情感在生物系统中如同内在的“有色噪声”

《BioSystems》：Emotions as intrinsic colored noise in biological systems

　　维亚切斯拉夫·I·尤卡洛夫 | 埃利扎维塔·P·尤卡洛娃
博戈卢博夫理论物理实验室，联合核研究所，杜布纳，141980，俄罗斯

**摘要**
本文提出并论证了生物系统中的情绪类似于内在有色噪声的观点。提出了一个描述生物网络在有色噪声影响下运行动态的模型。生物网络的代理可以表示为人类和动物等生物物种，或者大脑中的神经元，或者是神经网络的节点。在生物噪声网络中，操作行为或决策不仅基于对备选方案效用的评估，还受到代理情绪的影响。该模型是概率性的，备选方案的选择由相关概率来表征。在初始阶段，代理们各自独立做出决策，然后开始相互交流信息并模仿其他代理的行为，从而形成一个相互作用的生物网络。我们对一个由三组代理组成的异质社会进行了数值模拟：一组具有长时记忆，另一组具有短时记忆，第三组则是完全基于效用进行决策的超理性代理，他们没有情绪。不同群体中的意见动态可能是平滑的、振荡的或混沌的。根据群体决策的动态，共发现了八种操作类型。在强烈的模仿效应下，决策选择的演化会出现混沌行为。本文还展示了如何解决埃尔斯伯格悖论，以及信息交流如何影响这一悖论的动态。

**引言**
我们考虑一个生物网络，它可以是一个包括大脑中神经元的网络，也可以是由人类和动物等生物物种组成的网络。网络的运作意味着在接收到外部信息后，它需要在多个可接受的行动之间做出选择。换句话说，网络在多个备选方案中做出决策。无论是由神经网络还是生物物种群体做出选择，这种选择都是概率性的。选择的概率性源于以下几点：神经生理学研究表明，大脑神经网络中的决策过程总是伴随着内在噪声，导致随机选择；这种随机性是由神经网络的普遍变异性和局部不稳定性引起的（Werner和Mountcastle, 1963; Arieli等人, 1986; Gold和Shadlen, 2001; Glimcher, 2005; Naqvi等人, 2006; Shadlen和Shohamy, 2016; Webb, 2019; Kurtz-David等人, 2019）。这种变异性不仅源于决策者可用数据的限制，而且决策过程本身就具有内在的随机性。神经生理学研究证明，人类大脑中的决策过程具有高度的变异性（Woodford, 2020）。这些研究明确表明，现实的神经网络是以概率方式运作的，并受到内在噪声的影响。同样的结论也适用于所有生物系统。例如，人类社会通过决策来运作，无论是在经济、金融、管理、医学、数学、数据科学、心理学、生物学、社会科学、哲学、计算机科学（Hansson, 2005; Peterson, 2009）还是人工智能的创造（Luger和Stubblefield, 2004; Rich等人, 2009; Poole和Mackworth, 2017; Neapolitan和Jiang, 2018; Russell和Norvig, 2021）等领域。最常用的决策理论基于期望效用的概念（von Neumann和Morgenstern, 1953）。然而，众所周知，现实中的决策者并不完全遵循规范化的期望效用理论，他们的决策不仅受到备选方案效用的影响，还受到情绪的影响。行为决策理论试图描述受情绪影响的决策者的实际行为。实际上，行为决策理论并不是一个完整的理论，而是一系列试图解释与决策行为相关的心理知识的描述性方法的统称。尽管被称为理论，但它实际上是多种心理原则的组合，仅限于定性解释，尚未建立公理化体系（Takemura, 2014）。本文提出的概率方法与基于行为价值函数最大化的确定性方法不同，后者包含了用于表征情绪的额外术语。

