Fluidna inteligencija: neurokognitivni mehanizmi, razvoj i uloga u rješavanju novih problema

Sažetak. Fluidna inteligencija, odnosno Gf, može se proučavati kao latentni konstrukt fluidnog zaključivanja u zadacima koji zahtijevaju otkrivanje i primjenu novih odnosa ili pravila. Povezanost Gf-a s radnom memorijom ovisi o procesu, zadatku i operacionalizaciji; Gf nije istovjetna radnoj memoriji. Funkcionalni i lezijski nalazi kompatibilni su s mrežnim opisom fluidnog zaključivanja, dok razvojni i dobni obrasci ovise o sposobnosti, mjeri i dizajnu istraživanja. Dokazi o treningu radne memorije ne podupiru pouzdan zaključak o stabilnom dalekom prijenosu na Gf ili inteligenciju.

Pojmovno određenje i teorijski okvir

Fluidna inteligencija odnosi se na uočavanje odnosa, izvođenje zaključaka i rješavanje novih apstraktnih problema bez oslanjanja na već pohranjeno rješenje. Raymond B. Cattell razlikovao je fluidnu od kristalizirane inteligencije: prva se odnosi na zaključivanje u novim situacijama, a druga na znanje, jezične kompetencije i strategije stečene iskustvom i obrazovanjem (Horn i Cattell, 1967; Cattell i Horn, 1978).

Ta razlika nije apsolutna. Zadaci fluidnog zaključivanja mogu zahtijevati razumijevanje uputa, vizualnu analizu, održavanje i kombiniranje odnosa te kontrolu pažnje; relativni doprinos tih komponenti ovisi o zadatku i načinu mjerenja. Stoga je preciznije govoriti o fluidnom zaključivanju nego o inteligenciji potpuno neovisnoj o znanju i drugim kognitivnim zahtjevima (Tschentscher, Mitchell i Duncan, 2017).

Opća inteligencija, g, statistički je faktor koji proizlazi iz pozitivnih korelacija među različitim kognitivnim testovima. Gf je uži i sadržajno određeniji konstrukt: usmjeren je na novo relacijsko zaključivanje, dok g obuhvaća zajedničku varijancu šireg raspona sposobnosti. U Cattell–Horn–Carrollovu okviru Gf je široka sposobnost niže razine od općeg faktora g (Jewsbury, Bowden i Duff, 2017).

Razlikovanje Gf i g ovisi o hijerarhijskom modelu i izboru testova kojima se oba konstrukta procjenjuju. Ako se g procjenjuje uglavnom zadacima apstraktnog zaključivanja, Gf može izgledati vrlo slično općem faktoru. Rezultat jednog testa matrica zato se ne treba automatski tumačiti kao potpuna procjena opće inteligencije.

Mjerenje fluidne inteligencije

U dosjeu se kao primjeri mjera fluidnog ili neverbalnog zaključivanja navode Ravenove progresivne matrice, Cattellov Culture Fair Intelligence Test i podtestovi širih baterija inteligencije. Tipični zadaci traže otkrivanje pravila koje povezuje elemente matrice, niza, analogije ili apstraktnog prostornog odnosa. U složenijim zadacima potrebno je kombinirati više pravila, pratiti međukorake i zanemariti konkurentne mogućnosti (Tschentscher, Mitchell i Duncan, 2017).

Ravenove matrice mogu služiti kao procjena fluidnog ili općeg neverbalnog zaključivanja, ali ih se ne treba opisivati kao čistu mjeru Gf ili g. Rezultat može ovisiti o težini čestica, vrsti odnosa, perceptivnoj složenosti i redoslijedu zadataka. Skraćene i vremenski ograničene inačice mogu dodatno povećati udio brzine obrade i vizualne pretrage u konačnom rezultatu (Kievit i suradnici, 2016).

Za interpretaciju nalaza korisno je odvojiti latentni konstrukt od konkretne mjere, pretpostavljenog procesa i opaženog ishoda. Konstrukt je fluidna inteligencija kao latentna sposobnost; mjera može biti matrica, analogija, serija ili latentni faktor iz više zadataka; procesi mogu uključivati održavanje cilja, relacijsku integraciju, ažuriranje, inhibiciju i kontrolu pažnje; a ishod može biti točnost, brzina ili broj pogrešaka.

