม่ได้พัฒนาอุปกรณ์เฉพาะสำหรับการให้เหตุผล โมดูลที่แยกส่วนบางส่วนที่เชื่อมต่อกันอย่างแน่นหนาทำให้มั่นใจได้ว่าฟังก์ชันการรับรู้และการเคลื่อนไหวจะดำเนินการด้วยความเร็วสูง มีระยะเวลาที่แน่นอนและรูปแบบที่เปลี่ยนแปลงตามเวลา และขั้นตอนที่สามารถระบุได้ ซึ่งส่วนใหญ่กำหนดโดยคุณสมบัติทางสถิติของข้อมูลนำเข้า ในทางตรงกันข้าม การให้เหตุผลเกี่ยวข้องกับพลวัตที่ขับเคลื่อนจากภายใน: เวลาและขั้นตอนในการประมวลผล และรูปทรงเรขาคณิตของสมองเชิงฟังก์ชันส่วนใหญ่ไม่มีข้อจำกัด
เมื่อพิจารณาถึงความท้าทายอันพิเศษเหล่านี้ เรายังสามารถค้นหาคุณสมบัติการให้เหตุผลทั่วไปได้หรือไม่ นอกเหนือจากความต้องการเฉพาะของงานและความแตกต่างระหว่างบุคคล? การให้เหตุผลในรูปแบบทั่วไปเป็นกระบวนการแบบใด? มันเป็นชุดของวงจรการให้เหตุผลที่ง่ายกว่าหรือไม่? เราสามารถแบ่งมันออกเป็นขั้นตอนได้หรือไม่? ตัวแปรทางประสาทและเครื่องมือใดที่ดีที่สุดที่จะทำให้คุณสมบัติเหล่านี้สามารถสังเกตได้?
การกำหนดลักษณะของกระบวนการให้เหตุผล
การกำหนดลักษณะของการให้เหตุผลที่แข็งแกร่งควรประกอบด้วยคุณสมบัติที่ปรากฏอย่างสม่ำเสมอในกลุ่มตัวอย่างที่แตกต่างกันและในช่วงเวลาที่แตกต่างกัน และเลือกเครื่องมือวิเคราะห์ให้เหมาะสม ตัวอย่างเช่น ความไวในการตอบสนองทางประสาทสัมผัสต่อสัญญาณขาเข้า ความเสถียรต่อสัญญาณรบกวน และการพึ่งพาเงื่อนไขเริ่มต้นน้อยที่สุด สนับสนุนเครื่องมือที่จับพลวัตชั่วคราว ซึ่งจำลองคุณสมบัติเหล่านี้ได้อย่างเป็นธรรมชาติภายใต้เงื่อนไขที่เหมาะสม มากกว่าเครื่องมือที่จัดการกิจกรรมเชิงเส้นกำกับ ซึ่งไม่สามารถทำเช่นนั้นได้ (Rabinovich et al., 2008)
ความไม่เสถียรและประสิทธิภาพที่ต่ำของกระบวนการให้เหตุผลบ่งชี้ว่า วงจรที่เหมาะสมที่สุดอาจต้องการการสร้างใหม่และการป้องกันจากการรบกวนอย่างต่อเนื่อง ซึ่งต้องอาศัยการสนับสนุนอย่างยาวนานจากการสื่อสารระยะไกลที่สิ้นเปลืองพลังงาน การให้เหตุผลอาจเป็นเหมือนระบอบการสั่นพ้อง ที่ซึ่งประสิทธิภาพในการทำงานจะเกิดขึ้นได้ด้วยรูปแบบเชิงพื้นที่และเวลาที่เฉพาะเจาะจง แม้ว่าจะไม่เสถียรก็ตาม นี่แสดงให้เห็นว่าควรศึกษาการให้เหตุผลด้วยเครื่องมือที่สามารถอธิบายการเปลี่ยนแปลงแบบไดนามิกที่ขยายออกไปในเชิงพื้นที่ และสามารถวัดปริมาณการถ่ายโอนข้อมูลและต้นทุนพลังงานที่เกี่ยวข้องได้
พลวัตของการให้เหตุผล
กระบวนการทางปัญญาแต่ละอย่างสามารถแปลได้ในแง่ของพลวัตและลักษณะที่สอดคล้องกันของกิจกรรมทางประสาท
กระบวนการรับรู้เป็นกระบวนการผ่อนคลาย กึ่งเป็นแบบแผน และมีระยะเวลาสั้น สมองสามารถจำลองได้ในเบื้องต้นว่าเป็นสื่อที่ไวต่อการกระตุ้น: การรบกวนที่เกินเกณฑ์จะเหนี่ยวนำให้เกิดวงจรไดนามิกก่อนที่ระบบจะกลับคืนสู่สถานะเงียบเริ่มต้น
