“选择困难症”及非理性决定背后的神经机制
利维坦按：神经经济学（neuroeconomics）听起来有些不可思议，但它似乎的确可以解释一些经济学无法解释的现象。一般而言，当我们面临的选项很少的时候，决定似乎并不难下，可一旦面临的选项变多，我们通常就会变得犹豫不决，举棋不定了。文中列举的两个相似选项的问题也会经常出现在我们的生活中：如果我们的大脑真的可以忽略多余的动作电位信息，从而找到可以代表新选择的最优衡量标准，那也真是一件很奇妙的事情——尽管，这还只是一种假说。
但毫无疑问，该理论模型的适用性不高的主要原因在于实验的设定过于简单，毕竟，我们的生活远远不是猴子选果汁这么简单。
文/Emily Singer
译/Anthony
校对/小赵
原文/www.quantamagazine.org/the-neuroscience-behind-bad-decisions-20160823/
本文基于创作共用协议（BY-NC），由Anthony在利维坦发布
图源：Pablo Alfieri
人们常常会做出错误的决定。举例来说，如果相比“星河”（Milky Way）巧克力，你更喜欢士力架（Snickers），那么当这两种巧克力棒放在你面前时，你可以轻松做出选择。传统的经济学模型认为人们就是按照这种“理性的直觉”（logical intuition）赋予每一个选择不同的价值，我们会给不同的选择打分。就像上面的例子中，如果士力架是10分，那么星河巧克力就是5分，然后我们自然会选择分数更高那个。但是，实际情况并非像上面所说的那么简单，我们的“决策系统”常常会犯错。
最近的一个实验中，纽约大学的神经学家保罗·格里姆彻（Paul Glimcher）和他的合作者让人们在各种各样的巧克力棒中做出选择，这些巧克力棒中包括他们最喜欢的一种——士力架。如果仅仅提供士力架、星河巧克力和好时（Almond Joy）巧克力三种选择，受试者总是会倾向于选择士力架。但是，当给他们包括士力架在内一共20种巧克力时，选择就开始略显困难了。尽管他们心里知道士力架仍旧是他们的最爱，但有时他们还是会做出一些其他的决定。选完后，当格里姆彻只把士力架和他们选择的巧克力放在一起时，他们也会惊讶为什么当时没有选自己最喜欢的巧克力。
经济学家们花费了超过50年去研究像上文提到的这些非理性的决定。在这期间，关于这方面的研究曾获得过诺贝尔奖，数以百万计的《魔鬼经济学》销售一空。但是经济学家们仍旧没有弄清这一问题。“曾有一个小型企业想要去弄懂这些决定来自何处，我们又如何去避免这些非理性的决定。”哥伦比亚大学决策科学中心主任，心理学家诶里克·约翰逊（Eric Johnson）说道。“但是他们所提出的六七个理论中，没有一个能够完全让人信服。”
在过去的15到20年中，神经学家们希望通过直接研究人们做决定时的脑内活动来得到答案。“了解信息是如何呈现在大脑中，以及大脑的计算原则有助于帮助我们弄清出人们为什么做出这样的决定。”加州大学圣地亚哥分校的理论神经学家安吉拉·余（Angela Yu）说道。
格里姆彻试图用大脑以及行为去解释为什么我们会做出这些不合理的决定。他将诸如巧克力棒实验以及神经学家们测得的动物们做决定时的脑电信号数据结合起来。基于这些实验结果，他希望建立一种理论来解释我们是怎样做决定以及为什么我们在做决定时会犯错。
格里姆彻已经成为新兴的“神经经济学”（neuroeconomics）这一领域中的驱动力。他的理论中广泛涵盖了关于大脑活动、神经网络、功能性磁共振成像（fMRI）和人的行为学研究成果。普林斯顿大学的神经学家那塞尼尔·道（Nathaniel Daw）说：“格里姆彻以主张神经科学研究与经济学应结合研究而闻名。他最重要的一个贡献在于他将这些例如价值观等的抽象概念量化，并建立了一套实验室中可行的研究方法。”