Slabiji rezultat na vremenski ograničenim matricama može odražavati kombinaciju zaključivanja, zahtjeva radne memorije, pažnje, brzine i obilježja zadatka. To je metodološka implikacija psihometrijskih analiza, a ne tvrdnja da ti čimbenici uvijek objašnjavaju individualni rezultat (Kievit i suradnici, 2016).

Radna memorija i fluidna inteligencija

Studija latentnih varijabli Englea i suradnika na 133 sudionika pokazala je da su radna i kratkoročna memorija povezane, ali razdvojive sposobnosti. Radna memorija bila je snažno povezana s općom fluidnom inteligencijom, dok sama kratkoročna memorija nije pokazala jednak odnos. Autori su vezu tumačili važnosti održavanja reprezentacije aktivnom unatoč interferenciji i distrakciji (Engle, Tuholski, Laughlin i Conway, 1999).

Pri rješavanju novog problema osoba mora održavati cilj, reprezentirati relevantne odnose, uspoređivati hipoteze, odbacivati pogrešne mogućnosti i pratiti međurezultate. Radna memorija zato nije „spremnik inteligencije”, nego ograničeni sustav za privremeno održavanje i transformiranje informacija pod kontrolom pažnje.

Treba izbjegavati formulaciju da je radna memorija temelj ili jedini uzrok fluidne inteligencije. Odnos radne memorije i Gf vjerojatno uključuje više procesa, među kojima su kontrola pažnje, održavanje reprezentacija i zahtjevi konkretnog zadatka. Različiti zadaci radne memorije ne mjere isti kapacitet s jednakom preciznošću (Engle i suradnici, 1999).

Izvršne funkcije

Izvršne funkcije obično se razmatraju kroz ažuriranje sadržaja radne memorije, inhibiciju dominantnih ili neprikladnih odgovora te prebacivanje između pravila ili zadataka. Latentna analiza Miyakea i suradnika pokazala je istodobno jedinstvo i raznolikost tih procesa: dijele zajedničku izvršnu varijancu, ali nisu potpuno isti (Miyake i suradnici, 2000).

Meta-analiza funkcionalnih snimanja pokazala je preklapanje mapa fluidne inteligencije s mrežama izvršnih funkcija, ali ne jednako za svaki proces. U toj meta-analizi prostorno preklapanje između Gf i ažuriranja procijenjeno je na približno 80 posto, između Gf i inhibicije na 34 posto, a između Gf i prebacivanja na 17 posto (Santarnecchi i suradnici, 2021).

Ti postoci predstavljaju prostorno preklapanje neuralnih mapa, a ne korelacije među osobama i ne označavaju udio inteligencije koji objašnjava pojedinačna izvršna funkcija. U toj meta-analizi Gf je pokazao najveće prostorno preklapanje s ažuriranjem, što ne znači da je ažuriranje jedinstveni ili uzročni mehanizam Gf-a.

Nalazi posebno ističu ažuriranje kao važan kandidat za objašnjenje dijela odnosa između izvršnih funkcija i Gf, ali ne potvrđuju jedinstveni mehanizam.

Neurobiološke osnove

Mreža višestrukih zahtjeva

Funkcionalni nalazi povezuju fluidno zaključivanje s distribuiranom mrežom višestrukih zahtjeva, poznatom kao multiple-demand network. U opis te mreže uključuju se lateralni frontalni korteks, intraparijetalni sulkus, anteriorna inzula, frontalna očna polja i predsuplementarno motoričko područje (pre-SMA), uz dodatne dorzomedijalne frontalne regije i prednji cingularni korteks (Woolgar, Duncan, Manes i Fedorenko, 2018; Tschentscher, Mitchell i Duncan, 2017).