การเรียนรู้ก็เป็นกระบวนการผ่อนคลายเช่นกัน ตามพลวัตแบบไล่ระดับ สมองจะรวมความสัมพันธ์ทางสถิติของสิ่งแวดล้อมโดยการแสดงผลในแง่ของการเชื่อมต่อเชิงฟังก์ชัน (Sporns et al., 2000) วงจรอาจมีระยะเวลานานกว่าและมีรูปร่างที่ไม่ธรรมดามากกว่าวงจรการรับรู้ ไม่มีช่วงเวลาใดช่วงเวลาหนึ่งที่สรุปกระบวนการทั้งหมดได้ และพลวัตประกอบด้วยความผันผวนที่สั้นกว่ากระบวนการทั้งหมดมาก
การให้เหตุผลอาจไม่ใช่การผ่อนคลายอย่างแท้จริง เช่นเดียวกับกรณีของการเรียนรู้ ไม่มีช่วงเวลาใดช่วงเวลาหนึ่งที่สรุปพลวัตทั้งหมดได้ แต่ตรงกันข้ามกับการเรียนรู้ ไม่มีระดับความชันที่ชัดเจน กิจกรรมทางประสาทเป็นกิจกรรมของสมองที่เกิดขึ้นเองโดยธรรมชาติและอยู่นอกสมดุล ปรากฏการณ์ของมันซับซ้อนกว่ามากเมื่อเทียบกับช่วงเวลาสั้นๆ ที่เกี่ยวข้องกับเหตุการณ์ในภาวะสมดุลของการรับรู้ หรือพลวัตการถดถอยสู่สมดุลที่ขับเคลื่อนด้วยระดับความชันของการเรียนรู้
ดังนั้น เพื่อศึกษาการให้เหตุผล เราควรพิจารณาคุณสมบัติของกิจกรรมที่เกิดขึ้นเองตามธรรมชาติซึ่งเป็นคุณสมบัติทั่วไป (กล่าวคือ คุณสมบัติที่ใช้ได้กับเกือบทุกเงื่อนไข) ในช่วงเวลาที่ยาวนานก่อน แล้วจึงดูว่าคุณสมบัติเหล่านี้ถูกปรับเปลี่ยนอย่างไรในระหว่างการให้เหตุผล (Papo, 2014a)
จุดเริ่มต้น: กิจกรรมของสมองที่เกิดขึ้นเองตามธรรมชาติ
เมื่อสังเกตเป็นเวลานานพอ ความผันผวนของสมองดูเหมือนจะมีลักษณะเป็นรูปแบบที่มีโครงสร้าง (Kenet et al., 2003) ลำดับเวลาที่รูปแบบเหล่านี้ได้รับการแก้ไขใหม่ทั่วพื้นที่ของเปลือกสมองก็ดูเหมือนจะมีโครงสร้างที่ไม่สุ่ม (Beggs and Plenz, 2003, 2004; Cossart et al., 2003; Ikegaya et al., 2004; Dragoi and Tonegawa, 2011; Betzel et al., 2012) โครงสร้างที่ทำให้เกิดความผันผวนเหล่านี้ สามารถอธิบายได้ในลักษณะเดียวกับการอธิบายวัตถุ โดยระบุส่วนประกอบ ความสัมพันธ์ระหว่างส่วนประกอบเหล่านั้น และวิธีการตรวจสอบ ตัวอย่างเช่น หากเราคิดว่าความผันผวนของสมองเป็นเหมือนก้าวเดินของคนเดินสุ่ม เราสามารถอธิบายพื้นที่เฟสได้ นั่นคือ พื้นที่ของสถานะทั้งหมดที่ระบบสามารถเข้าถึงได้ผ่านพลวัต แต่ยังรวมถึงระยะทางที่เดินทาง เวลาที่ใช้ในการไปถึงเป้าหมายที่กำหนด และความทรงจำของขั้นตอนก่อนหน้าด้วย
ในโลกแห่งสมดุลของนักวิทยาศาสตร์ด้านการรับรู้ ก้าวเดินของสมอง...
Inductive reasoning is one way that you make decisions. It’s a mental process where you predict what may happen based on what you’ve experienced yourself or know from other people’s experiences. Inductive reasoning happens in your brain’s frontal lobe. Certain conditions may affect your frontal lobe and your ability to use this type of reasoning.