在最近的一篇科研论文中，格里姆彻和他同样来自纽约大学的合作者肯威·路易（Kenway Louie）以及多伦多大学的赖安·韦伯（Ryan Webb）建立了一个基于神经科学的模型，这一模型在解释人们面临多重选择时做出的决定这一方面胜过了标准的经济学模型。格里姆彻说：“这个神经学模型基于生物学的理论框架，并在神经元中进行了测试，测试结果表明它可以解释一些经济学不能解释的理论。”
（papers.ssrn.com/sol3/papers.cfm?abstract_id=2462895）
人类脑重与能耗的需求图。图源：Karen Carr Studios
大脑”贪得无厌“的特点是这一模型的核心。我们知道，由于神经元高耗能的特性，使得只占我们体重的2%-3%的大脑却消耗着20%的能量，成为机体代谢最为旺盛的器官。也正是因为神经元的耗能特性，精确和效率这两个指标时刻在大脑这个“战场”中进行着斗争。格里姆彻提出，在这场斗争中，“做出更精准的决策”往往取得胜利。这就导致了我们久久徘徊于超市的“谷物区”中而犹豫不决。
格里姆彻的学说吸引了包括经济学家以及神经学家的广泛关注，但并非每个人都完全信服。“我认为这一观点非常激动人心，但目前来看，它仍只是一个假说。”圣路易斯华盛顿大学的神经学家卡米洛·派多亚夏欧帕（Camillo Padoa-Schioppa）说。神经经济学目前仍是一门尚未成熟的科学，科学家们关于脑中哪一部分做出决策仍争论不休，更不用说我们的大脑是如何做出决策的。
目前，格里姆彻已经证明他的理论在例如上文中的“巧克力棒”实验等特定情况是是行得通的。但他仍希望能够扩大他理论的应用范围，为此他寻找了一些其他的“魔鬼经济学式的”错误去测试他的模型。“我们希望找到一种能够广泛应用的，统一的理论去解释人们的选择。”格里姆彻说。
保罗·格里姆彻，纽约大学的神经生物学家。他建立了一个解释我们如何做出经济上的决定的模型，并解释了我们为什么有时会做出错误的决策。图中是他站在一个用于追踪眼部活动的仪器旁，这个仪器被科学家们用于研究动物们的决策制定。
学说的演变与确立
大脑是一个高耗能的器官，内部的神经元不断以电脉冲的形式传递着信息，这种电脉冲也常被叫做峰电位或者动作电位。在一次神经冲动中，电信号的产生和传递都会消耗大量的能量。
20世纪60年代，科学家们提出大脑会通过将信息进行尽可能简单的编码来应对每天需要处理的大量数据， 进而提出了“有效编码假说”（efficient coding hypothesis）。这个假说预测，正如通信网络大多采用二进制进行信息传递，神经元会使用尽可能少的峰电位去编码数据。
20世纪90年代末到21世纪初，科学家们提出这一原则在视神经系统中确实存在着。我们的大脑通过忽略那些可预测的信息并专注于那些意料之外的事物来高效的编码着我们目之所及的世界。举例来说：如果一面墙的一部分是黄色的，很大的可能性这面墙的剩余部分也是黄色的，神经元便会自动忽略这一细节。但如果墙上出现了一个意料之外的巨大的红色斑点，神经元就会给予特别的关注。
（www.ncbi.nlm.nih.gov/pubmed/9604103）
（www.ncbi.nlm.nih.gov/pubmed/11477428）
格里姆彻提出，大脑的决策制定机制与上述过程相同。想象一个简单的决策制定场景：一只猴子在两杯果汁之间做出选择。出于简单考虑，我们假定猴子的大脑中将两杯果汁分别用两个神经元代替。哪一个选择更诱人，哪一个神经元更快速的产生神经冲动，之后这只猴子就可以通过比较两个神经元产生冲动的速率来做出抉择。
首先，实验员给了猴子一个非常简单的选择：一茶匙美味的果汁与一满罐相同的果汁。“茶匙”神经元产生神经冲动的速率可能是每秒一个动作电位，但“水罐”神经元每秒产生100个神经冲动。在这样的情况下，区分这两个选择就变得异常简单。一个选择就像闹钟指针的滴答声，而另一个则像巨龙腾飞时翅膀发出的巨响。
