Nature子刊：北京大学研究探索社交网络如何塑造决策背后的神经机制-杭州脑海科技有限公司

点击【下方卡片】关注我们~最新前沿资讯抢先看

开放转载，欢迎大家转发到朋友圈和微信群

可添加小编微信【13295818579】获取原文

在过去十年左右的时间里，社会科学家一直试图了解社交网络是如何影响人们的信念和行为的。尽管有很多关于这一主题的研究，但目前关于人类在群体环境中分享观点时大脑是如何做出决定的见解知之甚少。揭示当人类通过与社交网络中的其他人的互动做出决定时大脑中发生的事情，也有助于更好地理解社会群体中常见的现象。例如，它可以帮助揭示错误信息背后的神经基础、信息在社会群体之间的传播和两极分化的观点。

2023年2月16日，北京大学的朱露莎研究员及其研究团队在Nature Neuroscience（IF=28.771）上发表了题为“Neurocomputational mechanism of real-time distributed learning on social networks”的文章，研究通过将实时分布式学习任务与功能磁共振成像、计算建模和社交网络分析相结合，探究了人类如何在具有不同拓扑结构的节点网络中通过观察他人的决策进行学习。研究发现，基于社交网络过滤信息来源的神经计算机制可能会在相互关联的社会中导致有偏见的学习和错误信息的传播。

研究人员认为，当信息通过社交网络或非社交网络传播时，人类大脑处理信息的方式是不同的。这是由于在社会关系中传递的信息通常是纠缠的、矛盾的或不必要的，这使得大脑很难协调来自群体的不同来源的信息。

作为研究的一部分，研究人员要求一组受试者玩一个游戏，这个游戏涉及观察其他人的行为并从中学习。基本上，受试者被随机分配到一个临时的人工社会的不同“位置”，并且只能与他们在这个社交网络中的直接“邻居”进行交流。当受试者完成这个小组任务时，他们的大脑活动被功能性磁共振成像（fMRI）技术记录下来。

任务示意图

受试者的目标是通过观察邻居的决定来做出一系列的决定，就像通过观察自己的朋友看了什么电影来决定周末看什么电影一样，当受试者观察每个邻居做出的每个决定时，研究人员记录了受试者的大脑活动。

在记录了受试者的数据后，研究人员使用先进的计算模型进行了分析。这些模型使他们能够揭示他们观察到的大脑活动与受试者所做的决定之间的联系，从而深入了解受社交网络影响的决策过程中涉及的大脑过程。

研究结果显示，大脑的前额叶区域具有一个非常常见的学习信号，这反映了受试者在观察邻居的决策后更新决策的过程。值得注意的是，研究还检测到与人类在非群体环境下做决定时观察到的大脑活动模式不同。

更具体地说，研究发现，当受试者在群体环境中做决定时，他们更新信念的程度会根据邻居的变化而变化。这一程度取决于受试者与群体中邻居的联系程度，这与非群体环境中的信念更新非常不同。

德格鲁特的社会影响模型

从本质上讲，人们的大脑倾向于对关系更好的邻居的观察给予更高的权重，而对于关系更差的邻居，即使这些邻居拥有更有价值的信息，人们的大脑对其的观察也会给予较低的权重，甚至忽略。研究发现，人们大脑中被称为背侧前扣带回的部分的活动通常与调整行为以适应外部环境有关，在大脑处理从邻居那里观察到的决定时，同时关注和邻居的关系状况。

研究人员强调，可能导致社交网络中有偏见学习的大脑机制，反过来又会助长错误信息的传播。在未来，这可能会激发进一步的研究来检验发现的神经机制。在接下来的工作中，研究人员的目标是了解群居动物是如何逐渐学习社交网络的结构，以及大脑如何存储和检索这些信息的，以便于其根据特定的目标和环境做出灵活的决策。

通讯作者

朱露莎

参考文献

Jiang, Y., Mi, Q., & Zhu, L. (2023). Neurocomputational mechanism of real-time distributed learning on social networks.Nature neuroscience, 26(3), 506–516. https://doi.org/10.1038/s41593-023-01258-y

资讯来源

https://medicalxpress.com/news/2023-03-exploring-neural-mechanisms-social-networks.html

欢迎加入前沿资讯交流群，入群方式：

添加小编微信13295818579

备注（姓名-工作单位/院校-研究方向-文献交流）

（可扫描下方二维码）