(相關資料圖)

北京大學心理與認知科學學院、麥戈文腦研究所及北大-清華生命科學聯(lián)合中心研究員朱露莎實驗室日前在《自然·神經(jīng)科學》在線發(fā)表題為《社會網(wǎng)絡上實時分布式學習神經(jīng)計算機制》的研究論文，結合腦成像、社會網(wǎng)絡分析、強化學習等多學科研究方法，首次揭示了人類大腦整合社會網(wǎng)絡信息以進行決策的神經(jīng)計算過程。

近20年來，“社會網(wǎng)絡分析”取得了矚目成績，揭示了網(wǎng)絡結構對經(jīng)濟、文化等方面群體行為的重要影響。然而，迄今為止，我們尚不清楚人腦怎樣和復雜聯(lián)通的社會環(huán)境打交道：大腦如何整合社會網(wǎng)絡中不同來源的信息？個體身處的網(wǎng)絡結構是否影響大腦的處理過程？

在傳統(tǒng)的“中心化”決策中，決策者處理的是來自不同渠道但相互獨立的社會信息。該情景下，大腦可以像統(tǒng)計學家一樣，準確高效地整合信息。然而，在“去中心化”的網(wǎng)絡中，每個個體在影響他人同時也受到他人影響，信息沿網(wǎng)絡連接來回流動，不同節(jié)點傳遞的信息可能高度關聯(lián)、重復冗余、有著不同且難以判斷的信息量，使正確整合這些信息在計算和認知上非常困難。

對此，朱露莎研究團隊構造了許多小型社會網(wǎng)絡，把實驗參與者隨機分配到這些網(wǎng)絡的節(jié)點上。類似于微信，信息僅在相互連接的“好友”間傳播，而對無連接的“非好友”不可見。參與者需要通過觀察好友的行為來推斷外部環(huán)境，選擇合適的行為。研究團隊全程記錄參與者處理每一條社會信息時的神經(jīng)活動，并借助計算建模，解析大腦如何整合來自不同朋友的信息。

研究團隊發(fā)現(xiàn)，人腦采用了一個“偷懶”的策略以規(guī)避對網(wǎng)絡信息高難度的處理，因而導致了偏向性的社會信息處理。如同在簡單社會環(huán)境中，人腦通過類似強化學習的算法，根據(jù)好友行為出乎意料的程度來更新對外部環(huán)境的判斷。參與者的外側前額葉等腦區(qū)表征了這一經(jīng)典社會學習信號。

更有趣的是，與德格奧特學習的理念一致，網(wǎng)絡結構影響著人腦社會學習的過程。學習的“速率”由自己和朋友在網(wǎng)絡中朋友的數(shù)量決定：朋友的朋友越多，自己受這個朋友的影響就越大；同時自己的朋友越多，受他人的影響就越小。在處理每一則社會信息時，決策者背側前扣帶皮層等大腦區(qū)域靈活、定量且特異性地編碼了自己和傳送該信息的朋友在網(wǎng)絡中連接的相對數(shù)量，可能參與了對網(wǎng)絡上強化學習速率的動態(tài)調節(jié)。這些結果表明，通過背側前扣帶皮層的調節(jié)，決策系統(tǒng)給那些更加“四通八達”的信息源施加更高的權重，低估甚至忽略可能掌握的部分其他正確信息源，在理論和實驗中，這種策略可能導致虛假信息的傳播和錯誤共識的形成。

該研究首次探討了社會互動關系的結構對人類決策在認知和神經(jīng)層面的影響，將傳統(tǒng)的社會學習和強化學習神經(jīng)計算機制研究拓展到了更廣闊、更具生態(tài)效度的決策環(huán)境中，并為研究復雜社會網(wǎng)絡中個體決策的神經(jīng)機制開辟了可拓展的實驗和計算框架。

22日，該雜志發(fā)表專文介紹和評價了該論文。其中，加州大學洛杉磯分校卡洛琳·帕金森教授評價：“該論文充滿創(chuàng)造力，探索了一系列重要且意義深遠的實證問題。”《自然·神經(jīng)科學》高級編輯讓·則娜特評價：“作者對社會網(wǎng)絡中學習的建模，對未來探索社會影響的決策研究將起到引領作用。”據(jù)悉，3月，該論文將以封面文章的形式正式出版。