การให้เหตุผลแบบอุปมานเป็นวิธีหนึ่งในการตัดสินใจ เป็นกระบวนการทางจิตที่คุณคาดการณ์สิ่งที่อาจเกิดขึ้นโดยอาศัยประสบการณ์ของคุณเองหรือเรียนรู้จากประสบการณ์ของผู้อื่น การให้เหตุผลแบบอุปมานเกิดขึ้นในสมองส่วนหน้าของคุณ สภาวะบางอย่างอาจส่งผลกระทบต่อสมองส่วนหน้าและความสามารถในการใช้การให้เหตุผลประเภทนี้
การให้เหตุผลแบบอุปมานคืออะไร?
การให้เหตุผลแบบอุปมานเป็นกระบวนการทางจิตในการตัดสินใจ เกี่ยวข้องกับการคาดการณ์สิ่งที่อาจเกิดขึ้นโดยอาศัยสิ่งที่คุณรู้ ในแง่หนึ่ง การให้เหตุผลแบบอุปมานคือการคาดเดาอย่างมีเหตุผลของคุณเกี่ยวกับสถานการณ์หรือประเด็นใด ๆ โดยใช้สิ่งที่คุณได้ประสบหรือเรียนรู้จากผู้อื่น
เราจะใช้การให้เหตุผลแบบอุปมานเมื่อใด?
คุณจะใช้การให้เหตุผลแบบอุปมานเมื่อใดก็ตามที่คุณต้องตัดสินใจโดยไม่รู้แน่ชัดว่าจะเกิดอะไรขึ้น ตัวอย่างเช่น ผู้ที่ทำงานด้านการตลาดอาจใช้สิ่งที่เรียนรู้จากแคมเปญที่ผ่านมาสำหรับผลิตภัณฑ์เดียวกันและกลุ่มเป้าหมายเพื่อพัฒนาแคมเปญโฆษณาใหม่
ตัวอย่างของการให้เหตุผลแบบอุปมานมีอะไรบ้าง?
แนวคิดของการให้เหตุผลแบบอุปมานมีมานานหลายศตวรรษ โดยมีรากฐานมาจากการสืบสวนทางวิทยาศาสตร์ที่นักวิจัยยังคงใช้กันอยู่ การให้เหตุผลแบบอุปมานเกี่ยวข้องกับ:
การรวบรวมและจดจำประสบการณ์และข้อมูล
การพัฒนาสมมติฐานจากข้อมูลนั้น
การบูรณาการข้อมูลใหม่
การยืนยันสมมติฐาน
การให้เหตุผลแบบอุปมานอาจฟังดูซับซ้อน แต่สำหรับคนส่วนใหญ่ การใช้การให้เหตุผลแบบอุปมานเป็นกระบวนการในชีวิตประจำวันที่คุณใช้ในการตัดสินใจ
ตัวอย่างเช่น ลองนึกถึงกระบวนการที่คุณใช้หากคุณมีลูกที่อยู่ในวัยเรียนที่เดินไปและกลับจากป้ายรถเมล์ คุณสงสัยว่าพวกเขาจำเป็นต้องสวมเสื้อโค้ทหรือไม่ หรือแค่เสื้อกันหนาวหนาๆ ก็เพียงพอแล้ว นี่คือวิธีที่คุณอาจใช้การให้เหตุผลแบบอุปมาน:
คุณตรวจสอบพยากรณ์อากาศ ซึ่งบอกว่าอุณหภูมิจะลดลงในช่วงเวลาที่ลูกๆ ของคุณลงจากรถโรงเรียน
คุณจำได้ว่ารู้สึกอย่างไรเมื่อเดินในสภาพอากาศหนาวเย็นโดยไม่สวมเสื้อโค้ทหนาๆ
คุณจำได้ว่ารู้สึกอย่างไรเมื่อเดินในสภาพอากาศหนาวเย็นโดยไม่สวมเสื้อโค้ทหนาๆ คุณตัดสินใจว่าลูกๆ ควรใส่เสื้อโค้ทหนาๆ แม้ว่าคุณจะรู้ว่าอย่างน้อยหนึ่งคนจะต้องเถียงคุณ
อุณหภูมิลดลงพอดีกับเวลาที่ลูกๆ ลงจากรถบัสและเดินกลับบ้าน ซึ่งทำให้คุณรู้สึกดีใจที่ตัดสินใจถูก
นี่คืออีกตัวอย่างหนึ่งของการใช้เหตุผลแบบอุปมานในชีวิตประจำวัน:
คุณกำลังเลือกซื้อของขวัญวันแม่และรู้สึกสับสนกับตัวเลือกมากมาย การใช้เหตุผลแบบอุปมานช่วยให้คุณเลือกของขวัญที่อาจจะสมบูรณ์แบบได้:
คุณจำได้ว่าแม่ของคุณชอบช็อกโกแลตดำ
