你不是天生就愛跟風：社會特征學習理論揭示人類“隨大流”的秘密

基本信息：

Title:Feature-based reward learning shapes human social learning strategies

發(fā)表時間:2025.7.23

Journal:Nature Human Behaviour

2025影響因子：15.9

省流總結

• 核心論點：本研究認為，我們多樣化的社會學習策略（例如，跟風、模仿專家）并非一套固定的、天生的心智規(guī)則。相反，它們都源于一個單一的、根本性的、領域通用的學習機制：獎勵學習。我們是基于“聽別人的話是否在過去給自己帶來了好處”這一經驗，來學習如何向他人學習的。
• 研究方法：作者將這一思想形式化為一個名為“社會特征學習”（Social Feature Learning, SFL）的計算模型。隨后，他們通過對近2000名參與者進行的六項嚴謹的線上實驗，并結合計算模型比較和基于智能體的模擬（agent-based simulation），對該模型進行了系統性的驗證。
• 關鍵發(fā)現：人類會根據個人的獎勵經驗，靈活地調整他們模仿誰以及如何模仿。幫助我們學習物理世界（例如，哪種漿果好吃）的基本學習機制，同樣也幫助我們學習社會世界（例如，哪些人值得模仿）。這個單一的機制可以解釋大量復雜的社會行為以及我們人與人之間的差異。

研究導讀

想象一個場景：你來到一座陌生的城市，饑腸轆轆，面對兩條街口的餐廳不知如何選擇。一家門庭若市，排著長長的隊伍；另一家則冷冷清清，只有零星幾位顧客。你會選擇哪一家？大多數人可能會毫不猶豫地走向那家排著長隊的餐廳。這個看似簡單的決定，背后其實隱藏著人類社會成功的核心秘訣——社會學習。我們無時無刻不在利用他人的線索——他們的選擇、他們的成功、他們的評價——來指導自己的行為，從而在這個復雜的世界里做出更優(yōu)的決策。

從選擇餐廳，到購買股票，再到接受一種新的科學范式，我們似乎擁有一套復雜的社會學習策略，比如“復制大多數人的行為”（隨大流）、“模仿成功人士的選擇”（看榜樣）等等。一個困擾了科學家數十年的核心問題是：這些策略究竟從何而來？它們是我們與生俱來、寫在基因里的固定程序嗎？還是一種我們通過后天經驗，不斷學習和調整的靈活技能？

一篇發(fā)表在頂級期刊《自然·人類行為》（Nature Human Behaviour）上的重磅研究，對這個根本問題提出了一個顛覆性的答案。這項研究不僅挑戰(zhàn)了該領域數十年來的主流理論，更提出了一個驚人簡潔且具有強大統一性的理論框架，揭示了我們究竟是如何向他人學習的。

研究動機：傳統理論的“光環(huán)”與“裂痕”

“固定啟發(fā)式”的大拼盤

在過去的幾十年里，源于演化生物學的“固定啟發(fā)式”（fixed heuristics）理論在文化演化領域占據了主導地位。該理論認為，人類的大腦中預裝了一個“心智工具箱”，里面裝滿了各種為社會學習量身定做的、彼此獨立的專業(yè)化規(guī)則，這些規(guī)則是自然選擇的產物。

這些啟發(fā)式規(guī)則包括了許多被廣泛記錄的策略，例如“復制大多數”（copy the majority），即我們常說的從眾或跟風；“復制成功者”（copy the successful），即模仿那些獲得高回報的個體；以及“在不確定時復制”（copy when uncertain）等等。研究人員已經識別出至少26種這樣的策略，它們共同構成了一幅社會學習策略的“大拼盤”或一個龐雜的“動物園”，每種策略都被認為是一個獨特的、為特定情境設計的心理捷徑。

理論的裂痕

盡管“固定啟發(fā)式”理論影響深遠，但它在解釋一些關鍵的觀察現象時卻顯得力不從心，而這些無法解釋的“裂痕”，正是催生本項研究的核心動機。

1. 靈活性（Flexibility）： 人類的行為并非刻板不變。我們會根據經驗改變使用社會信息的方式。如果“大多數人”的選擇總是錯的，我們會很快學會忽略他們，甚至反其道而行之。這種快速的適應性是“固定規(guī)則”理論難以解釋的。
2. 策略沖突（Strategy Conflict）： 當不同策略給出相互矛盾的建議時，大腦該如何決策？例如，當大多數人選擇的選項與最成功人士選擇的選項不同時，我們該聽誰的？“固定啟發(fā)式”理論沒有提供一個清晰的機制來解釋大腦如何解決這種沖突。
3. 個體差異（Individual Heterogeneity）： 現實生活中，我們既能看到堅定的從眾者，也能看到特立獨行的“獨行俠”。“固定啟發(fā)式”理論很難解釋這種普遍存在且相當穩(wěn)定的個體間差異，除非簡單地假設人們天生就不同，但這缺乏足夠的簡潔性和解釋力。