Ta se mreža aktivira u različitim zahtjevnim zadacima, uključujući radnu memoriju, inhibiciju, prebacivanje pažnje i rješavanje novih pravila. Meta-analitički nalazi upućuju na to da Gf nije lokalizirana u jednoj regiji, nego da je povezana s čvorovima mreža pažnje, salijentnosti i frontoparijetalne kontrole. Verbalno i vizuospacijalno rezoniranje mogu pritom uključivati djelomično različite obrasce (Woolgar i suradnici, 2018).

U eksperimentu s novim pravilima sudionici su morali zapamtiti više mogućih pravila, a zatim u svakom trenutku primijeniti samo relevantno. Veća složenost skupa pravila posebno je narušila izvedbu sudionika s nižom fluidnom inteligencijom. Nalaz podupire interpretaciju prema kojoj fluidno zaključivanje u takvim zadacima uključuje razdvajanje složenog problema na slijed fokusiranih i kontroliranih koraka (Tschentscher, Mitchell i Duncan, 2017).

Učinak neuralne aktivacije ne treba tumačiti neovisno o težini zadatka, fazi obrade i korištenoj mjeri neuralnog odgovora. Funkcionalna neurovizualizacija prvenstveno pokazuje povezanost između neuralnog procesa i izvedbe; sama po sebi ne utvrđuje uzročnost.

Lezijski dokazi

Studije osoba s oštećenjem mozga mogu pružiti izravniji argument za funkcionalnu nužnost od korelacijskih funkcionalnih magnetsko-rezonancijskih studija (fMRI). Analiza Woolgara i suradnika povezala je gubitak fluidne inteligencije s ograničenim područjima frontalnog i parijetalnog korteksa, uključujući inferiorni frontalni sulkus, anteriornu inzulu odnosno frontalni operkulum, prednji cingularni korteks, pre-SMA i intraparijetalni sulkus (Woolgar, Parra, Cusack i suradnici, 2010).

Novije grafovsko kartiranje lezija na 227 pacijenata pronašlo je značajnu mrežu povezanu s fluidnom inteligencijom, s osobito istaknutim desnim frontalnim regijama i manjim doprinosom desnog gornjeg parijetalnog režnjića. To ne poništava frontoparijetalni model, ali pokazuje da se rezultati mogu mijenjati ovisno o uzorku, etiologiji lezija, načinu modeliranja i mjeri fluidne inteligencije (Cipolotti, Ruffle, Mole i suradnici, 2023).

Funkcionalni i lezijski nalazi kompatibilni su s mrežnim opisom fluidnog zaključivanja, ali ne određuju jednoznačno odnos između opće mrežne uključenosti, specifičnih čvorova i zadatkovnih zahtjeva.

Bijela tvar i brzina obrade

U velikom uzorku odraslih osoba model „sliva”, odnosno statistički model koji povezuje odnose među varijablama, povezao je integritet bijele tvari s brzinom obrade, a brzinu obrade s fluidnom inteligencijom. Model je dobro opisao podatke u uzorku od 555 osoba u dobi od 18 do 87 godina, ali riječ je o strukturnom modelu opažajnih podataka, a ne o eksperimentalnom dokazu da bijela tvar izravno uzrokuje višu Gf (Kievit, Davis, Griffiths i suradnici, 2016).

Longitudinalna studija osoba u osmom desetljeću života povezala je promjene mikrostrukture bijele tvari s promjenama fluidne inteligencije, dok se isti obrazac nije jednako pojavio za brzinu obrade i pamćenje. Nalaz ne izdvaja jedinstven uzročni put kojim bijela tvar djeluje na Gf (Ritchie, Bastin, Tucker-Drob i suradnici, 2015).

Nalazi povezuju Gf s bijelom tvari, brzinom obrade i strukturnim obilježjima mozga, ali ti su korelati procjenjivani u različitim uzorcima i modelima te ne čine dokaz jedinstvenog uzročnog lanca.

Razvoj kroz životni vijek

Djetinjstvo i adolescencija

Fluidno zaključivanje razvija se tijekom djetinjstva i adolescencije usporedno s poboljšanjem brzine obrade i radne memorije. U uzorku od 214 osoba u dobi od 7 do 19 godina, statistički model posredovanja povezao je razvojne promjene brzine obrade i radne memorije s dobnim porastom fluidne inteligencije, bez dokaza razvojne uzročnosti (Fry i Hale, 1996).

