北大最新PLOS Biology：人類在小樣本學(xué)習(xí)中會(huì)主動(dòng)構(gòu)建“個(gè)體化”關(guān)系網(wǎng)絡(luò)

認(rèn)知神經(jīng)科學(xué)前沿文獻(xiàn)分享

基本信息

Title:Human brains construct individualized global rankings from identical few-shot learning input

發(fā)表時(shí)間:2026-4-13

發(fā)表期刊:PLOS Biology

影響因子:7.2

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

在日常生活中，我們很少能獲得完整的信息全貌。比如，僅僅看了幾場網(wǎng)球比賽的勝負(fù)，或者聽說了幾個(gè)部門的業(yè)績對比，我們的大腦就會(huì)自動(dòng)在心里排出一張“實(shí)力排行榜”。這種從局部的、稀疏的配對關(guān)系中推導(dǎo)出全局結(jié)構(gòu)的能力，在認(rèn)知科學(xué)中被稱為關(guān)系推理（relational inference）。

過去的主流理論（如獨(dú)立價(jià)值模型）認(rèn)為，這種推理是一個(gè)“被動(dòng)積累”的過程。大腦就像一個(gè)記分牌，每看到一次A大于B，就獨(dú)立更新一次A和B的潛在價(jià)值。隨著經(jīng)驗(yàn)增加，這些孤立的價(jià)值最終拼湊出接近真相的全局排名。然而，這種基于強(qiáng)化學(xué)習(xí)的經(jīng)典模型真的能解釋人類在“信息極度匱乏”時(shí)的學(xué)習(xí)機(jī)制嗎？

北京大學(xué)研究團(tuán)隊(duì)提出了一種截然不同的假設(shè)：在小樣本學(xué)習(xí)（few-shot learning）中，由于計(jì)算資源和證據(jù)有限，人類的大腦并非被動(dòng)記分，而是受到歸納偏置（inductive bias）的驅(qū)動(dòng)，主動(dòng)向外“強(qiáng)加”一種全局的關(guān)系結(jié)構(gòu)。為了驗(yàn)證這一“主動(dòng)建構(gòu)”假說，研究團(tuán)隊(duì)設(shè)計(jì)了一項(xiàng)預(yù)注冊行為學(xué)實(shí)驗(yàn)，并結(jié)合腦磁圖（MEG）技術(shù)，探究了當(dāng)所有人面對完全相同的局部碎片信息時(shí)，大腦究竟是如何完成關(guān)系推理的。

Fig 1. 經(jīng)典獨(dú)立價(jià)值模型與主動(dòng)建構(gòu)模型的理論對比，以及本研究的小樣本學(xué)習(xí)與測試范式設(shè)計(jì)。

研究核心總結(jié)

這項(xiàng)研究的核心在于打破了群體平均數(shù)據(jù)的假象，深入到了個(gè)體層面的認(rèn)知差異。研究者讓受試者學(xué)習(xí)8個(gè)項(xiàng)目之間非相鄰的局部大小關(guān)系（僅展示8對），隨后在無反饋的情況下測試他們對所有28種可能配對的判斷。

一、群體表現(xiàn)符合經(jīng)典模型，但個(gè)體層面存在高度穩(wěn)定的系統(tǒng)性錯(cuò)誤

如果只看群體平均數(shù)據(jù)，受試者的表現(xiàn)非常符合經(jīng)典的傳遞性推理特征：他們不僅記住了學(xué)過的配對，還能推斷出沒見過的配對，并且表現(xiàn)出經(jīng)典的“序列位置效應(yīng)”和“符號距離效應(yīng)”。經(jīng)典的Q-learning模型完美擬合了這些群體層面的現(xiàn)象。

然而，當(dāng)研究者將目光轉(zhuǎn)向個(gè)體在具體配對上的表現(xiàn)時(shí)，發(fā)現(xiàn)了經(jīng)典模型無法解釋的現(xiàn)象。對于那些難度較高的配對（即排名相近的項(xiàng)目），受試者的準(zhǔn)確率并沒有像經(jīng)典模型預(yù)測的那樣呈正態(tài)分布（即大家都在平均正確率附近隨機(jī)波動(dòng)），而是呈現(xiàn)出極端的雙峰分布。這意味著，面對同樣的困難配對，一部分人總是堅(jiān)定地選對，而另一部分人則總是堅(jiān)定地選錯(cuò)。絕大多數(shù)受試者在至少一個(gè)局部配對上表現(xiàn)出了高度一致的錯(cuò)誤傾向。

Fig 2. 局部配對測試的準(zhǔn)確率分布表明，面對困難配對，受試者在個(gè)體水平上表現(xiàn)出高度穩(wěn)定且兩極分化的系統(tǒng)性錯(cuò)誤，而非經(jīng)典模型預(yù)測的隨機(jī)波動(dòng)。

