社會(huì)動(dòng)物身處復(fù)雜交錯(cuò)的社會(huì)連接中（如血緣、社交或工作關(guān)系產(chǎn)生的連接）。這些連接決定了我們和誰(shuí)互動(dòng)，從誰(shuí)那里獲取信息，從而深刻地影響著我們的思想和行為?；趫D論等數(shù)學(xué)工具，這些連接被抽象和量化為“社會(huì)網(wǎng)絡(luò)”，用以刻畫(huà)群體關(guān)系的拓?fù)浣Y(jié)構(gòu)¹。近20年來(lái)，“社會(huì)網(wǎng)絡(luò)分析”取得了矚目成績(jī)，揭示了網(wǎng)絡(luò)結(jié)構(gòu)對(duì)政治、經(jīng)濟(jì)、文化、公共衛(wèi)生等方面群體行為的重要影響。然而，這些研究大都聚焦在宏觀和群體層面，迄今為止，我們尚不清楚在個(gè)體層面人腦怎樣和復(fù)雜聯(lián)通的社會(huì)環(huán)境打交道：大腦怎么整合社會(huì)網(wǎng)絡(luò)中不同來(lái)源的信息？個(gè)體身處的網(wǎng)絡(luò)結(jié)構(gòu)是否影響大腦的處理過(guò)程？人與人之間決策的區(qū)別是否可以被他們?cè)谏鐣?huì)網(wǎng)絡(luò)中位置的不同解釋？以及，虛假新聞盛行、從眾、信息繭房等當(dāng)今世界重要的群體性行為偏差，又是否根源于人腦在社會(huì)網(wǎng)絡(luò)中處理信息的方式和機(jī)制？

這些問(wèn)題對(duì)社會(huì)和決策神經(jīng)科學(xué)領(lǐng)域提出了理論和實(shí)驗(yàn)上的挑戰(zhàn)。在理論上，需要克服高維復(fù)雜的網(wǎng)絡(luò)決策環(huán)境固有的“維度的詛咒”²，發(fā)展出計(jì)算上可行、兼?zhèn)渖窠?jīng)生物學(xué)效度的數(shù)學(xué)描述。在實(shí)驗(yàn)上，需要突破過(guò)往社會(huì)和決策神經(jīng)科學(xué)領(lǐng)域中極度簡(jiǎn)化的行為學(xué)實(shí)驗(yàn)范式的桎梏，建立更具生態(tài)效度、易操作、能從小規(guī)模實(shí)驗(yàn)室環(huán)境拓展到更大規(guī)模、乃至真實(shí)社會(huì)網(wǎng)絡(luò)的實(shí)驗(yàn)方法。

2023年2月16日，北京大學(xué)心理與認(rèn)知科學(xué)學(xué)院、麥戈文腦研究所及北大-清華生命科學(xué)聯(lián)合中心研究員朱露莎實(shí)驗(yàn)室在Nature Neuroscience在線發(fā)表研究論文，結(jié)合腦成像、社會(huì)網(wǎng)絡(luò)分析、強(qiáng)化學(xué)習(xí)等多學(xué)科研究方法，首次揭示了人類大腦整合社會(huì)網(wǎng)絡(luò)上傳遞的信息以進(jìn)行決策的神經(jīng)計(jì)算過(guò)程。同日，該雜志發(fā)表專文介紹和評(píng)價(jià)了該論文（“The human brain biases integration of information passing through social networks”）。其中，UCLA的Carolyn Parkinson教授評(píng)價(jià):“該論文充滿野心和創(chuàng)造力，探索了一系列重要且意義深遠(yuǎn)的實(shí)證問(wèn)題（This ambitious and creative paper addresses an important and consequential set of empirical questions…）”。Nature Neuroscience高級(jí)編輯Jean Mary Zarate博士評(píng)價(jià)：“作者對(duì)社會(huì)網(wǎng)絡(luò)中學(xué)習(xí)的建模將引領(lǐng)未來(lái)對(duì)決策過(guò)程中社會(huì)影響的探索（The authors’ model of learning in a social network will guide further explorations of social influence on decision making）”。3月，該論文將以封面文章的形式正式出版。

論文截圖

研究團(tuán)隊(duì)構(gòu)造了許多小型社會(huì)網(wǎng)絡(luò)，把實(shí)驗(yàn)參與者隨機(jī)分配到這些網(wǎng)絡(luò)的節(jié)點(diǎn)上。類似于微信，信息僅在相互連接的“好友”間傳播，而對(duì)無(wú)連接的“非好友”不可見(jiàn)。參與者需要通過(guò)觀察好友的行為來(lái)推斷外部環(huán)境，選擇合適的行為（就像通過(guò)觀察朋友是看《流浪地球》還是《滿江紅》來(lái)選擇自己要看的電影）。區(qū)別于以往研究，網(wǎng)絡(luò)上的所有參與者通過(guò)局域網(wǎng)同時(shí)進(jìn)行決策、實(shí)時(shí)傳遞決策并在線觀察好友作出的決策。利用fMRI，研究團(tuán)隊(duì)全程記錄參與者處理每一條社會(huì)信息時(shí)的神經(jīng)活動(dòng)，并借助計(jì)算建模，解析大腦如何整合來(lái)自不同朋友的信息。