**实证观察**
实证观察表明，人类在决策时会受到各种偏见、情感、道德和伦理倾向等的影响，这些都可以统称为情绪。情绪通常被认为是潜意识的和非理性的，且难以控制，具有随机性。因此，情绪可以被视为一种内在噪声。为了考虑情绪对人类行为的影响，有必要量化它们在重复决策过程中的作用。许多实验观察表明，情绪在高级决策中起着预测作用。这一发现表明，情绪与决策之间的关系不仅仅是认知能力的反映，更是情感对战略决策理解的体现（Sambol等人, 2025）。研究表明，行为的经验后果会随着时间整合成一种统一的情感体验，反映了当前资源在当前需求下的状况（Asutay和Vastfjall, 2024），这表明对情绪的表征需要采用动态概率方法（Elliott等人, 2022; Marques等人, 2024）。动态性自然地出现在重复决策的结果中，类似于迭代游戏中的时间步骤，其中网络中的参与者会收敛到一个均衡状态，通常是纳什均衡（Zhu等人, 2023a, Zhu等人, 2023b）。最近的一些大规模行为实验表明，当个体能够自由决策时，他们对不同对手的反应会有所不同，这些反应受到对手选择亲社会行为或反社会行为所引发的情绪波动的影响（Jia等人, 2025）。Jia等人（2024）使用Mote Carlo模拟研究了两组代理：一组节点代理遵循与所有邻居一致的策略，另一组链接代理根据特定互动调整策略，这些互动受到直接和间接情绪因素的影响。直接情绪影响两个互动代理之间的策略，而间接情绪则涵盖了第三方对战略决策的影响。研究发现，在自愿的囚徒困境游戏中，选择的自由会打破循环支配，但仍然维持合作（Jia等人, 2024）。

**情绪量化问题**
情绪量化问题包含两个部分。一部分是评估主体对外部信号（如听到声音或看到图片）的反应所体验的情绪。由外部事件引发的情绪的识别和评估已被广泛研究（Scherer和Moors, 2019; Vartanov等人, 2020; Hamid和Singh, 2023; Yu等人, 2023; Bhushanam和Kumar, 2024）。另一部分较少被研究，但更为重要和有趣，即情绪在决策中的作用。我们主张生物系统中的情绪类似于神经网络中的内在噪声。我们的目标是在这一观点的基础上，发展一种描述情绪在决策过程中作用的理论。考虑到人工智能与量子计算的融合（Glisic和Lorenzo, 2022），有人尝试使用量子技术来表征情绪对决策结果的影响。实际上，很久以前就有人提出量子效应可能在认知过程中发挥作用（Igamberdiev, 1993; Igamberdiev, 2004; Igamberdiev和Shklovskiy-Kordi, 2017）。情绪与量子测量下的内在噪声之间的相似性也被提及（Yukalov和Sornette, 2008; Yukalov和Sornette, 2011; Yukalov和Sornette, 2014; Yukalov和Sornette, 2018; Yukalov等人, 2018; Yukalov, 2023a）。然而，使用量子理论来描述决策似乎过于复杂，其中包含太多未定义的概念和参数，阻碍了形成完整自洽方法的可能性。批评量子决策方法的人认为，如果一个对象或事件需要量子描述，那么这个对象或事件必然是量子的，这与普遍接受的事实（大脑是经典对象）相矛盾（Koch, 1999; Koch, 2004）。因此，经典对象和事件应该允许用经典方法来描述（Yukalov, 2021; Yukalov, 2022）。在本文中，我们不讨论情绪的生理起源，但我们承认情绪确实存在并且对决策有强烈影响。由于情绪是随机的，因此需要用概率理论来表征它们，类似于有色内在噪声叠加在量子测量结果上的情况（Yukalov, 2023a）。我们的目标是开发一种有效的方法来描述受情绪影响的生物网络集体决策的动态运作。

**生物网络的总体运作**
本文建模的生物网络的总体运作包括以下步骤：在初始时刻，构成生物网络的代理们还没有时间相互交流，各自独立做出决策。他们的选择基于对可用备选方案效用的评估以及这些备选方案的情绪吸引力。这部分内容在第2节中描述。然后，代理们开始通过交换信息并模仿他人的行为来进行交流。这形成了多步骤决策过程，该过程因信息交流而变化。我们考虑到社会通常是异质的，由具有不同特征的多个群体组成，例如具有不同类型记忆（长时记忆或短时记忆）。描述该模型的主要方程式收集在第3节中。