為什么受試者會(huì)如此固執(zhí)地犯錯(cuò)？獨(dú)立價(jià)值模型認(rèn)為，局部錯(cuò)誤是隨機(jī)的、孤立的，因此一個(gè)人在不同配對上的錯(cuò)誤往往會(huì)相互矛盾（例如認(rèn)為A>B，B>C，卻又認(rèn)為C>A）。

但本研究的三元組一致性分析給出了相反的答案。研究發(fā)現(xiàn)，絕大多數(shù)受試者犯下的局部錯(cuò)誤在邏輯上是高度自洽的。研究者利用HodgeRank方法重建了每個(gè)受試者內(nèi)心的主觀排名，發(fā)現(xiàn)盡管所有人學(xué)習(xí)的局部材料完全相同，他們卻各自構(gòu)建出了偏離真實(shí)情況、且彼此之間差異巨大的個(gè)體化全局排名。他們之所以在某些局部配對上持續(xù)犯錯(cuò)，正是因?yàn)檫@些錯(cuò)誤完美契合了他們內(nèi)心那個(gè)“自洽但客觀錯(cuò)誤”的全局框架。

Fig 3. 三元組一致性分析與主觀排名重建證實(shí)，受試者的局部錯(cuò)誤并非隨機(jī)噪聲，而是源于其內(nèi)心構(gòu)建的、高度自洽卻偏離真實(shí)情況的個(gè)體化全局排名。

為了尋找這種主觀建構(gòu)過程的神經(jīng)證據(jù)，研究者在獨(dú)立的受試者隊(duì)列中進(jìn)行了MEG實(shí)驗(yàn)。實(shí)驗(yàn)巧妙地設(shè)置了學(xué)習(xí)前（判斷真實(shí)世界物體大小）和學(xué)習(xí)后（判斷新學(xué)的抽象排名）兩個(gè)階段，以分離出由小樣本學(xué)習(xí)引發(fā)的神經(jīng)重組。

Fig 4. MEG實(shí)驗(yàn)流程設(shè)計(jì)，通過對比學(xué)習(xí)前后的真實(shí)世界大小判斷與新學(xué)排名判斷，分離出由小樣本學(xué)習(xí)引發(fā)的特定神經(jīng)重組。

表征相似性分析（RSA）揭示了時(shí)間與空間上的雙重分離。低級視覺特征的神經(jīng)表征出現(xiàn)得很早（165-290 ms），而關(guān)于物體真實(shí)世界大小（先天固有知識）的表征出現(xiàn)在中期（240-480 ms）。最關(guān)鍵的是，在學(xué)習(xí)后階段的晚期窗口（685-775 ms），大腦中頂葉區(qū)域的神經(jīng)活動(dòng)模式發(fā)生了重組。這種重組既不反映客觀真實(shí)的排名，也不反映其他人的排名，而是特異性地與該受試者自己構(gòu)建的“主觀排名”高度對齊。

Fig 5. MEG表征相似性分析揭示，在學(xué)習(xí)后，大腦額頂葉區(qū)域的神經(jīng)活動(dòng)模式發(fā)生重組，并特異性地與受試者個(gè)人的主觀排名高度對齊。

研究意義

這項(xiàng)研究從根本上挑戰(zhàn)了長期主導(dǎo)關(guān)系學(xué)習(xí)領(lǐng)域的“被動(dòng)價(jià)值更新”框架。它告訴我們，在面臨信息稀疏和計(jì)算資源受限的環(huán)境時(shí)，人類大腦并不是一個(gè)單純的統(tǒng)計(jì)機(jī)器。相反，大腦具有強(qiáng)大的生成性與建構(gòu)性，它會(huì)主動(dòng)調(diào)用歸納偏置，強(qiáng)行給零散的信息賦予一個(gè)統(tǒng)一的全局結(jié)構(gòu)。

這種機(jī)制解釋了為什么我們在日常生活中容易產(chǎn)生認(rèn)知偏差或固執(zhí)己見：為了維持內(nèi)在邏輯的連貫與自洽，大腦寧愿在某些局部事實(shí)上系統(tǒng)性地“犯錯(cuò)”。從方法學(xué)上看，該研究也提醒未來的認(rèn)知建模與神經(jīng)影像分析，不能僅僅停留在群體平均層面，因?yàn)檎嬲?qū)動(dòng)行為的，往往是那些被平均掉的、高度個(gè)體化的內(nèi)部建構(gòu)過程。

分享人：飯鴿兒

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認(rèn)知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨(dú)行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點(diǎn)擊卡片進(jìn)群，歡迎你的到來

一鍵關(guān)注，點(diǎn)亮星標(biāo) ? 前沿不走丟！

一鍵分享，讓更多人了解前沿