Anlık istek ile karar verme arasındaki ilişkiyi bağlayan hesaplamalı bir mekanizma: Alkol içicileri ve esrar kullanıcıları

Bir İçki veya Eroinin Çekiciliği Neden Bu Kadar Güçlü Gelir?

Alkolü veya esrarı azaltmaya çalışmış herkes, isteğin çekişini bilir: en iyi niyetleri bile rayından çıkarabilen ani, odaklanmış dürtü. Bilim insanları ise bu anlık dürtülerin insanların yaptığı seçimleri nasıl şekillendirdiğini ve bu seçimlerin sırasıyla isteği nasıl beslediğini tam olarak açıklamakta zorlandı. Bu çalışma, öğrenme ve tercihlerin matematiksel modelleri olan hesaplamalı araçları kullanarak, alkol veya esrarı düzenli kullanan kişilerin isteği ve karar vermeyi nasıl karşılıklı olarak etkilediğini ortaya koyuyor.

Zor Seçimleri Sınayan Basit Bir Oyun

Araştırmacılar, alkol veya esrarla ilgili sorun riski orta ila yüksek olan 130’dan fazla yetişkin işe aldı. Katılımcılar çevrimiçi bir slot makinesi tarzı oyun oynadı. Her denemede iki makine arasında seçim yaptılar. Bir blokta kazanmak para resmi veriyordu; başka bir blokta ise her kişinin en çok cezbeden içki veya esrar ürününün resmi veriliyordu. Oyun boyunca, daha iyi ödeyen makine ara sıra yer değiştirdi ve bu da oyuncuların sürekli öğrenmesini gerektirdi. Her birkaç denemede bir, katılımcılar o anki alkol veya esrar isteğinin ne kadar güçlü olduğunu ve genel ruh hallerini puanladılar.

İnsanların Ne Öğrendiği ve Nasıl Hissettikleri

Riskli madde kullanımlarına rağmen, katılımcılar oyunda iyiydi. Ortalama olarak, hem alkol içenler hem de esrar kullanıcıları, ödül para mı yoksa bağımlılık uyandıran bir işaret mi olduğuna bakılmaksızın daha iyi makineyi şansın çok üzerine çıkarak tercih ettiler. Ancak istek açıkça işaretlere yanıt verdi. Kazanılan resimler alkol veya esrar olduğunda, insanlar sadece madeni para olduğundakinden daha güçlü dürtüler bildirdiler. Bu istekler ayrıca zaman içinde sabit kalmayıp dalgalandı; bu da görevin, ayrıntılı olarak analiz edilebilecek dinamik, anlık değişiklikler yarattığını doğruladı.

İsteğin Öğrenmeyi Anlık Olarak Yeniden Düzenlemesi

Basit ortalamaların ötesine geçmek için ekip, her kişinin tercihlerini hesaplamalı modellere uydurdu. Bu modeller, insanların hangi makinenin daha iyi olduğuna ilişkin inançlarını ne kadar hızlı güncellediğini ve son kazanımlara ve kayıplara ne kadar duyarlı olduklarını tahmin etti. Ana soru, anlık isteğin bu iç öğrenme ayarlarını değiştirip değiştirmediğiydi. Kazanımların alkol veya esrar görüntüleri olduğu bloklarda en iyi uyum sağlayan model, isteğin öğrenme hızını—her yeni sonucun ne kadar ağırlık taşdığı—ayarladığını söyledi. Alkol içenlerde daha güçlü istek, alkolle ilgili kazanım ve kayıplardan öğrenmeyi hızlandırdı ve beyni hemen olan bitene daha duyarlı hale getirdi. Esrar kullanıcılarında ise daha güçlü istek bunun tersini yaptı; esrarla ilgili sonuçlardan öğrenmeyi yavaşlattı. Ödül madeni para olduğunda ise istek artık öğrenme hızını değiştirmedi; bunun yerine parasal kazançların ne kadar büyük hissettirdiğini etkileyerek onların etki boyutunu artırdı, temel öğrenme sürecini yeniden şekillendirmeden.

Beklentiler ve Sonuçların İsteği Nasıl Beslediği

Araştırmacılar sonra soruyu tersine çevirdi: isteğin öğrenmeyi nasıl değiştirdiğini sormak yerine, öğrenme ve sonuçların isteği nasıl değiştirdiğini sordular. Yeni modeller, anlık isteğin insanların beklediği şeyle ve gerçekte aldıklarıyla karışım halinde en iyi şekilde açıklanabileceğini gösterdi. Bir kazanım veya kayıp olduğunda, bunun isteğe etkisi yalnızca gösterilen resme bağlı değildi; aynı zamanda kişinin o seçimden beklediği değere de bağlıydı. Bu desen hem alkol hem esrar kullanıcıları için ve hem para hem madde işaretleri söz konusu olduğunda gözlendi, ayrıntılı parametre tahminleri grup ve bağlamlar arasında farklılık gösterse de. Kısacası, istek tek başına işaretlerle tetiklenen bir olgu olmaktan ziyade, önceki beklentiler ile yeni kanıtlar arasındaki sürekli bir diyaloğun ürünü olarak ortaya çıktı.

Bulguların Risk ve Tedavi İçin Anlamı

Son olarak ekip, bu gizli model parametrelerinin yaş veya gelir gibi temel bilgilerin ötesinde insanların alkol veya esrar sorunları riskini ne derece öngörebileceğini sordu. Alkol içenler için hesaplamalı ölçüleri içeren modeller, yalnızca demografik veya basit davranış ortalamalarını kullananlardan daha iyi risk skorları tahmin etti. İstekle bağlantılı daha yüksek öğrenme hızları ve sonuçların isteği daha güçlü etkilemesi gibi belirli desenler daha yüksek alkol riskiyle ilişkilendirildi. Ancak esrar kullanıcıları için gelir gibi demografik özellikler daha belirleyiciydi ve hesaplamalı parmak izleri fazla ek öngörü gücü katmadı.

İstek ve Seçim Hakkında Yeni Bir Bakış

Görgü tanığı birisine istemek, basitçe “hissettirip” kişiyi zorlayan ham bir duygu gibi gelebilir. Bu çalışma daha ince bir tablo çiziyor. İstek ve karar verme birbirini sıkı sıkıya örmüş süreçler; sürekli olarak birbirlerini şekillendiriyorlar. Alkol ve esrar kullanıcılarında kısa süreli istek sıçramaları, beynin maddeyle ilgili deneyimlerden ne kadar hızlı öğrendiğini değiştirebilirken, beklentiler ve son zamanlardaki sonuçlar birlikte bir sonraki istek dalgasını sürüklüyor. Bu döngüler bağımlılık döngülerinden çıkmayı neden bu kadar zorlaştırdığını açıklamaya yardım edebilir—ancak aynı zamanda isteği sadece bastırmak değil, istekle öğrenme arasındaki etkileşimi zaman içinde değiştirmeyi hedefleyen yeni tedavi olanaklarına da işaret ediyor.

Atıf: Kulkarni, K.R., Berner, L.A., Rhoads, S.A. et al. A computational mechanism linking momentary craving and decision-making in alcohol drinkers and cannabis users. Nat. Mental Health 4, 551–565 (2026). https://doi.org/10.1038/s44220-026-00593-w

Anahtar kelimeler: bağımlılık, istek, karar verme, alkol kullanımı, esrar kullanımı