คุณยังจำได้ว่าเธอไม่ชอบช็อกโกแลตดำที่มีมะพร้าวขูด
คุณรู้เกี่ยวกับร้านขายขนมใกล้ๆ ที่ขายช็อกโกแลตดำที่มีไส้หลากหลาย
คุณซื้อลูกอมช็อกโกแลตดำแบบต่างๆ ที่มีไส้ต่างกัน
ในวันแม่ คุณสังเกตเห็นว่าแม่ของคุณดูเหมือนจะชอบลูกอมไส้คาราเมล คุณจะจำไว้สำหรับครั้งต่อไปที่คุณต้องการซื้อของขวัญให้พวกเขาที่คุณรู้ว่าพวกเขาจะชื่นชอบ
ผู้เชี่ยวชาญท่านหนึ่งใช้กระบวนการคิดของเจ้าของบ้านหลังจากถูกขโมยขึ้นบ้านเพื่ออธิบายวิธีการทำงานของการให้เหตุผลแบบอุปมาน ในสถานการณ์นี้ เจ้าของบ้านกลับมาบ้านและพบว่ามีคนบุกเข้ามาขโมยของ ส่งผลให้เจ้าของบ้านอาจใช้การให้เหตุผลแบบอุปมานเพื่อพิจารณาเรื่องความปลอดภัยของบ้านอีกครั้ง พวกเขาอาจ:
สงสัยว่าจะมีคนบุกเข้ามาในบ้านอีกหรือไม่เมื่อพวกเขาไม่อยู่บ้าน
นึกถึงหลายครั้งที่พวกเขาไม่อยู่บ้านและไม่มีใครบุกเข้ามาในบ้าน
สอบถามเพื่อนบ้านหรือตำรวจเกี่ยวกับเหตุการณ์บุกรุกบ้านที่เกิดขึ้นในละแวกนั้นเมื่อเร็วๆ นี้
ตัดสินใจว่าเป็นเหตุการณ์ที่เกิดขึ้นโดยบังเอิญ แต่ก็ตัดสินใจติดตั้งระบบรักษาความปลอดภัยในบ้านด้วย
การให้เหตุผลเกี่ยวข้องกับการนำข้อมูลที่เรามีอยู่มาใช้เพื่อสรุปผล แก้ปัญหา ตัดสินใจ และอื่นๆ นักปรัชญาและนักตรรกศาสตร์จำแนกการให้เหตุผลออกเป็นสามประเภท ซึ่งมีประโยชน์ในการแก้ปัญหาประเภทต่างๆ ได้แก่ การให้เหตุผลแบบนิรนัย การให้เหตุผลแบบอุปนัย และการให้เหตุผลแบบวิภาษวิธี แม้ว่าสิ่งเหล่านี้จะเป็นพื้นฐานของความมีเหตุผลของเรา แต่ก็เห็นได้ชัดว่าได้รับอิทธิพลจากกระบวนการทางจิตวิทยาและตรรกะด้วยเช่นกัน
Deductive reasoning การให้เหตุผลแบบนิรนัยเป็นไปตามกฎเกณฑ์ที่เป็นทางการ ทำให้เราสามารถสรุปผลที่สอดคล้องกับข้อสมมติฐานพื้นฐานได้ จากข้อสมมติฐานสองข้อคือ 'ถ้าฉันกำลังคิดอยู่ แสดงว่าฉันกำลังใช้สมองอย่างมีสติ' และ 'ฉันกำลังคิดอยู่' เราสามารถสรุปได้อย่างถูกต้องว่า 'ฉันกำลังใช้สมองอย่างมีสติ' ข้อสรุปนี้อาจเป็นเท็จได้หากข้อสมมติฐานข้อใดข้อหนึ่งเป็นเท็จ แต่การให้เหตุผลยังคงถูกต้อง
- Symbolic Logic (Boolean): Early calculators of logic, like George Boole’s, showed that logical propositions could be expressed as equations and manipulated algebraically.
- Predicate Calculus & Quantification: Modern logical frameworks use predicate calculus, particularly the "for all" (\(\forall \)) and "there exists" (\(\exists \)) quantifiers, to handle complex statements involving dependencies between variables (e.g., "\(Y\) depends on \(X\)"), which is critical in mathematical analysis.
