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·神經科學》在線發(fā)表題為《社會網(wǎng)絡上實時分布式學習神經計算機制》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層面的影響，將傳統(tǒng)的社會學習和強化學習神經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?？辶?middot;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。（記者晉浩天）
