報酬の大きさが学習効率を決定する
報酬の大きさが、学習速度の効率を高めることが、マウスを用いた実験で明らかになった。従来の研究で使われていた標準的な量よりも大きな報酬を与えたところ、ナビゲーションや運動スキル、意思決定といった複雑な課題において、学習スピードが向上することが確認された。この研究成果は、米ハーバード大学医学研究所に所属する研究者らが科学誌『Science』に発表した論文「Reward magnitude determines reinforcement learning efficiency」に詳述されている。
わずか数回の経験で学習完了
通常であれば何十回、何百回という報酬経験が必要なタスクであっても、特に大きな報酬を与えられたマウスは、わずか数回の経験で学習を完了させることすらあった。しかも、最終的に到達する上手さは変わらなかった。つまり、早く上手くなるだけで、雑になったわけではない。この学習効率の向上には、脳内の線条体におけるドーパミンの働きが深く関わっていた。大きな報酬を得ると、マウスの脳内ではドーパミンがより多く、そして長く持続して放出される。
光遺伝学でドーパミン反応を再現
研究チームは、光遺伝学を用いて人為的にドーパミンの反応を持続させたところ、通常の小さな報酬しか与えていない場合でも、特に大きな報酬による学習促進効果の多くが再現された。研究チームは、大きな報酬がもたらす学習の効率化は、単に理解するスピードが上がるからだけではないと分析している。大きな報酬は、前回のセッションからの学習内容をしっかりと引き継ぐ力や、タスクに途中で飽きずに取り組み続ける意欲を強く引き出していた。
Source and Image Credits: Sheng Gong et al. ,Reward magnitude determines reinforcement learning efficiency.Science392,eaeb0813(2026).DOI:10.1126/science.aeb0813
