随着序列学习中注意需求增加，运动序列抵抗自动化

为什么日常技能仍然需要你的注意力

从开车到弹奏喜欢的钢琴曲，我们常觉得练习能把费力的动作变成流畅的例行程序，仿佛“自动驾驶”。本研究探问这种自动驾驶究竟有多远。当我们学习一个固定的动作模式时，那些动作是否最终会释放我们的注意力，让我们轻松地同时处理另一项任务，还是熟练的序列仍然对心智提出隐性需求？

研究者如何对比已练习与新模式

科学家们使用了经典的计算机任务，受试者按下与屏幕上灯位置对应的按键。受试者并不知道，灯光通常遵循一个重复的12步模式，形成“已练习序列”。第二个复杂度相当的模式作为对照序列，受试者几乎没有练习。87名成年人在十个连续日的训练中重复已练习序列数千次。一半人被告知存在模式并事先展示了该模式（有意学习），而另一半仅对灯光作出反应，未被告知任何结构（偶然学习）。部分受试者还看到提示即将出现灯光的微弱视觉线索。在训练前后，所有人都在两种条件下执行已练习和对照序列：单独完成，以及在背景中计数特定音调的同时完成。

变快并不等于进入自动模式

如预期一般，人们在第一次到最后一次测试中总体反应明显变快，且在已练习序列上的反应比对照序列更快。那些知道有模式并事先学习它的人表现出最强的序列学习，之后对该模式的回忆和识别也更准确。换言之，明确的指示与意识帮助他们建立了键按顺序的详细心理表征。然而关键问题是，当加入另一项任务——计数音调——时，这个练得很熟的序列是否会减少对注意力的需求。

第二项任务暴露了隐藏的努力

为测量这一点，研究者比较了仅执行按键任务时的反应时与同时需持续计数音调时的反应时。起初，同时做两件事使所有人都变慢，无论是已练习还是对照序列，表现出典型的“双任务代价”。但经过十天训练后，出现了一个令人惊讶的模式。对少量练习的对照序列而言，双任务代价变得非常小：人们在计数音调的同时反应几乎与单独做按键任务时一样快。这表明基本的刺激到反应连接变得更高效，对注意力的需求减少。鲜明对比的是，已练习序列的双任务代价实际上变得更大。人们对模式掌握得越好、能越清楚地描述或识别它，在加入计数任务时表现受损越明显。更强的学习和更多的显性知识反而与更强的干扰相关，而非更少。

为何深度学习的模式仍会消耗心智资源

这些发现挑战了“练习使动作在心理上廉价化”的简单观念。作者提出，当人们学习一个冗长复杂的模式时，会形成丰富的内部表征，让他们能够预测接下来的步骤，而不仅仅是被动反应。控制这种基于预测的、模式化的行为似乎大量依赖与计数任务相同的有限注意力和工作记忆资源。相比之下，很少练习的对照序列可能更多依赖更直接的刺激—反应链接，在存在另一项任务时对中心协调的需求较少。因此，在本研究中，随练习变得更“自动”的是作出反应的基本构件——而不是特定的已学序列本身。

这对现实世界技能的意义

对于驾驶、演奏音乐或操作机械等日常技能，结论是复杂而细致的。练习确实使动作更流畅、更快速，但深度编码的序列——尤其是长或复杂的——在我们尝试将其与其他心理任务同时进行时可能仍然会占用注意力。高度熟练并不保证对干扰免疫；在某些情况下，对接下来将发生内容的丰富内部映射反而可能增加对集中控制的需求。理解流畅性与注意力之间的这种平衡，可用于指导运动、音乐和康复训练，并提醒我们即便是熟练的例行动作，感受上的‘自动’也未必完全可靠。

引用: Dahm, S.F., Kraft, V., Martini, M. et al. Motor sequences resist automatization as attentional demands increase with sequence learning. npj Sci. Learn. 11, 26 (2026). https://doi.org/10.1038/s41539-026-00412-y

关键词: 运动序列学习, 自动化, 双任务表现, 注意, 序列反应时任务