社會動物身處復雜交錯的社會連接中（如血緣、社交或工作關系產(chǎn)生的連接）。這些連接決定了我們和誰互動，從誰那里獲取信息，從而深刻地影響著我們的思想和行為?；趫D論等數(shù)學工具，這些連接被抽象和量化為“社會網(wǎng)絡”，用以刻畫群體關系的拓撲結(jié)構¹。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(jié)構對政治、經(jīng)濟、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，我們尚不清楚在個體層面人腦怎樣和復雜聯(lián)通的社會環(huán)境打交道：大腦怎么整合社會網(wǎng)絡中不同來源的信息？個體身處的網(wǎng)絡結(jié)構是否影響大腦的處理過程？人與人之間決策的區(qū)別是否可以被他們在社會網(wǎng)絡中位置的不同解釋？以及，虛假新聞盛行、從眾、信息繭房等當今世界重要的群體性行為偏差，又是否根源于人腦在社會網(wǎng)絡中處理信息的方式和機制？

這些問題對社會和決策神經(jīng)科學領域提出了理論和實驗上的挑戰(zhàn)。在理論上，需要克服高維復雜的網(wǎng)絡決策環(huán)境固有的“維度的詛咒”²，發(fā)展出計算上可行、兼?zhèn)渖窠?jīng)生物學效度的數(shù)學描述。在實驗上，需要突破過往社會和決策神經(jīng)科學領域中極度簡化的行為學實驗范式的桎梏，建立更具生態(tài)效度、易操作、能從小規(guī)模實驗室環(huán)境拓展到更大規(guī)模、乃至真實社會網(wǎng)絡的實驗方法。

2023年2月16日，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在Nature Neuroscience在線發(fā)表研究論文，結(jié)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)絡上傳遞的信息以進行決策的神經(jīng)計算過程。同日，該雜志發(fā)表專文介紹和評價了該論文（“The human brain biases integration of information passing through social networks”）。其中，UCLA的Carolyn Parkinson教授評價:“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的實證問題（This ambitious and creative paper addresses an important and consequential set of empirical questions…）”。Nature Neuroscience高級編輯Jean Mary Zarate博士評價：“作者對社會網(wǎng)絡中學習的建模將引領未來對決策過程中社會影響的探索（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（就像通過觀察朋友是看《流浪地球》還是《滿江紅》來選擇自己要看的電影）。區(qū)別于以往研究，網(wǎng)絡上的所有參與者通過局域網(wǎng)同時進行決策、實時傳遞決策并在線觀察好友作出的決策。利用fMRI，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。

圖1

這是一個“去中心化”或稱“分布式”的社會環(huán)境。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（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的同時也受到他人的影響（圖1右），信息沿著網(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。

通過將具備良好神經(jīng)生物學效度的強化學習和社會網(wǎng)絡分析中經(jīng)典的DeGroot學習³的思想相結(jié)合，研究者發(fā)現(xiàn)，人腦采用了一個“偷懶”的策略來規(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。一方面，如同在簡單社會環(huán)境（中心化，非網(wǎng)絡）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（預期誤差）來更新對外部環(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)典社會學習信號（圖2B）。

圖2

更有趣的是另一方面，與DeGroot學習的理念一致，網(wǎng)絡結(jié)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)目（節(jié)點的度中心度）決定：朋友的朋友越多，自己受這個朋友的影響就越大；同時我自己的朋友越多，受他人的影響就越小。在處理每一則社會信息時，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)絡中連接的相對數(shù)目，可能參與了對網(wǎng)絡上強化學習速率的動態(tài)調(diào)節(jié)（圖2B）。這些結(jié)果暗示，通過dACC的調(diào)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了部分真理的其他信息源，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（圖2A）。

該研究首次探討了社會互動關系的結(jié)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，也為包括虛假信息傳播在內(nèi)的重要社會現(xiàn)象提出了一個新穎的、認知神經(jīng)層面的解釋，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。

北京大學心理與認知科學學院已畢業(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，心理學院博士后米青天參與了該工作。研究得到了國家自然科學基金委、科技部2030重大項目、中國博士后科學基金和北大-清華生命科學聯(lián)合中心的資助。

參考文獻：

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).

來源：北京大學