NeuroImage︱罗跃嘉课题组揭示社会信息调节风险决策的前额控制系统
撰文︱林永玲
责编︱王思珍
制版︱查佳雪
在复杂的社会生活中,人们常常利用他人或群体所提供的信息来优化个体的决策行为,这是人类进化过程中发展出的重要能力之一[1]。一般而言,当个体行为偏离群体行为时,人们常常适应性地将其行为调整至与群体行为保持一致[2]。这种及时的行为调整(changes of mind)能帮助人们合理利用社会信息并优化个体自身决策[3-4]。尽管这种适时的行为调整非常重要,但是并非所有个体都具有同等利用群体信息的能力且能够及时做出行为调整[1]。这种在社会情景下行为调整能力(social change of mind)的个体差异机制依然未知,且其相关的脑机制也尚未清楚。
2022年5月5日,北京师范大学认知神经科学与学习国家重点实验室罗跃嘉课题组在NeuroImage杂志在线发表了题为“Prefrontal control of social influence in risk decision making”的研究论文,阐述了社会信息调节风险决策中的大脑监测系统。北师大在读博士生林永玲为本文的第一作者,北师大罗跃嘉教授和徐鹏飞教授为本文的共同通讯。中国科学院心理研究所古若雷教授,深圳大学周佳丽和李依蔓为本研究的合作者。在此项研究中,作者发现社会不一致敏感性和自我中心倾向 ,而非个体的决策偏好(如风险偏好等)调节个体对社会信息的利用水平。进一步地,作者通过功能磁共振技术考察相关因素的脑激活,揭示了与社会不一致敏感性相关的前额叶控制系统。
为考虑社会信息对风险决策的调节作用,作者采用结合社会信息的幸运轮盘游戏(wheel of fortune)作为实验方案。被试首先根据自身偏好在两个具有相同期望价值(expected values)的轮盘中进行选择,随后,实验将呈现给被试由4人群体做出的选择,被试可根据群体信息决定是否修改其最初的选择。特别的是,群体信息由实验者操纵且在80%的试次中均指向结果更好的轮盘。因此,一个善于利用社会信息的被试的行为模式将是: 个体决策和群体选择不一致时,改变其最初选择;而在个体决策和群体选择一致时,则保持其最初选择。行为结果表明,被试确实能依赖群体决策信息优化个体决策行为,具有及时调整其决策行为的能力。但这种能力存在较大的个体差异。
(图源:Lin YL., et al., Neuroimage, 2022)
通过文献调研,作者明确社会不一致敏感性(social misalignment sensitivity,SMS)[5]、自我中心倾向(egocentric tendency)[6]和个体决策偏好(如风险偏好等)[7]这三个因素对个体行为调整(change of mind)的潜在影响。进一步地,作者通过Rstan建立计算模型[8-9]量化SMS,自我中心倾向和个体决策偏好对其行为调整的调节作用。作者发现,SMS和自我中心倾向在模型中起着重要作用,而决策偏好并未显著影响决策模型的结果。特别的是,自我中心倾向仅调节“个体与群体信息一致” 条件下的行为调整,而SMS对不同条件下行为调整均具有显著调节作用。该结果提示了SMS在利用群体信息具有重要地位。
图2 模型结果
(图源:Lin YL., et al., Neuroimage, 2022)
随后,作者通过分析功能磁共振数据,试图找出与关键因素SMS相关的脑区。研究者首先考察了与群体一致性水平相关的脑区激活(图3)。该结果表明不同的群体一致性水平显著地调节大脑激活模式。因此进一步地,研究者分别考察不同一致性水平中,与SMS相关联的脑区。脑成像结果发现,当个体决策和群体信息保持一致时,SMS相关脑区主要包含前扣带皮层(dorsal anterior cingulate cortex,dACC)和顶叶上回(superior parietal gyrus,SPG),而当个体决策和群体决策信息不一致时,则包括额上回(superior frontal gyrus)和楔前叶(precuneus)等更多的脑区(图4)。该结果揭示了与SMS相关的大脑监控系统,且该监控系统的延伸受群体一致性的调节。
图3 与群体一致性相关的大脑激活
(图源:Lin YL., et al., Neuroimage, 2022)
图4 与SMS相关的大脑激活
(图源:Lin YL., et al., Neuroimage, 2022)
最后,作者将被试分成“高行为调整阈限”和“低行为调整阈限”组,进行探索性分析。研究者发现,背外侧前额叶皮层(dorsolateral prefrontal cortex, dlPFC)对SMS的调节作用仅存在于“低行为调整阈限”组(图5),该结果提示dlPFC对SMS的调节作用对个体差异敏感。
图5 不同人群中与SMS相关的dlPFC激活
(图源:Lin YL., et al., Neuroimage, 2022)
本论文受国家自然科学基金(31920103009, 31871137, 32071083, 32020103008, 和32071100),国家社科重大基金支持(20&ZD153)。
第一作者林永玲(左),通讯作者罗跃嘉(中),通讯作者徐鹏飞(右)
(照片提供自:北京师范大学心理学部)
【1】“ 逻辑神经科学 ”诚聘副主编/编辑/运营岗位(在线办公)
参考文献(上下滑动阅读)
[1] Morin, O., Jacquet, P. O., Vaesen, K., & Acerbi, A. (2021). Social information use and social information waste. Philosophical Transactions of the Royal Society B, 376(1828), 20200052.
[2] Cialdini, R. B., & Goldstein, N. J. (2004). Social influence: Compliance and conformity. Annu. Rev. Psychol., 55, 591-621.
[3] Jayles, B., Kim, H. R., Escobedo, R., Cezera, S., Blanchet, A., Kameda, T., ... & Theraulaz, G. (2017). How social information can improve estimation accuracy in human groups. Proceedings of the National Academy of Sciences, 114(47), 12620-12625.
[4] Kao, A. B., Berdahl, A. M., Hartnett, A. T., Lutz, M. J., Bak-Coleman, J. B., Ioannou, C. C., ... & Couzin, I. D. (2018). Counteracting estimation bias and social influence to improve the wisdom of crowds. Journal of The Royal Society Interface, 15(141), 20180130.
[5] Tump, A. N., Pleskac, T. J., & Kurvers, R. H. (2020). Wise or mad crowds? The cognitive mechanisms underlying information cascades. Science Advances, 6(29), eabb0266.
[6] Novaes Tump, A., Wolf, M., Krause, J., & Kurvers, R. H. (2018). Individuals fail to reap the collective benefits of diversity because of over-reliance on personal information. Journal of the Royal Society Interface, 15(142), 20180155.
[7] Chung, D., Christopoulos, G. I., King-Casas, B., Ball, S. B., & Chiu, P. H. (2015). Social signals of safety and risk confer utility and have asymmetric effects on observers' choices. Nature neuroscience, 18(6), 912-916.
[8] Ahn, W. Y., Haines, N., & Zhang, L. (2017). Revealing neurocomputational mechanisms of reinforcement learning and decision-making with the hBayesDM package. Computational Psychiatry (Cambridge, Mass.), 1, 24.
[9] Carpenter, B., Gelman, A., Hoffman, M. D., Lee, D., Goodrich, B., Betancourt, M., ... & Riddell, A. (2017). Stan: A probabilistic programming language. Journal of statistical software, 76(1).
本文完