圖1

這是一個(gè)“去中心化”或稱“分布式”的社會(huì)環(huán)境。在傳統(tǒng)的“中心化”決策中，決策者處理的是來(lái)自不同渠道但相互獨(dú)立的社會(huì)信息（類似于體操比賽中匯總不同裁判的打分，圖1左）。該情景下，大腦可以像統(tǒng)計(jì)學(xué)家一樣，準(zhǔn)確高效地整合信息。然而，在“去中心化”的網(wǎng)絡(luò)中，每個(gè)個(gè)體在影響他人的同時(shí)也受到他人的影響（圖1右），信息沿著網(wǎng)絡(luò)連接來(lái)回流動(dòng)，不同節(jié)點(diǎn)傳遞的信息可能高度關(guān)聯(lián)、重復(fù)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(jì)算和認(rèn)知上非常困難。

通過(guò)將具備良好神經(jīng)生物學(xué)效度的強(qiáng)化學(xué)習(xí)和社會(huì)網(wǎng)絡(luò)分析中經(jīng)典的DeGroot學(xué)習(xí)³的思想相結(jié)合，研究者發(fā)現(xiàn)，人腦采用了一個(gè)“偷懶”的策略來(lái)規(guī)避對(duì)網(wǎng)絡(luò)信息高難度的處理，因而導(dǎo)致了偏向性的社會(huì)信息處理。一方面，如同在簡(jiǎn)單社會(huì)環(huán)境（中心化，非網(wǎng)絡(luò)）中，人腦通過(guò)類似強(qiáng)化學(xué)習(xí)的算法，根據(jù)好友行為出乎意料的程度（預(yù)期誤差）來(lái)更新對(duì)外部環(huán)境的判斷。參與者的外側(cè)前額葉（LPFC）等腦區(qū)表征了這一經(jīng)典社會(huì)學(xué)習(xí)信號(hào)（圖2B）。

圖2

更有趣的是另一方面，與DeGroot學(xué)習(xí)的理念一致，網(wǎng)絡(luò)結(jié)構(gòu)影響著人腦社會(huì)學(xué)習(xí)的過(guò)程。學(xué)習(xí)的“速率”由自己和朋友在網(wǎng)絡(luò)中朋友的數(shù)目（節(jié)點(diǎn)的度中心度）決定：朋友的朋友越多，自己受這個(gè)朋友的影響就越大；同時(shí)我自己的朋友越多，受他人的影響就越小。在處理每一則社會(huì)信息時(shí)，決策者背側(cè)前扣帶皮層（dACC）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(luò)中連接的相對(duì)數(shù)目，可能參與了對(duì)網(wǎng)絡(luò)上強(qiáng)化學(xué)習(xí)速率的動(dòng)態(tài)調(diào)節(jié)（圖2B）。這些結(jié)果暗示，通過(guò)dACC的調(diào)節(jié)，決策系統(tǒng)給那些更加“四通八達(dá)”的信息源施加更高的權(quán)重，低估甚至忽略可能掌握了部分真理的其他信息源，在理論和實(shí)驗(yàn)中，這種策略可能導(dǎo)致虛假信息的傳播和錯(cuò)誤共識(shí)的形成（圖2A）。

該研究首次探討了社會(huì)互動(dòng)關(guān)系的結(jié)構(gòu)對(duì)人類決策在認(rèn)知和神經(jīng)層面的影響，將傳統(tǒng)的社會(huì)學(xué)習(xí)和強(qiáng)化學(xué)習(xí)神經(jīng)計(jì)算機(jī)制研究拓展到了更廣闊、更具生態(tài)效度的決策環(huán)境中，也為包括虛假信息傳播在內(nèi)的重要社會(huì)現(xiàn)象提出了一個(gè)新穎的、認(rèn)知神經(jīng)層面的解釋，并為研究復(fù)雜社會(huì)網(wǎng)絡(luò)中個(gè)體決策的神經(jīng)機(jī)制開(kāi)辟了可拓展的實(shí)驗(yàn)和計(jì)算框架。

北京大學(xué)心理與認(rèn)知科學(xué)學(xué)院已畢業(yè)博士生江曜民為該論文第一作者，朱露莎為該文通訊作者，心理學(xué)院博士后米青天參與了該工作。研究得到了國(guó)家自然科學(xué)基金委、科技部2030重大項(xiàng)目、中國(guó)博士后科學(xué)基金和北大-清華生命科學(xué)聯(lián)合中心的資助。

參考文獻(xiàn)：

1. Borgatti, S., Mehra, A., Brass, D. & Labianca, G. Network Analysis in the Social Sciences. Science 323, 892 (2009).

2. Niv, Y. Learning task-state representations. Nat. Neurosci. 22, 1544–1553 (2019).

3. DeGroot, M. H. Reaching a consensus. Journal of the American Statistical Association(1974).

來(lái)源：北京大學(xué)