当让猴子在一满罐果汁和另一罐接近满的果汁中做出抉择，这一选择就变得有些困难了，我们可以用一个每秒产生80次动作电位的神经元来代表这一新的选择。对于猴子来说，试图去区分80次每秒的神经冲动和100次每秒的神经冲动就没那么容易了。就好像一边是巨龙腾飞时振翅的声响，一边是蝗灾袭来时候漫天的轰鸣。
格里姆彻认为，大脑会通过“再校准”（recalibrating）这一机制来找到能够最好代表这一新选择的衡量标准。在猴子面对的这一新的选择中，那罐接近满的果汁相比于一整罐果汁就变成了一个较差的选择——大脑会自动降低对这一选择的神经冲动，进而对猴子而言，选择就会再一次变得容易。
格里姆彻基于早期“除法归一化”（divisive normalization）理论建立的模型揭示了大脑再校准过程中的算法。这一新的模型提出，神经元可仅对不同选择的相对差异进行编码以更高效地传递信息。“选择的背后都有着很多共有的信息，这些信息并非随机而独立的。”格里姆彻说，“归一化这一过程会提取并丢弃掉那些多余的信息，使得最终呈现出的信息都具有尽可能的相关性，这样就可以消耗尽可能少的能量。”他表示，习惯于与自适应系统工作的工程师们都很认同他的说法，但是那些研究决策的科学家却对此感到惊讶。
（www.ncbi.nlm.nih.gov/pubmed/1504027）
道（Daw）说，除法归一化的优势在于它将我们从视神经系统中总结出的这些原则很好的应用于这一评估过程，并且未超出我们原有的认知范畴。
图源：Dreamstime
虽然上述的“果汁实验”仅仅停留在理论阶段，但是格里姆彻和他的合作者记录下了猴子的大脑面对不同选择时的电位活动。研究表明当猴子做决定时，这些神经元的活动正如科学家们预测的那样。如果科学家们增加其中一个选择的价值，就好比巧克力棒实验中，用士力架替换掉星河巧克力，代表这一新选择的神经元就会提升它神经冲动的频率（印证了科学家们已知的理论模型）。
（www.ncbi.nlm.nih.gov/pubmed/26722666）
（www.ncbi.nlm.nih.gov/pubmed/23530203）
如果此时你再提升另一选择的价值——在一根加长特大的士力架和一根正常大小的士力架之间做出选择，这根正常士力架的价值就相对降低了，对这一原有选择产生动作电位的频率也会相对降低。格里姆彻和他的合作者发现，在大脑的顶叶皮层，这些神经元确实是以这种方式运作的，这就给这一模型增加了生理学的支持。“除法归一化这一理论模型非常好的解释了不同情况下的数据描述方式。”格里姆彻说，“这一理论很好的支持了我们关于这些神经元在用相似的，至少接近的模式在发挥着生理作用的想法。”
大多数情况下，这一系统都能很好的解释种种现象，但正如我们从昏暗的电影院走出时经历的短暂失明，我们的决策系统有时也会犯错，尤其是当下社会中我们每天都面对各种纷繁复杂的选择。格里姆彻和他的合作者目前正在用这些例外情况去测试他们的模型，以验证这一模型究竟能否采用相同的算法预测人们在一些特定的场合下常常做出的错误决定。
高效决策的产生：除法归一化理论认为，通过忽略可预测信息，大脑得以专注于信息之间的差异以高效应对选择。这一过程的实现是通过对选择的价值进行再校准，并找到可以代表新选择的最优衡量标准。通过相同的机制，神经系统就可以在两个差距较大（A）或较小（C）的选择之间做出决定。如果没有除法归一化这一过程，区分两个看起来差不多的选择（B）就会变得困难。图源：Lucy Reading-Ikkanda
经济学的不适用性
图源：Gfycat
