我們都有過這樣的經驗：
開車時能一邊聊天一邊熟練地應對路況，彈鋼琴時手指彷彿自動在琴鍵上跳躍。這些看似毫不費力的技能，是如何從最初的生疏，轉變為近乎本能的「第二天性」？一項結合眼動追蹤與腦電波（EEG）技術的最新研究，為我們揭開了這個複雜過程的神秘面紗。
從刻意到自動：技能學習的階段性轉變
過去的研究已經表明，技能學習通常經歷幾個階段。最初是認知階段，學習者需要集中注意力，理解每個步驟的原理。接著是聯結階段，學習者開始將不同的步驟串聯起來，形成更流暢的動作序列。最終，達到自動化階段，技能的執行變得快速、高效，並且幾乎不需要有意識的控制。
然而，具體是什麼樣的腦部活動變化，以及眼球運動模式的改變，促成了這種轉變，一直以來都是神經科學家們感興趣的課題。
眼動追蹤與腦電波的雙重探測
這項研究的創新之處在於，研究人員同時使用了眼動追蹤和腦電波技術，來觀察受試者在學習新技能時的腦部活動和視覺注意力模式。受試者被要求完成一項電腦遊戲，遊戲要求他們根據螢幕上出現的特定圖案，快速而準確地做出反應。
研究人員發現，在學習初期，受試者的眼球運動更加頻繁和分散，表明他們需要不斷掃描螢幕，尋找關鍵信息。同時，腦電波顯示，負責認知控制的前額葉皮層活動明顯增強，這反映了他們需要付出更多的努力來處理信息。
隨著練習的深入，受試者的眼球運動變得更加集中和高效，他們能夠更快地鎖定關鍵信息，並且減少了不必要的視覺掃描。更重要的是，腦電波顯示，前額葉皮層的活動逐漸減弱，而與運動控制相關的腦區，例如基底核和小腦，的活動則逐漸增強。
數據佐證：效率與自動化的提升
研究人員通過量化分析，進一步證實了這些觀察結果。他們發現，隨著練習次數的增加，受試者的反應時間顯著縮短，錯誤率也明顯降低。同時，眼球運動的平均注視時間延長，注視次數減少，表明視覺搜索效率得到了顯著提升。
此外，研究人員還發現，腦電波中的特定頻率成分，例如 theta 波和 alpha 波，的功率變化與技能學習的進展密切相關。Theta 波的功率在學習初期較高，隨著技能的熟練而逐漸降低，這可能反映了認知負荷的減輕。Alpha 波的功率則在學習後期逐漸增強，這可能反映了注意力的內化和自動化程度的提高。
技能自動化的神經機制
這些發現表明，技能的自動化並非簡單地將控制權從大腦的一個區域轉移到另一個區域，而是一個複雜的動態過程，涉及多個腦區之間的協同作用。前額葉皮層在學習初期負責認知控制和錯誤監測，隨著技能的熟練，其作用逐漸減弱，而基底核和小腦等運動控制相關腦區則逐漸接管技能的執行。
眼動追蹤數據則揭示了視覺注意力在技能學習中的重要作用。通過不斷的練習，學習者能夠逐漸掌握視覺線索，並學會忽略無關信息，從而提高視覺搜索效率，並最終實現技能的自動化。
總結與研判
這項研究為我們理解技能學習的腦部機制提供了重要的線索。它表明，技能的自動化是一個涉及認知控制、運動控制和視覺注意力等多個方面的複雜過程。通過眼動追蹤和腦電波技術的結合，我們可以更深入地了解大腦是如何將刻意的行為轉變為近乎本能的「第二天性」的。
雖然這項研究取得了一些重要的進展，但仍然存在一些未解之謎。例如，不同類型的技能，例如運動技能和認知技能，其自動化的腦部機制是否有所不同？個體差異，例如年齡和經驗，是否會影響技能學習的效率和自動化程度？這些問題都需要進一步的研究來解答。
未來，我們可以利用這些研究成果，開發更有效的訓練方法，幫助人們更快地掌握新技能，並提高工作效率。例如，可以設計基於眼動追蹤的反饋系統，幫助學習者提高視覺搜索效率，或者利用腦電波生物反饋技術，幫助學習者調節腦部活動，從而加速技能學習的過程。
Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: March 4, 2026