【科技前沿】

　　光明日報北京2月23日電（記者晉浩天）北京大學心理與(yu) 認知科學學院、麥戈文腦研究所及北大-清華生命科學聯合中心研究員朱露莎實驗室日前在《自然·神經科學》在線發表題為(wei) 《社會(hui) 網絡上實時分布式學習(xi) 神經計算機製》的研究論文，結合腦成像、社會(hui) 網絡分析、強化學習(xi) 等多學科研究方法，首次揭示了人類大腦整合社會(hui) 網絡信息以進行決(jue) 策的神經計算過程。

　　近20年來，“社會(hui) 網絡分析”取得了矚目成績，揭示了網絡結構對經濟、文化等方麵群體(ti) 行為(wei) 的重要影響。然而，迄今為(wei) 止，我們(men) 尚不清楚人腦怎樣和複雜聯通的社會(hui) 環境打交道：大腦如何整合社會(hui) 網絡中不同來源的信息？個(ge) 體(ti) 身處的網絡結構是否影響大腦的處理過程？

　　在傳(chuan) 統的“中心化”決(jue) 策中，決(jue) 策者處理的是來自不同渠道但相互獨立的社會(hui) 信息。該情景下，大腦可以像統計學家一樣，準確高效地整合信息。然而，在“去中心化”的網絡中，每個(ge) 個(ge) 體(ti) 在影響他人同時也受到他人影響，信息沿網絡連接來回流動，不同節點傳(chuan) 遞的信息可能高度關(guan) 聯、重複冗餘(yu) 、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(hui) 網絡，把實驗參與(yu) 者隨機分配到這些網絡的節點上。類似於(yu) 微信，信息僅(jin) 在相互連接的“好友”間傳(chuan) 播，而對無連接的“非好友”不可見。參與(yu) 者需要通過觀察好友的行為(wei) 來推斷外部環境，選擇合適的行為(wei) 。研究團隊全程記錄參與(yu) 者處理每一條社會(hui) 信息時的神經活動，並借助計算建模，解析大腦如何整合來自不同朋友的信息。

　　研究團隊發現，人腦采用了一個(ge) “偷懶”的策略以規避對網絡信息高難度的處理，因而導致了偏向性的社會(hui) 信息處理。如同在簡單社會(hui) 環境中，人腦通過類似強化學習(xi) 的算法，根據好友行為(wei) 出乎意料的程度來更新對外部環境的判斷。參與(yu) 者的外側(ce) 前額葉等腦區表征了這一經典社會(hui) 學習(xi) 信號。

　　更有趣的是，與(yu) 德格奧特學習(xi) 的理念一致，網絡結構影響著人腦社會(hui) 學習(xi) 的過程。學習(xi) 的“速率”由自己和朋友在網絡中朋友的數量決(jue) 定：朋友的朋友越多，自己受這個(ge) 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(hui) 信息時，決(jue) 策者背側(ce) 前扣帶皮層等大腦區域靈活、定量且特異性地編碼了自己和傳(chuan) 送該信息的朋友在網絡中連接的相對數量，可能參與(yu) 了對網絡上強化學習(xi) 速率的動態調節。這些結果表明，通過背側(ce) 前扣帶皮層的調節，決(jue) 策係統給那些更加“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(chuan) 播和錯誤共識的形成。

　　該研究首次探討了社會(hui) 互動關(guan) 係的結構對人類決(jue) 策在認知和神經層麵的影響，將傳(chuan) 統的社會(hui) 學習(xi) 和強化學習(xi) 神經計算機製研究拓展到了更廣闊、更具生態效度的決(jue) 策環境中，並為(wei) 研究複雜社會(hui) 網絡中個(ge) 體(ti) 決(jue) 策的神經機製開辟了可拓展的實驗和計算框架。

　　22日，該雜誌發表專(zhuan) 文介紹和評價(jia) 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(jia) ：“該論文充滿創造力，探索了一係列重要且意義(yi) 深遠的實證問題。”《自然·神經科學》高級編輯讓·則娜特評價(jia) ：“作者對社會(hui) 網絡中學習(xi) 的建模，對未來探索社會(hui) 影響的決(jue) 策研究將起到引領作用。”據悉，3月，該論文將以封麵文章的形式正式出版。