**模型分析**
生物网络模型描述了一个能够表现出相当复杂运作动态的复杂社会。在第4节中，我们分析了根据网络参数可能出现的不同行为类型。我们发现了网络演化中的八种动态类型，包括收敛到稳定决策、持续决策振荡和混沌决策波动。在社会中，也可能存在仅基于理性基础进行决策的超理性代理，他们只考虑备选方案的效用，不受情绪影响，也不倾向于模仿。一个有趣的问题是，这类超理性代理的存在何时以及如何影响社会行为。这个问题在第5节中进行了研究。本文提出的概率生物网络模型描述了受情绪影响的现实代理的决策动态以及模仿其他社会成员行为的倾向。作为示例，我们考虑了埃尔斯伯格悖论，并展示了如何在所提出的方法框架内解决这一悖论。第6.1节描述了初始时刻的悖论解决过程，第6.2节讨论了埃尔斯伯格悖论的动态。第7节总结了全文。

**结论**
在初始时刻，每个代理都独立于生物网络的其他成员做出决策。决策涉及评估在给定备选方案之间的选择概率。选择基于备选方案的效用，同时受到情绪的影响，使某些备选方案具有吸引力，而其他备选方案则令人反感。情绪的作用类似于叠加在选择上的内在噪声。

**生物网络中的动态**
在前一节中，我们考虑了生物网络运作的第一个步骤，即代理们在进行交流之前的独立决策阶段。这一阶段是生物网络动态的初始条件。
一类特殊的生物网络是由人类或动物组成的社交网络。关于社交网络，已有大量的文献研究，这里我们仅提及几篇出版物（Nadel, 1957; Wasserman等人）。为了研究动态系统的可能状态，我们考虑了一种常见的情况：人们在两个选项A1和A2之间进行选择。为了简化符号表示，我们可以采用归一化条件，即使用以下符号：pj(A1,t)≡pj(t)，pj(A2,t)=1?pj(t)，fj(A1)≡fj，fj(A2)=1?fj，qj(A1,t)≡qj(t)，qj(A2,t)=?qj(t)。在后续的数值计算中，我们不失一般性地设定I=1，并以τ为单位来衡量时间。动态系统的数值分析在理解其行为模式方面具有重要意义。

尽管纯粹理性的决策者较为罕见（因为决策总是伴随着情感（De Sousa, 1987），但仍有人试图在决策过程中尽可能地保持理性。一个有趣的问题是：完全理性、不受情感影响的超级理性决策者的存在会如何影响那些受情感驱动的决策者的行为？为了解答这个问题，我们设想了一个由三个群体组成的社会……

在时间初始时刻，各个代理独立做出决策。之后，他们开始通过交换关于自己选择的信息来进行交流。为了具体说明这一方法，我们以埃尔斯伯格悖论（Ellsberg, 1961）为例。这个悖论有多种变体（Machina, 2009, Machina, 2014）。在这里，我们遵循埃尔斯伯格（1961）的经典设定。

情绪在决策过程中扮演着非常重要的角色。有时，人们将情绪视为叠加在理性决策之上的均匀随机噪声，认为它只会干扰决策过程。然而，现代的观点认为，情绪不仅对最优决策有帮助，甚至是必不可少的。Stratton（2012）提供了一篇综述性文献，详细阐述了这一观点。由于情绪是在进化过程中逐渐形成的，这意味着情绪与人类的决策机制密切相关。

**作者贡献声明：**
Vyacheslav I. Yukalov：撰写——审稿与编辑，撰写——初稿撰写，验证，监督，方法论设计，数据分析，概念化。
Elizaveta P. Yukalova：撰写——审稿与编辑，可视化处理，验证，软件开发，方法论设计，数据分析，概念化。

**伦理审批：**
本文不包含任何涉及人类参与者或动物的实验研究。

**资金情况：**
本研究未获得任何来自公共部门、商业机构或非营利组织的专项资助。

**利益冲突声明：**
作者声明他们没有已知的财务利益冲突或可能影响本文研究结果的个人关系。