Odrasla dob

U odrasloj dobi fluidna inteligencija u mnogim istraživanjima pokazuje nepovoljniji populacijski dobni obrazac od kristaliziranog znanja. Longitudinalne analize razvoja različitih kognitivnih sposobnosti pokazuju da model s jednim općim faktorom ne opisuje dovoljno dobro različite obrasce rasta i pada (Salthouse, 2009).

Dob početka pada ne može se prikazati kao jedna univerzalna granica. Različite kognitivne sposobnosti dosežu vrhunac u različitim razdobljima: neke počinju slabjeti oko završetka srednje škole, druge se stabiliziraju u ranoj odrasloj dobi i počinju padati tijekom tridesetih, a neke vrhunac dosežu tek u četrdesetima ili poslije (Hartshorne i Germine, 2015).

Starija dob

UK Biobank analiza pronašla je slab negativan presječni odnos dobi i Gf, ali nije pokazala pouzdan prosječni longitudinalni pad. Populacijski prosjek dobne promjene ne može se bez dodatnih longitudinalnih podataka poistovjetiti s individualnom putanjom (Kievit, Fuhrmann, Borgeest, Simpson-Kent i Henson, 2018).

Uloga u rješavanju novih problema

Fluidna inteligencija posebno je relevantna u zadacima u kojima osoba mora otkriti i primijeniti novo pravilo bez dostupnog prethodno naučenog rješenja. Takvi zadaci mogu zahtijevati indukciju pravila, relacijsku integraciju, upravljanje međukoracima i selekciju relevantnih informacija (Tschentscher, Mitchell i Duncan, 2017).

Taj eksperimentalni nalaz o većim teškoćama pri koordinaciji većeg broja pravila odnosi se na laboratorijske zadatke.

Rezultat na apstraktnom zadatku fluidnog zaključivanja ne obuhvaća sve kognitivne i kontekstualne zahtjeve složenog rješavanja problema izvan laboratorija. Stvarni problemi mogu uključivati domensko znanje, motivaciju, procjenu rizika, metakogniciju, planiranje i suradnju s drugima.

Suprotni nalazi i neriješene rasprave

Neuralna lokalizacija ostaje otvorena. Funkcionalni nalazi podupiru uključenost distribuiranih mreža, dok lezijske analize naglašavaju različite čvorove, osobito desne frontalne regije, ovisno o modelu i uzorku. Gf se stoga ne treba prikazivati kao funkcija jednog režnja ili područja.

Radna memorija snažno je povezana s fluidnim zaključivanjem u određenim operacionalizacijama, osobito kada uključuje aktivno održavanje, manipulaciju ili ažuriranje. Kratkoročno skladištenje samo po sebi ne objašnjava taj odnos, a različiti zadaci radne memorije nisu ekvivalentni.

Dobni obrasci također nisu jednaki u svim istraživanjima. Različite sposobnosti imaju različite vrhunce, a presječni i longitudinalni rezultati ne moraju biti jednaki. Presječne i longitudinalne studije mogu dati različite dobne obrasce, među ostalim zbog retestnih učinaka i razlika između osoba i vremena mjerenja (Salthouse, 2009).

Dosadašnji nalazi kompatibilni su s višekomponentnim i mrežnim modelom, ali ne rješavaju odnos tih modela prema jednoobjašnjavajućim teorijama.

Trening radne memorije

Dokazi o mogućnosti promjene Gf treningom radne memorije proturječni su. Pozitivna meta-analiza izvijestila je o poboljšanju fluidne inteligencije nakon treninga radne memorije (Au, Sheehan, Tsai i suradnici, 2015).

Suprotno tome, reanalize i druge meta-analize upozorile su na male uzorke, nisku statističku snagu, publikacijsku pristranost i slab odnos između poboljšanja na treniranom zadatku i poboljšanja na neovisnim mjerama. Zaključci su često ograničeni na specifičan ili blizak prijenos, bez pouzdanog dalekog prijenosa na inteligenciju (Shipstead, Redick i Engle, 2012; Melby-Lervåg, Redick i Hulme, 2016).

