子曰：“三人行，必有我师焉。择其善者而从之，其不善者而改之。”——《论语》
在人类社会的互动中，我们不断地从他人那里获取信息，并以此来指导我们的决策。比如，当你第一次来到一个陌生的城市，晚餐时间到了。你该如何选择餐厅？你可以查看网络评论，然后去评分最高的餐厅。但是，你怎么能确定评论者与你有相同的食物偏好或资金预算呢？当个体之间的偏好差异很大时，我们是否能够灵活地整合这些信息呢？
最近发表在《美国国家科学院院刊》（PNAS）上的一项研究，就探讨了这一问题。研究者们通过一个创新的“在线游戏任务”， 探讨了人们在向目标相似但不完全相同的他人学习时，如何利用社会信息。该结果显示，人们利用社会学习来部分替代代价高昂的个体探索。该结果凸显了人类社会学习的灵活性，它允许我们整合来自具有不同偏好、技能或目标的他人的社会信息（Witt et al., 2024）。
我们如何使用社交信息
迄今为止，关于人们如何向他人学习的研究大多集中在每个人都有相同目标和偏好的环境中。然而，在现实世界中，这种情况很少发生。为了填补这一空白，研究者们探讨了当周围人的偏好并非完全一致时，人类如何利用社交信息做出决策。
为了研究这一现象，研究人员创建了一个类似电子游戏的在线实验。该游戏旨在模拟日常决策情况，同时考虑了参与者之间的报酬差异，进而可以在更现实的条件下研究社会学习。每个参与者都有一个目标，这个目标是独一无二的，但又与其他参与者的目标相似。在整个实验过程中，参与者都能看到同伴的进展情况。
在研究过程中，研究者招募了四组参与者，每组四人，共同完成一个虚拟的“收集盐样本”任务。每个参与者都被分配了一个个性化的环境，这些环境在空间上是相关的，并且与组内其他成员的环境正相关。实验分为“群体轮”和“单独轮”两种模式，在群体轮中，参与者被分为四人一组，共同完成任务，并能够看到其他组成员的选择和结果。在单独轮中，参与者则单独完成任务，无法看到其他组成员的信息。这种设计允许研究者比较个体和群体学习策略的差异，并探究社会信息如何影响决策过程。
社交信息是决策的辅助工具
实验结果表明，参与者能够灵活地使用社会信息，即使这些信息并不直接适用于他们自己的情境。他们的搜索行为受到其他参与者高奖励选择的显著影响。此外，为了解释这一现象，研究人员引入了一个新的社会泛化模型（Social Generalization，SG），并通过进化模拟和在线实验来测试它。SG模型通过将社会信息整合到泛化过程中，但将其视为比个体观察更嘈杂的信息，从而超越了现有的模型。
在这一模型的帮助下，研究人员发现人类将社交信息作为一种探索工具。在群体轮中，参与者的探索行为比单独轮中更少，这表明社会学习可能部分取代了不确定性导向的探索。参与者对社会信息的依赖程度与他们的表现呈正相关，表明他们越是依赖社会信息，表现越好。
个人探索可能会付出高昂的代价，包括认知代价和风险代价。当社会信息可用时，参与者依靠它来指导自己的选择，从而省去了代价高昂的个人探索过程。社会学习可以作为一种探索指导工具，并不是什么新观点。但该研究的发现不仅支持了这一观点，还帮助我们将这一理论推广到多样化、异质化的人类社会中。
为什么这很重要？
社会学习是人类最杰出的认知能力之一，也是我们作为一个物种取得成功的基础。尽管最近的进步已经证明了人工智能的强大，但它仍然难以像人类一样进行社会学习。事实上，正是我们非凡的社会和文化学习能力为人类的成功发挥了关键作用。更好地理解这种能力可以让我们将类似的原则融入人工智能，比如虚拟助手或推荐算法。
归根结底，这项研究表明，人类的社会学习比先前认为的要灵活得多。我们不仅能够从他人那里学习，还能够根据我们自己的偏好和技能来整合这些信息。这种灵活的社会学习策略，使我们能够在复杂的社会环境中做出更优的决策。
参考文献
Witt, A., Toyokawa,W., Lala, K. N., Gaissmaier, W., & Wu, C. M. (2024). Humans flexiblyintegrate social information despite interindividual differences in reward. Proceedingsof the National Academy of Sciences of the United States of America, 121(39),e2404928121.
University of Konstanz. (2024, October 23). 'With a grainof salt': How humans learn from others. ScienceDaily. Retrieved November18, 2024 from www.sciencedaily.com/releases/2024/10/241023131037.htm
