首页科技快讯选A不选B，你是有理有据，还是随心所欲？

选A不选B，你是有理有据，还是随心所欲？

来源：晰数塔互联网快讯时间：2020年06月18日 09:56

本文来自微信公众号：神经现实（ID：neureality），作者：Humphries，译者：航迹云，题图来自：电影《水形物语》

人们常以为自己是理智的，尽管事实显然并非如此。在做困难的决定时，我们会以为自己把眼前的证据都收集齐了。这样的证据收集也许是有意识的，就像在选购一部智能手机前，你会浏览网上的各种测评，搜集各式产品大量的优缺点，包括镜头、屏幕、接口和芯片这些近乎相似的黑矩形，还有边框上的各种细小区别。

证据收集也可以是潜意识的，比如当你的大脑检测到草丛中发出的沙沙声、条纹状的动物毛发，以及一个捕食者低沉难辨的呼吸声时会对你发出 “老虎!” 的警报 —— 虽然这时的你正坐在英国郊区的花园里读书，那也只是你的橘猫淡定地从灌木丛中漫步而出。甚至更糟的是，证据收集可以在没有证据的情况下发生，就像那些无声逝去的岁月让你渐渐意识到这份工作不适合你一样。

关于人类如何做决策的一些重要理论同样认为我们会收集和累加眼前的证据。在这类理论的基础上，一些大的研究项目进一步探讨人类的错误决定是怎样产生的，如何做出更好的决定，以及大脑是如何表征和运用证据来做出决策的。所有这些研究的共同假设都是：我们会在脑海里累加证据。但我们真的会吗？

在一篇新论文中，盖布瑞尔斯坦（Gabriel Stine）和同事们发现了一件简单却可怕的事：我们的标准行为实验和测量方法并不能告诉我们被试是否有通过累加证据来做决策。可能成百——甚至成千的决策研究一直以来都建立在了一个错误的假设上。那么我们究竟是如何做决策的呢？

- Matt Chinworth -

事实上，一些重要的理论全部都是关于证据累加的。这些理论认为对于供我们选择的每一个选项来说，都有一个计数器在整合着支持这个选项的证据，直到其中某个计数器的数值超过阈值。一部分理论认为这些计数器是独立的，互相竞争。另外的理论则认为支持某一选项的证据是会对抗其他所有选项的，所以每新增一个证据，计数器们就会上下波动。

这些理论的共同点就是它们都认为随着时间积累而来的证据是会被运用的，会被累加的——我们就把这些称为历史理论（history theories）吧。它们认为你的大脑就像是陪审团一样，耐心聆听着诉讼方和被告方的事件陈述，收集着一段段的证据和证词，虽然很缓慢，最终却一定可以通过累加计算进行裁决。

然而，斯坦等人考虑了另外两种决策方式。其中一种，让我们就叫它“极端法”（extreme）, 它认为决策者会一直等待一个决定性的大证据出现从而支持相应的选项。不对随着时间积累的证据进行累加，不对证据的历史感兴趣，只对每一个新来的证据做评价然后当机立断。好比一个陪审员一直被动地听着事件原委，直到看见原告挥舞起从被告厨房抽屉里搜到的带血的刀，才立马决定他是“有罪的”。

另一种方式，让我们叫它“快照法”（snapshot）, 它认为决策者只是随心所欲地注意到某一个证据，然后就单凭这一个证据下定论。好比一个陈述全程都在打瞌睡的陪审员，偶然听到被告的品格证人为了被告的善良内心和志愿工作在极力为他求情，就判定“无罪”，以便可以回到温柔梦乡里。

这两种决策方法都和细心累加证据的方式不太沾边。不过奇怪的是，斯坦等人的研究表明，这几种方法对人类决策行为的预测结果大都相同。这表示我们并不容易了解他人是如何做决策的。

即使当我们给被试做一个必须通过证据累加才能完成的任务，结论也一样。实验室里的一个经典行为任务，是观察一些随机移动的点，然后判断这些点是在向左还是向右移动。其中一小部分的点是都在往这两个方向之一移动的；同时向同个方向移动的点越多，判断越简单。这是一个基于证据判断的经典决策任务：盯着屏幕，看着动点，然后慢慢积累关于动点方向的证据。

动点任务的两个简图示例。左边的是简单的版本：一半的点都在向右动，其余的在随机动。右边的则是一个不可实现的任务：没有哪个点在同向移动，所以观察者只能猜（他们不知道难度）。点都是从空心圈向实心圈的方向移动。—THE SPIKE

但是斯坦等人发现即使在这样的任务里，我们也无法了解被试是否在累加证据，因为还有另外的决策方式——极端法和快照法，它们同样能预测被试们的行为。

这些决策方式都能预测到，任务越难，也就是当同向移动的点越少时，人会更容易犯错。直到在你不知情下，所有的动点方向都随机了，证据都是摸棱两可的时候，你做的任何决策都纯粹是瞎猜。任务难度系数和决策错误概率的关系曲线是一个特别的S型：

难度系数的S型曲线。任务越简单，犯错概率越小。横轴代表向左或向右移动的点的百分比。纵轴代表被试者为对应的动点百分比选择向“右”移动的百分比。当动点明显在向左移动时，人们很少会错误判断它们在向“右”动。当没有同向移动的点时（0%），那么结果就是纯猜测的概率。—THE SPIKE

而且上述的三种决策理论均给出了一模一样的S型曲线。历史理论得出这样的曲线是因为同向移动点数越多，越容易累加相应方向的证据，犯错则越少。对于极端法理论，同向移动点数越多，超过临界值的大证据就越可能变成正确答案。对于快照法理论，同向移动点数越多，它们在向正确答案的方向移动时就越容易被观察者注意到。简而言之，这个研究决策的经典任务是建立于证据累加上的，然而人们似乎可以不依靠证据累加就完成它。真是不妙。