- Constructive Reasoning: This refers to specialized logics (like Markov arithmetic) that emphasize constructing a mathematical object to prove its existence, differing from classical logic.
- Automated Reasoning: This field uses computational implementations of these calculi (like the CoRe calculus) to verify proofs or solve open questions in mathematics. [1, 2, 3, 4, 5, 6, 7]
- Dependence Rule: In analysis, a major challenge is recognizing how variables depend on one another, which is a key part of controlling valid deductions.
- Conditional Reasoning: A key aspect of mathematical proof, involving understanding "if-then" statements and their contrapositives.
- Example Generation: A strategy where individuals generate specific instances of abstract statements to evaluate their validity. [1, 2, 3]
What is cognitive reasoning, and can it be improved upon?
Inductive Reasoning
Inductive reasoning is the ability to see relationships between particular instances to form a general conclusion. Here are a few examples of this:
- Every spring, I get congestion and a cough. I’m probably allergic to pollen.
- I leave for work at 8:00 every day, and I’m always on time. I’ll be on time if I leave for work at 8:00 today.
- The train tracks lead to the north. The train that is passing must be heading north.
การให้เหตุผลแบบอุปนัย
การให้เหตุผลแบบอุปนัยคือความสามารถในการมองเห็นความสัมพันธ์ระหว่างตัวอย่างเฉพาะเจาะจงเพื่อสร้างข้อสรุปทั่วไป นี่คือตัวอย่างบางส่วน:
ทุกฤดูใบไม้ผลิ ฉันมีอาการคัดจมูกและไอ ฉันอาจแพ้ละอองเกสรดอกไม้
ฉันออกจากบ้านไปทำงานเวลา 8:00 น. ทุกวัน และฉันตรงเวลาเสมอ ถ้าฉันออกจากบ้านไปทำงานเวลา 8:00 น. วันนี้ ฉันก็จะไปทำงานตรงเวลา
รางรถไฟมุ่งไปทางทิศเหนือ รถไฟที่กำลังวิ่งผ่านต้องมุ่งหน้าไปทางทิศเหนือ
Deductive Reasoning
This type of reasoning involves starting with a general premise or statement and then drawing specific conclusions based on that premise. Deductive reasoning is often used in mathematics and formal logic. Some examples would be:
- All birds lay eggs. Ostriches are birds. Therefore, ostriches lay eggs.
- All numbers ending with 0 are divisible by 10. So 520 is divisible by 10.
- It’s unsafe to drive in the dark without headlights. It’s dark right now, so I should use my headlights while driving.
การให้เหตุผลแบบนิรนัย
การให้เหตุผลประเภทนี้เกี่ยวข้องกับการเริ่มต้นด้วยข้อสมมติหรือข้อความทั่วไป แล้วจึงสรุปผลเฉพาะเจาะจงโดยอิงจากข้อสมมตินั้น การให้เหตุผลแบบนิรนัยมักใช้ในคณิตศาสตร์และตรรกศาสตร์เชิงรูปธรรม ตัวอย่างเช่น:
นกทุกตัววางไข่ นกกระจอกเทศเป็นนก ดังนั้น นกกระจอกเทศจึงวางไข่
จำนวนทุกจำนวนที่ลงท้ายด้วย 0 หารด้วย 10 ลงตัว ดังนั้น 520 หารด้วย 10 ลงตัว
การขับรถในที่มืดโดยไม่เปิดไฟหน้าเป็นอันตราย ตอนนี้มืดแล้ว ฉันควรเปิดไฟหน้าขณะขับรถ
นักจิตวิทยาที่ศึกษาเกี่ยวกับการให้เหตุผลแบบนิรนัยได้พบข้อผิดพลาดทั่วไปบางประการ เช่น ความยากลำบากในการยอมรับข้อสรุปที่ไม่พึงประสงค์ – เช่น การสูบบุหรี่ทำให้เกิดมะเร็ง – หรือในการเปลี่ยนแปลงความเชื่อที่ให้คุณค่า เช่น ความเชื่อที่ว่าแม่ทุกคนใจดี เราไม่เก่งเป็นพิเศษในการคิดถึงสิ่งที่ไม่ได้เป็นความจริง ดังที่แสดงไว้ในกล่อง 4.1.