Dokazi da trening radne memorije trajno povećava Gf ostaju proturječni i ne podupiru pouzdan zaključak o stabilnom dalekom prijenosu.

Metodološka ograničenja dokaza

• Konstruktna nečistoća: Pojedine mjere Gf mogu biti opterećene zahtjevima radne memorije, pažnje, vizuospacijalne obrade, brzine i strategija rješavanja, pri čemu njihov doprinos ovisi o zadatku.
• Razlike među zadacima: Različiti zadaci fluidnog zaključivanja mogu se razlikovati po perceptivnim, memorijskim, relacijskim i kontrolnim zahtjevima.
• Presječni i longitudinalni dizajn: Presječne i longitudinalne studije mogu proizvesti različite dobne obrasce, među ostalim zbog retestnih učinaka i razlika između osoba i vremena mjerenja.
• Korelacija i uzročnost: Funkcionalne i strukturne neurovizualizacijske studije uglavnom daju korelacijske nalaze, dok lezijske studije mogu pružiti izravniji argument za nužnost regije, uz ograničenja koja proizlaze iz heterogenosti lezija i anatomskog konteksta.
• Latentni modeli: U različitim istraživanjima Gf, Gc, radna memorija i g procjenjuju se latentnim ili hijerarhijskim modelima iz više ponašajnih indikatora. Različiti izbori testova i modela mogu proizvesti različite odnose među faktorima.
• Ograničena generalizacija: Rezultat na apstraktnom zadatku fluidnog zaključivanja ne obuhvaća sve kognitivne i kontekstualne zahtjeve složenog rješavanja problema izvan laboratorija.

Zaključak

Gf se može opisati kao latentni konstrukt čija izvedba ovisi o zajedničkom doprinosu više kognitivnih procesa i neuralnih sustava, pri čemu njihov međusobni odnos ostaje otvoren. Odnos Gf-a i radne memorije ovisi o procesu, zadatku i operacionalizaciji; Gf nije istovjetna radnoj memoriji.

Funkcionalni i lezijski nalazi kompatibilni su s mrežnim opisom fluidnog zaključivanja, ali ne određuju jednoznačno odnos između opće mrežne uključenosti, specifičnih čvorova i zadatkovnih zahtjeva. Nalazi o bijeloj tvari, brzini obrade i neuralnoj strukturi također dolaze iz različitih uzoraka i modela te ne čine dokaz jedinstvenog uzročnog lanca.

Razvojni i dobni obrasci ovise o sposobnosti, mjeri i istraživačkom dizajnu. Statističko posredovanje razvojnih promjena ne dokazuje uzročnost, a pojedine longitudinalne analize nisu potvrdile pouzdan prosječni pad Gf. Konačno, literatura o treningu radne memorije ne podupire pouzdan zaključak o stabilnom dalekom prijenosu na Gf ili inteligenciju.