斯坦等人接着思考：要是我们给被试足够时间考虑的话，是否就能排除其他理论了？我们都知道在有足够时间的情况下，人们自然会思考困难的问题更久；我们也知道，例如在极少部分动点向右和一半的动点都向右两种情况下，人们思考前者的时间更长。就像这样：

随着视觉信息强度的增加，观察者的反应时间会呈指数下降。视觉信息的强度在这就可以指同向移动点数的百分比。—THE SPIKE

这就立马排除了快照法理论：如果你注意力集中的时间点是随机的，那么你的反应时间和任务难度系数就无关。上述的关系图显然是支持历史理论的，因为它预测到当证据力度越弱，人就需要累加更多的证据来做决策，这就需要更长的时间。

但是，也许你已经猜到了：“极端法”理论也可以给出相同的难度和反应时间关系图。为何如此呢？因为当证据越难以察觉，你就会花越长的时间去等待那个大过临界值的证据出现。所以无论累加证据还是只等待大证据出现，困难抉择总是需要更长的反应时间。

哇哦，这就意味着，我们可以给被试做一个我们认为需要证据累加的任务，但是当我们测量被试的行为时，我们却不知道他们是否真的累加了证据。

这就动摇了成百甚至成千的，立足于证据累加前提的决策研究。以及那些在动物做此类任务时，被记录下发放活动的所谓决策神经元，那些会随着证据累加而调节自我发放活动的神经元，那些你脑内决策法庭里的陪审员们，也同样受到了质疑。既然我们不能证明实验动物到底有没有累加证据，那这些神经细胞的发现也成蜉蝣了。真的都前功尽弃了吗？

并非如此。斯坦等人以一丝希望结尾 ——只要我们更巧妙地设计任务，我们就能得到更确切的结论。

他们设计出了一套区分历史和极端法理论的方案。首先，在随机动点任务里给被试足够的思考时间——立马排除了快照法理论。其次，测量大脑思考所有非决策相关因素所需的时间。

- Jeremy -

这些额外的时间正是大脑用来处理其他非决策事务的时间。尤其是用来把决策转换为动作反应，例如移动你的手臂和手指去按下“左”键或是“右”键。在把决策难度降到很低时 —— 让所有的点都同向移动时 —— 我们就能测量你到底用了多久来执行非决策事务。可以预测的是， 这些额外所花的时间在累加证据的情况下会比单纯等待大证据的情况要短。这样的话，我们就能通过测量你的“非决策”时间，再把它运用到历史和极端法理论里，来判断当任务难度升高时，哪种理论能更好地预测你的反应时间了。

当斯坦等人用这套方案测试了6位被试后，从某个方面来讲，得出了完全成功的结果：他们可以确定这6名被试者在全6次实验中都没有用极端法来决策。极端法理论不能解释被试们在这两种任务里的决策方法。相反，历史理论能更好地解释被试的决策方法。真是如释重负啊。

这个研究告诉我们很多道理。首先，它强调了科研方法的重要性。这项研究出自麦克沙德兰实验室，这个实验室几十年来一直致力于研究大脑如何通过证据的累加来做决策，在这方面出色的工作为他们赢得了声望，而当前研究要质疑的也正是这个研究假设。研究者发表了质疑自己绝大多数研究成果的文章，这是一件勇敢和诚实的事情。

当然了，虽然最终结果表明决策真的是基于我们所假设的证据累加的过程，基于这个假设的相关研究也脱离了危险；但托斯坦等人的福，我们现在再读到有关证据和决策的文献时，就会谨慎地评判证据累加的假设是否会影响文献最终的结论了。

其次，我们还领会到了研究人类如何决策真的不易。因为研究并不终止于此。即使只面对这6名被试，斯坦他们能做的也仅仅是证明了历史理论比极端法理论能更好地解释被试行为；但是更好地解释行为并不代表它更利于决策。因为他们遇到一个瓶颈：虽然可以排除极端法理论，但其中3名被试的行为却不能被历史理论完全解释。

在给被试的数据套用了更复杂的历史理论后，他们发现这3名被试中的2名，在累加证据的过程中丢失了信息。只有当斯坦等人假定这2名被试遗忘了最初接受的证据时，他们的行为才能被解释。即使如此，其中还是有1名被试的行为不能被合理解释。

此外，最重要的道理就是并非所有人都用同样的方法做决策。即使所采用的决策任务是这个被研究得最透彻、可重复性最高的、超级简单的动点任务，人们也会采取不同的方式做决策。

这就是为什么我们要将理论写成可以做预测的数学模型——比如在这里我们采用了S型曲线来描述任务难度与决策错误率的关系，以及指数函数来描述随着视觉信息强度变化的反应时。因为单是用数学表达的这个过程就能监督我们明确地说明假设条件，然后去检测这些条件。

对于这些决策相关的理论，通过把它们写成数学式，我们现在认识到关于证据累加的假设是错误的，认识到其他不需要证据累加的理论也可以预测同样的行为。

振作起来吧，这正是科学进步的必要过程：我们发展理论，提出假设，再谨慎地检验它们，找出漏洞，通过漏洞找出解决方案从而让科学理论更可靠也进而激发更多观点——然后我们无限循环这个过程。一切都说得通了。

原文：

https://medium.com/the-spike/we-dont-know-how-you-make-a-decision-37d445431388

本文来自微信公众号：神经现实（ID：neureality），作者：Humphries，译者：航迹云