這些挑戰(zhàn)共同指向了一個更深層次的問題：或許社會學習的本質并非一套靜態(tài)的、預設的規(guī)則，而是一個動態(tài)的、不斷適應的學習系統。這促使研究者們進行一次根本性的范式轉換，將問題從“我們擁有哪些規(guī)則？”轉向“我們是如何學會這些規(guī)則的？”，從而為理解人類社會學習的本質開辟了一條全新的道路。

研究問題：一個更簡潔的統一理論

獎勵學習：一個全新的視角

面對傳統理論的困境，該研究的作者們提出了一個全新的替代理論：“獎勵學習解釋”（reward learning account）。這一視角認為，社會學習并非一種特殊、獨立的認知能力，而是建立在與所有獎勵學習相同的、領域通用的聯想學習機制之上。

其核心思想是，我們通過試錯來學習將環(huán)境中的各種“特征”（features）與最終的結果（獎勵或懲罰）聯系起來。至關重要的是，一個“社會特征”——比如“80%的人選擇了這個選項”——在大腦處理時，與一個“非社會特征”——比如“這個選項是藍色的”——并無本質區(qū)別。兩者都僅僅是信息片段，其預測價值都需要通過經驗來學習。

社會特征學習 (SFL) 模型的核心假設

研究者們將這一思想精確地形式化為一個計算模型——社會特征學習（SFL）模型。該模型建立在兩個可以被嚴格檢驗的核心假設之上。

• 假設一：社會學習由個體獎勵經驗塑造(Social learning is shaped by individual reward experience)。

我們并非盲目地跟隨大眾。相反，我們會為“多數人”這個線索學習一個“權重”（weight）。如果跟隨多數人能帶來獎勵，這個權重就會變成正數（我們傾向于從眾）；如果跟隨多數人總導致糟糕的結果，這個權重就會變成負數（我們傾向于反從眾）；如果它與獎勵無關，權重則會趨近于零（我們學會忽略它）。

• 假設二：社會與非社會特征共享同一學習機制(The same learning mechanism operates on social and non-social features)。

大腦中并不存在一個專門用于個體學習的系統和另一個專門用于社會學習的系統。它是一個統一的系統，負責學習環(huán)境中所有特征的預測價值。這是該研究最大膽、也最優(yōu)雅的論斷。

SFL模型的真正力量在于其簡潔性和統一性。它試圖用一個通用的學習機制，來取代那個包含26種以上特殊規(guī)則的“大拼盤”。這正是一個強大科學理論的標志。通過將社會學習與認知科學中根基深厚、甚至獲得過諾貝爾獎的強化學習理論（如Rescorla-Wagner模型）聯系起來，SFL模型為這個古老的問題提供了一個全新的、基于第一性原理的解釋。它優(yōu)雅地消除了“個體學習”與“社會學習”之間的人為界限，揭示了它們可能只是同一個計算過程的兩個不同側面。

實驗設計：對模型的嚴密“拷問”

為了檢驗SFL模型的兩個核心假設，研究團隊設計了一系列環(huán)環(huán)相扣、層層遞進的實驗，堪稱對理論模型的一次嚴密“拷問”。

通用實驗范式

研究者設計了一個簡單但功能強大的任務范式。參與者需要通過反復在不同選項（例如，不同顏色的方塊）之間做出選擇來賺取獎勵。關鍵在于，每個選項都伴隨著社會信息（例如，有多少“之前的參與者”選擇了它）。

• 學習階段 (Learning Phase): 在這個階段，社會信息與獎勵之間存在明確的關聯。
• 一致（congruent）條件下，社會線索指向高回報的選項（例如，大多數人選擇了獎勵概率最高的方塊）。
• 不一致（incongruent）條件下，社會線索則具有誤導性（例如，大多數人選擇了獎勵概率最低的方塊）。
• 測試階段 (Test Phase): 參與者面對全新的選項，這些選項的獎勵概率完全相同。這一階段的設計旨在剝離獎勵的直接影響，從而純粹地檢驗參與者在學習階段習得的社會學習策略。他們是否還會繼續(xù)跟隨多數人，即使這樣做已經沒有實際好處了？

六個實驗的層層遞進

這一系列實驗的設計邏輯清晰，系統性地驗證了模型的各個方面，其嚴謹性堪稱典范。

對假設一的驗證：經驗為王（實驗 1-5）

實驗1和2首先確立了核心現象。在一致條件下，參與者學會了跟隨多數人（實驗1）或選擇給他人帶來高收益的選項（實驗2）；而在不一致條件下，他們則學會了反其道而行之。這種效應對于“他人選擇”和“他人收益”這兩種不同的社會線索都同樣穩(wěn)健。

