背叛后的选择性观察如何重塑社会意图推断的“能量景观”

《PLOS Computational Biology》:Selective observation following betrayal shapes the social inference landscape

【字体: 时间:2026年04月27日 来源:PLOS Computational Biology 3.6

编辑推荐:

  本研究针对社会意图推断(social inference)中“部分可观测性”被忽视的问题,通过猎物追逐任务结合眼动追踪与RNN建模,揭示了背叛经历会引发不对称的竞争性意图高估,并重构推断的动态能量景观(F值),为理解社会认知偏差提供了新视角。

  

引言:当“眼见”并不“为实”——被选择性观察扭曲的社会认知

在拥挤的街头,你看到一个成年人紧跟着一个孩子。他是想保护孩子免于摔倒的家长,还是另有图谋的陌生人?我们的大脑无时无刻不在进行着这样的社会意图推断(social inference)——从零碎的行为中拼凑出他人隐藏的动机。经典的认知模型常假设我们能“看到一切”,如同观看一部全知全能的电影。但现实是残酷的:我们的注意力是有限的,就像在一个多窗口并行的电脑屏幕上,你只能选择聚焦其中一个,而不得不忽略其他。这种部分可观测性(partial observability)意味着,我们看到的“事实”并非客观全景,而是我们选择去看的那一部分。
这种选择性观察在充满不确定性的社交世界中埋下了偏见的种子。特别是当遭遇背叛(betrayal)——即他人从合作突然转向竞争时,这种负面经历如何改变我们的“观察策略”,进而扭曲我们对他人意图的判断?这成为了理解社会认知偏差的关键。发表在《PLOS Computational Biology》的这项研究,正是要解开这个谜题:背叛后的选择性观察如何重塑了我们推断他人意图的“心理地图”。

研究方法概览

为了探究上述问题,研究者设计了一套精巧的二维猎物追逐游戏(prey-pursuit game)。参与者(n=62)需操控自己的角色(绿色)与一个计算机控制的对手(红色)共同追逐猎物(蓝色)。对手的隐藏意图由友好度参数(F值,Friendliness) 控制:F=1代表完全合作(将猎物赶向玩家),F=0代表完全竞争(自己抢走猎物)。实验核心在于操纵背叛:在观察阶段对手表现合作(高F),但在实际追逐阶段突然变得竞争(低F),反之则为“意外帮助”。参与者需在观察后决定是“加速”还是“减速”对手,以最大化收益。
研究团队结合了眼动追踪(eye-tracking) 技术,精确捕捉参与者在观察阶段的视觉焦点(是盯着对手还是自己),以量化其“选择性观察”的成本(失去对自己角色的精确控制)。此外,他们还训练了循环神经网络(RNN) 模型来拟合人类的行为数据,并引入了能量景观(energy landscape) 的物理框架,将意图推断过程比喻为小球在高低起伏地形上的滚动,以此可视化背叛如何改变推断的“吸引子(attractor)”。

研究结果解析

1. 背叛引发不对称的推断偏见

研究首先发现,人类对背叛的反应是不对称且记仇的。当参与者经历了对手的背叛后,他们在后续的观察中会高估对手的竞争性——即使对手表现出相同的F值(例如中等友好度),他们也更倾向于认为对手是“坏的”,从而更少选择加速对手。这种偏见会随着背叛次数的增加而累积。然而,当对手给予“意外帮助”(从竞争转向合作)时,参与者却不会对称地高估其合作性,他们的判断依然相对准确。这表明,负面社交经历(背叛)比正面经历更能扭曲我们的社会认知。

2. 视觉焦点的代价:信息与控制的权衡

眼动数据揭示了这种偏见背后的认知机制:选择性观察的代价。在经历背叛后,参与者会更多地将目光锁定在对手身上,试图从对手的细微动作中寻找“背叛的蛛丝马迹”。然而,这种对“社会威胁”的过度监测是有代价的——他们减少了对自身角色的注视,导致对自己角色的控制变得不精确(如撞墙或偏离路径)。这证明了社会推断并非免费午餐,关注他人意味着忽略自我,而这种视觉资源的分配策略直接加剧了推断的偏见。

3. 能量景观的重构:路径依赖的“磁吸效应”

通过RNN建模和动态系统分析,研究者重构了推断过程的能量景观。他们将推断过程视为一个动态系统:大脑对F值的估计就像一个小球在“合作”与“竞争”两个山谷之间滚动。研究发现,背叛经历重构了这片心理地形。它使得“竞争”一侧的山谷变得更深、更宽(即吸引子 basin),而“合作”一侧变得陡峭。这意味着,一旦经历了背叛,后续模棱两可的行为(中等F值)会更容易被“吸”向竞争性的解释,即使证据并不充分。这种路径依赖(path dependence)滞后效应(hysteresis) 解释了为何偏见一旦形成就难以消除。

4. 计算模型的验证:注意力是偏见的放大器

最后,RNN模型成功地复现了人类的不对称偏见。当模型被赋予与人类相似的“选择性观察”约束(即只能处理有限的信息流)时,它表现出了对背叛的过度敏感。然而,当强制模型均匀分配“注意力”时,这种偏见消失了。这证实了部分可观测性是产生社会认知偏差的必要条件:如果我们能看到一切,就不会如此偏执;正因为我们只能看一部分,过去的创伤(背叛)才决定了我们现在看哪里,以及看到什么。

结论与意义

这项研究将社会推断从静态的“读心术”提升到了动态的资源分配博弈。它揭示了一个核心悖论:我们通过选择看什么来理解世界,但正是这种选择让我们戴上了有色眼镜。
在遭遇背叛后,我们的大脑进入了一种“防御性推断”模式:优先监测潜在威胁(对手),即使这会牺牲自我控制。这种策略在进化上或许有利于生存(避免再次被坑),但在现代复杂社会中,它导致了持久的社会认知偏差——让我们更容易将中性行为误判为恶意,即所谓的“一朝被蛇咬,十年怕井绳”。
计算精神病学(computational psychiatry) 的角度看,这项研究为理解社交焦虑、偏执型人格障碍等疾病提供了新视角。这些疾病可能并非源于“不会推断”,而是源于病态的选择性观察策略——过度关注负面社会线索,从而扭曲了整个社会认知的“能量景观”。未来的干预或许不应只关注“如何想”,更应关注“如何看”。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号