来源：脑科学
2020年8月25日，北京大学心理与认知科学学院、北京大学IDG麦戈文脑科学研究所、北大-清华生命科学联合中心的张航研究组在美国科学院院刊（PNAS）上发表了题为“The bounded rationality of probability distortion”的文章[1]，提出了一个新的理论模型来解释人类在加工概率信息时的系统性错误。她们发现，看似非理性的“概率扭曲”现象其实可能是大脑在有限的认知资源下优化信息传递的结果，可以借用诺贝尔奖和图灵奖获得者Herbert Simon的“有限理性”(bounded rationality)一词[2]来描述。
概率扭曲(probability distortion)指的是人们在判断和决策任务中对概率信息的系统性认知偏差，其广泛存在于几乎所有涉及概率信息的认知任务之中，并且在不同任务中表现出刻板相似的模式。即，人们通常会高估小概率、低估大概率；在少数情境中与此相反。然而，大脑为什么要以如此有规律的方式扭曲概率信息呢？
我们知道，人类的视知觉系统可以感知动态范围高达109的亮度信息（从微弱的星光到耀目的阳光）。但是，视知觉系统并不能在同一时刻表征如此巨大的动态范围；在明暗不同的环境中切换时（例如，进出一个黑暗的房间），我们会经历一段时间的暗适应或光适应。通过动态调整编码范围，视知觉系统得以用有限的编码资源实现对当前环境中亮度信息的有效编码。
受到视知觉系统编码策略的启发，文中提出，大脑可能是以类似的策略用有限的认知资源实现概率信息的有效编码，而概率扭曲是编码和解码过程的副产品。具体而言，认知资源的有限性决定了编码范围和编码精度之间存在着此消彼长的关系（示意图[文中图1b]如下）；选择适宜于当前环境的编码范围将有助于概率信息在大脑中的表征。基于此设想，文中提出了概率扭曲的有界对数赔率模型(Bounded Log-Odds Model，简称BLO)，并使用前人数据集和新的实验对模型进行了实证检验。
在概率判断（简称JRF）和风险决策（简称DMR）这两种不同的认知任务中，BLO对人们的行为数据的拟合都优于先前文献中的已知模型。并且，同一个体用于表征概率信息的认知资源数量在两种任务之间也存在着相关。不仅如此，在特定的认知资源限制下，人们在概率扭曲行为中实际表现出的概率编码范围接近于最大化客观概率值与内在表征之间的互信息（如下图[文中图5]所示），即，体现了有效编码原则。
BLO也预测，概率扭曲函数会随着当前环境中概率值分布的不同而不同。文中汇总了前人文献中12项风险决策的实验研究的结果，发现正如BLO所预测，实验中采用的概率值的变异性越大，概率扭曲的斜率会越小（如下图[文中图7a]所示）。
本研究与近期的两项研究[3,4]都表明，人们在判断和决策中的许多系统性认知偏差可能是认知系统在有限资源下优化信息传输的结果。这意味着，人们在判断和决策任务中表现出的认知偏差及其个体差异并不只是个人偏好的反映，而是与个体的认知资源息息相关。
输
本研究获得国家自然科学基金和北大-清华生命科学联合中心的资助。北京大学心理与认知科学学院的博士后任祥娟博士和纽约大学心理学系的Laurence T. Maloney教授是论文的合作者。
参考文献
[1] Zhang, H., Ren, X., & Maloney, L. T. (2020). The bounded rationality of probability distortion. Proceedings of the National Academy of Sciences, 201922401. doi:10.1073/pnas.1922401117
[2] Simon, H. A. (1982). Models of bounded rationality: Economic Analysis and Public Policy (Vol. 1). Cambridge, MA: MIT press.
[3] Polanía, R., Woodford, M., & Ruff, C. C. (2019). Efficient coding of subjective value. Nature Neuroscience, 22(1), 134-142. doi:10.1038/s41593-018-0292-0
[4] Bhui, R., & Gershman, S. J. (2018). Decision by sampling implements efficient coding of psychoeconomic functions. Psychological Review, 125(6), 985–1001. doi:10.1037/rev0000123
研究组介绍
张航
北京大学心理与认知科学学院研究员
北京大学麦戈文脑科学研究所PI
北大-清华生命科学联合中心PI
实验室研究兴趣：
生活意味着一次接一次的决策，而决策的难点是权衡一个行为可能带来的奖励和可能包含的不确定性。我们结合行为实验、计算建模和无创脑成像技术从多个层面来理解人类决策。
1. 知觉、注意、运动控制中的决策问题
下一时刻你会看向哪里？你只能看清注视点附近约5度范围内的世界；怎样分配这有限的视觉资源是一个重要的决策问题。我们关注知觉、注意、运动控制等领域中的各种决策问题，将人类的行为与贝叶斯决策理论(Maloney & Zhang, 2010, Vision Research)相比较。籍此我们可以从经济学的角度理解许多认知现象背后的为什么，探索人类行为模式和神经系统的可塑性。
2. 人脑如何表征和计算不确定性
你的大脑是怎样借助有限的神经元来实现各类决策所需的复杂运算？我们关注人脑如何表征自身和环境中的不确定性以及在决策中如何对不确定性进行权衡。例如，人脑对运动随机分布的表征具有怎样的数学特性(Zhang, Daw, & Maloney, 2015, Nature Neuroscience)；为什么在风险决策等多种任务中人脑会以类似的方式扭曲概率信息(Zhang & Maloney, 2012, Frontiers in Neuroscience)。
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