神经经济学仍旧是一门问题和争议不断的新兴学科。格里姆彻并非唯一一个发现大脑的经济学研究价值的科学家。科学家们对人脑采用非侵入式脑成像技术，对动物大脑采用了直接脑信号记录的方式，在大脑的不同区域都进行了神经信号的监测。
但是科研工作者们关于是大脑的哪一部分做出决策仍旧争论不休。究竟是大脑的哪一部分计算出对于士力架产生神经冲动的频率高于银河巧克力？“迄今为止没有一个关于哪个脑区，采用何种方式对不同选择的价值进行比较进而做出决定的观点被大众广泛认同。”帕都·施奥帕 （Padoa-Schioppa）说。
格里姆彻在大脑的顶叶皮层进行神经信号测定实验，但是施奥帕“对顶叶皮层是否与经济方面的决策有关持怀疑态度”。破坏顶叶皮层并不会损伤基于价值对比的决策制定。”他说，但是损伤大脑额叶会造成这一结果。出于这一原因，施奥帕对格里姆彻的模型心存疑虑。但当我们提到基于神经科学的选择模型时，施奥帕说：“目前，没有人提出了强有力的理论证据。”
其他的一些科学家赞同这一除法归一化的基本概念，但同样表明这一模型仍有提升的空间，比如去解释人类决策制定中更加复杂的层面。例如余（Yu）认为这一模型可以很好的解释一些简单的抉择，但是对于一些复杂决定的解释就略显牵强了。“除法归一化的模型确实合理，但是他们对于探究决策制定机制的实验设定未免有些过于简单了。”余说，“我们需要增大这一模型的范围以使其可以解释并应用于更广泛、更加复杂的决策制定情形。”
除法归一化的理论框架源于视神经系统的研究工作。余表示将这一理论应用在决策制定是更困难的。科学家们对于视觉系统所编码的信息了解的非常透彻：一个有色彩、光和影的二维场景。在我们的大脑中，眼前的自然景观都可以用一些基本的，便于计算的参数替代，进而我们的大脑就可以用这些参数去剔除那些多余的信息。简单而言，如果一个像素点是绿色的，它相邻的像素点也多半会被认定为绿色而非红色。
但是决策制定系统工作情况更加复杂，需要考虑的信息也更多。举例来说，有的人可能是根据位置，大小和风格来挑选心仪的住所。但是这些指标的相对重要性，以及他们的最优选项：房屋处于城市或郊区，维多利亚式还是现代的建筑风格？这些选择本质而言是非常主观的。人与人的选择，甚至是处于人生不同阶段的同一个人的选择都不尽相同。“对两个对立选项进行比较，进而做出抉择的关键因素。目前来说，还没有一个可被决策学家们普遍认同的、简单并且像去除多余信息那样便于计算的数学定量方法。”余说。
她认为我们赋予每个选择不同价值的不确定性是导致我们做出错误决定的真正原因，“如果你已经购置了大量的房产，那么相对于一个买房新手而言，你对每个房子的评估一定会有所不同。”余说，“或者如果你的父母曾在房地产危机时买过房子，就可能对你后期的买房观念产生影响。”
此外余还表示，视觉系统与决策系统有着截然不同的终极目标。“视觉作为一个感觉系统，它的主要任务是要尽可能多地还原周围环境所呈现出的信息。”她说，“而决策系统的目的在于做出让你觉得快乐的决定，我认为这一系统的计算方式不仅仅是对信息的处理，还与人整体的快乐或幸福感有着行为学上的相关性。”
对于大部分的人而言，对于决策系统最大的关注点非常实际——我们如何做出更好的决定？格里姆彻表示他的研究帮助他开发出了一种特殊的决策制定策略。“与其在选项中挑选我认为的最好选项，现在我总是从在列表中删去最差的选项这件事开始做起。”他说，把选项降低至可控的数量，例如三个。“我发现这一由我们的数学模型计算出来的结论真的有帮助。有时你可以从最复杂的事物中学习到最简单的道理，并且这些道理真的能够应用于并优化我们的决策制定。”
往期文章：
“利维坦”（微信号liweitan2014），神经基础研究、脑科学、哲学……乱七八糟的什么都有。反清新，反心灵鸡汤，反一般二逼文艺，反基础，反本质。
投稿邮箱：wumiaotrends@163.com
合作联系：微信号 thegoatjoe