ข้อผิดพลาดในการใช้เหตุผลแบบนิรนัยมักเกิดขึ้นเมื่อไม่ทราบความจริงหรือความเท็จของข้อสันนิษฐาน และเนื่องจากความคิดของเรามีอคติไปในทิศทางของการเสริมสร้างความเชื่อที่มีอยู่เดิม และไม่ยอมรับข้อมูลที่ขัดแย้งกับความเชื่อเหล่านั้น
ความจริงแล้ว การคิดของเรานั้นเต็มไปด้วยอคติที่ไม่สมเหตุสมผลแต่มีประโยชน์มากมาย เพื่อนของคุณนั่งดูฟุตบอลอยู่ที่บ้าน เขาบอกคุณว่าถ้าทีมของเขาชนะ เขาจะไปผับ แต่ทีมของเขาแพ้ และคุณก็ "สมเหตุสมผล" แม้จะไม่ "สมเหตุสมผล" ก็ตาม ไปหาเขาที่บ้าน (ถึงแม้เขาจะไม่ได้บอกอะไรคุณเลยเกี่ยวกับสถานที่ที่เขาจะไปในสถานการณ์เช่นนี้) การใช้เหตุผลแบบนิรนัยเพียงอย่างเดียวจะไม่นำคุณไปสู่ข้อสรุปนี้ แต่ "ความไม่สมเหตุสมผล" ของคุณช่วยให้คุณได้พบกับเพื่อนของคุณ
Inductive reasoning การให้เหตุผลแบบอุปนัยการให้เหตุผลแบบอุปมาน คือรูปแบบการให้เหตุผลที่วิทยาศาสตร์ส่วนใหญ่พึ่งพา นักวิจัยทำการสังเกตอย่างระมัดระวังหลายครั้ง แล้วจึงสรุปผลที่พวกเขาคิดว่าน่าจะเป็นจริง แม้ว่าข้อมูลที่ยังไม่ค้นพบอาจแสดงให้เห็นว่าข้อสรุปเหล่านั้นผิดพลาดก็ตาม เรามักใช้การให้เหตุผลแบบนี้ในชีวิตประจำวัน เช่น 'แมรี่วิจารณ์สิ่งที่ฉันพูดและปฏิเสธข้อโต้แย้งของฉันอย่างสิ้นเชิง' 'ดังนั้น แมรี่จึงเป็นคนชอบวิจารณ์' การให้เหตุผลแบบอุปมานช่วยให้เราได้ข้อสรุปที่ดูเหมือนจะเป็นไปได้บนพื้นฐานของประสบการณ์ของเรา และส่วนใหญ่แล้วมันก็ใช้ได้ผลดี อย่างไรก็ตาม การคิดแบบความน่าจะเป็นเช่นนี้อาจผิดพลาดได้ ไม่ใช่แค่เพราะเหตุการณ์ที่ผิดปกติหรือหายากเกิดขึ้นเท่านั้น แต่ยังมีเหตุผลอื่นๆ อีกมากมาย หนึ่งในเหตุผลหลักคือ เรามักแสวงหาข้อมูลที่ยืนยันข้อสรุป (หรือข้อสงสัย) ของเราเมื่อเราไม่แน่ใจ แทนที่จะใช้กระบวนการที่สมเหตุสมผลและให้ข้อมูลมากกว่าในการค้นหาข้อมูลที่จะแสดงว่าเราผิดพลาด เช่น ในตัวอย่างข้างต้น ว่าฉันทำผิดพลาดหลายครั้ง มากกว่าที่จะคิดว่าแมรี่เป็นคนชอบวิจารณ์อยู่เสมอ ดังที่วิลเลียม เจมส์กล่าวไว้ว่า 'คนจำนวนมากคิดว่าตนเองกำลังคิด แต่แท้จริงแล้วกำลังจัดเรียงอคติของตนเองใหม่' ปัญหาอีกประการหนึ่งคือ เรามองหาในสิ่งที่เราคาดหวัง และความคาดหวังของเราได้รับผลกระทบจากความรู้สึกของเรา
การใช้เหตุผลเป็นงานหนัก และมักทำให้ความจำทำงานหนัก ในทางปฏิบัติ เราใช้หลักการคิดแบบลัด หรือกฎง่ายๆ หลายอย่างเพื่อเป็นแนวทางในการคิดของเรา หลักการคิดแบบลัดช่วยเราในการแก้ปัญหาที่ซับซ้อน ตัวอย่างเช่น หลักการคิดแบบลัดเรื่องความพร้อมใช้งานเกี่ยวข้องกับการประมาณความน่าจะเป็นของเหตุการณ์บางประเภทโดยพิจารณาจากความง่ายในการนึกถึงตัวอย่างที่เกี่ยวข้อง ยิ่งนึกถึงได้ง่ายเท่าไหร่ ก็ยิ่งดูเหมือนว่ามีโอกาสเกิดขึ้นมากเท่านั้น ดังนั้น สิ่งแรกที่ฉันทำเมื่อเครื่องพิมพ์ไม่ทำงานคือตรวจสอบว่าฉันเปิดเครื่องหรือไม่ ความผิดพลาดที่ฉันมักทำจะผุดขึ้นมาในใจได้ง่าย