Literatura

1. Au, J.; Sheehan, E.; Tsai, N.; Duncan, G. J.; Buschkuehl, M.; Jaeggi, S. M. (2015). Improving fluid intelligence with training on working memory: A meta-analysis. Psychonomic Bulletin & Review, 22(2), 366–377. https://pubmed.ncbi.nlm.nih.gov/25102926/
2. Cattell, R. B.; Horn, J. L. (1978). A Check on the Theory of Fluid and Crystallized Intelligence with Description of New Subtest Designs. Journal of Educational Measurement. https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1745-3984.1978.tb00065.x
3. Cipolotti, L.; Ruffle, J. K.; Mole, J.; i sur. (2023). Graph lesion-deficit mapping of fluid intelligence. Brain. https://pubmed.ncbi.nlm.nih.gov/36574957/
4. Engle, R. W.; Tuholski, S. W.; Laughlin, J. E.; Conway, A. R. A. (1999). Working memory, short-term memory, and general fluid intelligence: A latent-variable approach. Journal of Experimental Psychology: General. https://pubmed.ncbi.nlm.nih.gov/10513398/
5. Fry, A. F.; Hale, S. (1996). Processing Speed, Working Memory, and Fluid Intelligence: Evidence for a Developmental Cascade. Psychological Science. https://www.psychologicalscience.org/journals/psychological-science/j.1467-9280.1996.tb00366.x
6. Hartshorne, J. K.; Germine, L. R. (2015). When does cognitive functioning peak? The asynchronous rise and fall of different cognitive abilities across the life span. Psychological Science. https://pubmed.ncbi.nlm.nih.gov/25770099/
7. Horn, J. L.; Cattell, R. B. (1967). Age differences in fluid and crystallized intelligence. Acta Psychologica. https://www.sciencedirect.com/science/article/abs/pii/000169186790011X
8. Jewsbury, P. A.; Bowden, S. C.; Duff, K. (2017). The Cattell–Horn–Carroll Model of Cognition for Clinical Assessment. Assessment. https://journals.sagepub.com/doi/10.1177/0734282916651360
9. Kievit, R. A.; Davis, S. W.; Griffiths, J.; i sur. (2016). A watershed model of individual differences in fluid intelligence. Neuropsychologia. https://pmc.ncbi.nlm.nih.gov/articles/PMC5081064/
10. Kievit, R. A.; Fuhrmann, D.; Borgeest, G. S.; Simpson-Kent, I. L.; Henson, R. N. A. (2018). The neural determinants of age-related changes in fluid intelligence: a pre-registered, longitudinal analysis in UK Biobank. Wellcome Open Research. https://pubmed.ncbi.nlm.nih.gov/29707655/
11. Melby-Lervåg, M.; Redick, T. S.; Hulme, C. (2016). Working Memory Training Does Not Improve Performance on Measures of Intelligence or Other Measures of Far Transfer. Perspectives on Psychological Science, 11(4), 512–534. https://discovery.ucl.ac.uk/id/eprint/10120081/
12. Miyake, A.; Friedman, N. P.; Emerson, M. J.; Witzki, A. H.; Howerter, A.; Wager, T. D. (2000). The Unity and Diversity of Executive Functions and Their Contributions to Complex “Frontal Lobe” Tasks: A Latent Variable Analysis. Cognitive Psychology. https://www.sciencedirect.com/science/article/pii/S001002859990734X
13. Ritchie, S. J.; Bastin, M. E.; Tucker-Drob, E. M.; i sur. (2015). Coupled changes in brain white matter microstructure and fluid intelligence in later life. Journal of Neuroscience. https://pmc.ncbi.nlm.nih.gov/articles/PMC4452562/
14. Salthouse, T. A. (2009). When does age-related cognitive decline begin? Neurobiology of Aging. https://pubmed.ncbi.nlm.nih.gov/19231028/
15. Santarnecchi, E.; Momi, D.; Mencarelli, L.; i sur. (2021). Overlapping and dissociable brain activations for fluid intelligence and executive functions. Cognitive, Affective, & Behavioral Neuroscience. https://pubmed.ncbi.nlm.nih.gov/33900569/
16. Shipstead, Z.; Redick, T. S.; Engle, R. W. (2012). Is working memory training effective? Psychological Bulletin, 138(4), 628–654. https://pubmed.ncbi.nlm.nih.gov/22409508/
17. Tschentscher, N.; Mitchell, D.; Duncan, J. (2017). Fluid Intelligence Predicts Novel Rule Implementation in a Distributed Frontoparietal Control Network. Journal of Neuroscience. https://discovery.ucl.ac.uk/id/eprint/10041154/1/4841.full.pdf
18. Woolgar, A.; Duncan, J.; Manes, F.; Fedorenko, E. (2018). The multiple-demand system but not the language system supports fluid intelligence. Nature Human Behaviour. https://www.repository.cam.ac.uk/items/f5dcb845-1284-453c-b5b1-2f5c4eab5530
19. Woolgar, A.; Parra, A.; Cusack, R.; i sur. (2010). Fluid intelligence loss linked to restricted regions of damage within frontal and parietal cortex. Proceedings of the National Academy of Sciences. https://s3.amazonaws.com/cusacklab/html/pdfs/2010_woolgar_fluidintelligence_pnas.pdf