และการกระทำง่ายๆ นี้ก็ช่วยแก้ปัญหาได้อย่างรวดเร็ว ดังนั้น หลักการคิดแบบลัดจึงมีข้อดีในการแก้ปัญหาที่มากกว่าข้อเสีย ข้อเสียหลักคือ มีปัจจัยหลายอย่างที่กำหนดความพร้อมใช้งาน – ของสิ่งที่ผุดขึ้นมาในใจได้ง่าย – เช่น ข้อมูลนั้นเพิ่งถูกคิดถึงหรือไม่ มีความชัดเจนเป็นพิเศษหรือไม่ หรือมีอารมณ์ร่วมมากน้อยเพียงใด และปัจจัยทั้งหมดเหล่านี้อาจไม่เกี่ยวข้องกับตรรกะเลยก็ได้ ดังนั้น คนที่กลัวการบินมักจะประเมินโอกาสที่จะเกิดอุบัติเหตุเครื่องบินตกสูงเกินจริง และจะยิ่งประเมินสูงขึ้นอย่างมากหากเพิ่งได้ยินข่าวเกี่ยวกับอุบัติเหตุเครื่องบินตกมาไม่นาน
Dialectical reasoning การให้เหตุผลเชิงวิภาษวิธี การใช้เหตุผลเชิงวิภาษวิธี คือความสามารถในการประเมินมุมมองที่แตกต่างกันและคิดอย่างมีวิจารณญาณเพื่อพิจารณาว่าสิ่งใดเป็นจริงหรือเท็จ หรือเพื่อแก้ไขความขัดแย้ง หมายถึงความสามารถในการใช้ทักษะการให้เหตุผลที่หลากหลายเมื่อคิด มากกว่าที่จะหมายถึงตรรกะหรือวิธีการทางวิทยาศาสตร์แบบใดแบบหนึ่ง ปัญหาทางจิตวิทยาเกี่ยวกับการใช้เหตุผลเชิงวิภาษวิธีเกิดขึ้น ตัวอย่างเช่น เมื่อการที่ใครบางคนถูกต้องหรือได้รับการยอมรับในความเชื่อของตนเป็นสิ่งสำคัญ ความภาคภูมิใจในตนเองอาจดีขึ้นเมื่อตนเองถูกต้อง (หรืออยู่ฝ่ายชนะ) และลดลงเมื่อตนเองผิด (หรืออยู่ฝ่ายแพ้) ประสบการณ์ ความรู้สึก และความโน้มเอียง เป็นปัจจัยทางจิตวิทยาหลายอย่างที่ขัดขวางความสามารถในการคิดอย่างเปิดกว้าง ในการใช้เหตุผลเชิงวิภาษวิธี เราจำเป็นต้องซึมซับและจดจำข้อมูลที่ซับซ้อนจำนวนมาก และวิเคราะห์ประเด็นต่างๆ อย่างเป็นกลางและมีวิจารณญาณ ความรู้สึกและความทรงจำของเราจำกัดพลังแห่งการใช้เหตุผลของเราอย่างเห็นได้ชัด เช่นเดียวกับ 'รูปแบบ' ของข้อความที่เราได้รับ ตัวอย่างเช่น การนำเสนอข้อมูลทางการเมืองทางโทรทัศน์ในรูปแบบ "ประโยคสั้นๆ" ที่ย่อให้เข้าใจและจดจำได้ง่ายนั้น เห็นได้ชัดว่าเป็นการรบกวนการคิดอย่างมีวิจารณญาณ แนวคิดที่เรียบง่ายซึ่งนำเสนอในรูปแบบที่อาจดึงดูดความสนใจหรือให้ความบันเทิงนั้น สามารถรับรู้ได้แม้กระทั่งขณะดูโทรทัศน์อย่างไม่ตั้งใจขณะทำอย่างอื่น ดังนั้น การคิดจึงสามารถได้รับอิทธิพลจากวิธีการที่ข้อมูลเข้าถึงเรา และปัจจัยทางจิตวิทยาได้มีส่วนสำคัญอย่างมากต่อความซับซ้อนที่เกี่ยวข้องกับการคิดและการให้เหตุผล
วิลเลียม เจมส์ กล่าวว่า "คนมากมายคิดว่าตัวเองกำลังคิด ทั้งที่จริงๆ แล้วพวกเขาแค่เรียบเรียงอคติของตนใหม่เท่านั้น"
บทนี้โดยทั่วไปพูดถึง “ทำไมมนุษย์ถึงทำในสิ่งที่เราทำ” โดยใช้กรอบ “แรงจูงใจ (motivation)” และ “อารมณ์ (emotion)” อธิบายพฤติกรรมของเรา. ด้านล่างคือโครงหลักที่มักอยู่ในบทนี้ (ใช้สรุปอ่านสอบหรือทำโน้ตได้):
1. แนวคิดพื้นฐานของแรงจูงใจ
แรงจูงใจคือ “ความต้องการหรือความอยาก” ที่ผลักดันให้เรามีพฤติกรรมมุ่งไปสู่เป้าหมาย เช่น หิวจึงกิน เหงาจึงหาเพื่อนคุย.
แบ่งเป็น
2. ทฤษฎีแรงจูงใจสำคัญ
ทฤษฎีสัญชาตญาณ (instinct): พฤติกรรมบางอย่างมาจากพันธุกรรมเพื่อการอยู่รอด เช่น เด็กดูดนม แม่ปกป้องลูก.
ทฤษฎีแรงขับ – การลดความตึงเครียด (drive reduction): เมื่อมี “need” (ขาดแคลน) จะเกิด “drive” ผลักให้ทำบางอย่างเพื่อลดความตึง เช่น หิว → หาของกิน.
ทฤษฎีแรงจูงใจเชิงจูงใจ (incentive theory): เราถูกดึงดูดด้วยรางวัล/สิ่งพึงประสงค์ เช่น ทำงานหนักเพราะโบนัส.
Maslow’s hierarchy of needs: ความต้องการเรียงจากล่างขึ้นบน เช่น
กายภาพ (อาหาร น้ำ หลับ)
ความปลอดภัย
ความรักและการเป็นส่วนหนึ่ง
การยอมรับนับถือ
การเติมเต็มศักยภาพตนเอง (self-actualization).
3. แนวคิดพื้นฐานของอารมณ์
อารมณ์คือ “ประสบการณ์ความรู้สึก” ที่สัมพันธ์กับการเปลี่ยนแปลงทางร่างกาย ความคิด การแสดงออก และการกระทำ.
ในจิตวิทยามักพูดถึงองค์ประกอบอารมณ์ 4–5 ด้าน เช่น
ด้านกาย (หัวใจเต้น เหงื่อออก)
ด้านการแสดงออก (สีหน้า ท่าทาง เสียง)
ด้านความคิด (การตีความเหตุการณ์)
ด้านพฤติกรรม (หนี สู้อยู่เฉย).
หลายแนวคิดพูดถึง “อารมณ์พื้นฐาน” ที่พบได้ในทุกวัฒนธรรม เช่น ดีใจ เศร้า กลัว โกรธ ขยะแขยง ประหลาดใจ.
4. ทฤษฎีอารมณ์ที่มักออกสอบ
James–Lange: สิ่งเร้าก่อน → ร่างกายเปลี่ยนก่อน → เรารับรู้ความรู้สึก เช่น เห็นงู → หัวใจเต้น → จึงรู้สึกกลัว.
Cannon–Bard: สิ่งเร้า → สมองประมวลผล → อารมณ์และการเปลี่ยนแปลงทางกายเกิดพร้อมกัน ไม่ได้ต่อกัน.
Schachter–Singer (two-factor theory): อารมณ์ = การตื่นตัวทางกาย + การตีความด้วยความคิด เช่น หัวใจเต้นแรงและอยู่ในสนามกีฬาที่ทีมเราชนะ → ตีความว่า “ดีใจ ตื่นเต้น”.
5. ความสัมพันธ์ระหว่างแรงจูงใจกับอารมณ์
แรงจูงใจตอบคำถามว่า “เราต้องการอะไร/เป้าหมายคืออะไร” ส่วนอารมณ์สะท้อน “เรารู้สึกยังไงระหว่างทาง”.
อารมณ์ช่วยจัดลำดับความสำคัญและผลักดันพฤติกรรม เช่น ความกลัวทำให้หนีอันตราย ความโกรธทำให้ปกป้องขอบเขตตนเอง.
การรับรู้ การเรียนรู้ ความจำ และการคิด (cognition) ล้วนมีปฏิสัมพันธ์กับแรงจูงใจและอารมณ์ เช่น ถ้าเราสนใจ/มีแรงจูงใจสูง จะจำได้ดีขึ้น.
ไม่มีความคิดเห็น:
แสดงความคิดเห็น