實驗3證明了這種學習是“聰明”且有選擇性的。當同時呈現兩種社會線索（選擇和收益），但只有一種能真正預測獎勵時，參與者能夠準確地學會跟隨有用的線索，并忽略那個隨機的、無關的線索。

實驗4和5則展示了這種學習的廣度。該效應在更復雜的四選項場景中依然成立（實驗4）。更令人驚訝的是，在實驗5中，參與者在學習階段形成的對社會信息的態(tài)度（可靠或不可靠），能夠泛化到一個完全不同的任務中。那些學到“他人是可靠向導”的參與者，在后續(xù)一個估算任務中，也變得更容易受到他人意見的影響。

對假設二的驗證：關鍵實驗（實驗 6）

實驗6是整個研究的點睛之筆，它從探究“發(fā)生了什么”深入到“如何發(fā)生的”，直接檢驗了SFL模型最核心的機制假設。

• 引入“特征競爭” (Feature Competition): 這是源自經典聯想學習理論的一個著名現象。如果兩個線索（例如，鈴聲和燈光）同時預示著同一個結果（例如，食物），那么大腦對每個線索的單獨學習程度，會比只學習其中一個線索時要弱。因為這兩個線索“競爭”了對結果的預測信譽。
• 巧妙的設計: 參與者在兩種情境下學習關于顏色方塊的價值：
• 單一（single）條件：只有顏色本身能預測獎勵。
• 組合（combined）條件：顏色和一條社會線索（多數人的選擇）同時預測獎勵。
• SFL模型的預測: 如果社會線索和非社會線索由同一機制處理（假設二），那么在組合條件下，社會線索就應該與顏色線索發(fā)生競爭。這意味著，相比于單一條件，參與者在組合條件下對顏色價值的學習應該會更弱。
• 決定性的結果: 在最后的測試階段，當把兩種條件下學到的顏色直接進行比較時，結果完美地印證了模型的預測。參與者對在組合條件下（即與社會線索一同學習）的顏色的偏好明顯弱于在單一條件下學習的顏色。這一結果為社會信息與非社會信息之間的特征競爭提供了強有力的證據，從而支持了存在一個統一學習系統的觀點。

這一系列實驗的設計邏輯堪稱教科書級別。從確立基本效應，到檢驗其普適性、特異性、復雜性和泛化性，再到最后通過一個精巧的設計直擊底層機制，每一步都建立在前一步的基礎之上，系統性地排除了其他解釋，為最終的結論提供了堅不可摧的證據基礎。

核心發(fā)現：三位一體的證據

該研究的結論并非建立在單一的證據之上，而是由行為數據、計算模型和模擬結果構成的“三位一體”的證據鏈，共同指向一個統一的解釋。

1. 行為證據：人類是靈活的社會學習者

貫穿上述六個實驗，近兩千名參與者的數據一致表明，人們并不會機械地使用固定的策略。他們對社會信息的依賴程度，被“這些信息是否有助于獲得獎勵”這一經驗，有力且迅速地塑造著。當人群是智慧的，他們學會成為從眾者；當人群是愚蠢的，他們則學會成為特立獨行者。

2. 計算證據：SFL模型勝出

作者將他們提出的SFL模型與另外兩個有影響力的替代理論——“固定啟發(fā)式”模型和“價值塑造”（value shaping）模型——進行了正面交鋒。

通過嚴格的計算模型比較方法（如保護性超越概率，protected exceedance probability，PXP），SFL模型在解釋所有六個實驗的參與者選擇數據方面，都提供了顯著更優(yōu)且更簡潔的解釋。不僅如此，它在預測新實驗數據的能力（即“樣本外預測”）上也表現出眾。這表明，SFL模型不僅是一個定性上合理的故事，其背后的數學原理也得到了數據的有力支持。

3. 模擬實驗證據：從簡單規(guī)則到復雜策略的涌現

這或許是整篇論文最深刻的發(fā)現。研究者創(chuàng)建了一個虛擬世界，其中的“智能體”（agents）只被賦予了SFL模型這一條簡單的學習規(guī)則，然后將它們置于不同的環(huán)境之中。

結果是驚人的：這些智能體在沒有被預先編程的情況下，自發(fā)地“涌現”出了那些過去被認為是固定啟發(fā)式的復雜社會學習策略。

• 穩(wěn)定的環(huán)境中，它們學會了“復制大多數”。
• 時間多變的環(huán)境中，它們學會了降低對多數人信息的權重，轉而更依賴近期的個體收益信息。
• 空間多變的環(huán)境中（頻繁在種群間遷徙），如進化論所預測，它們學會了依賴多數人的選擇。
• 危險的環(huán)境中（即選錯代價極高），它們從眾的傾向變得異常強烈。
• 資源競爭激烈的環(huán)境中，它們甚至學會了避開大多數人的選擇，以尋找未被開發(fā)的資源。

這一系列的模擬雄辯地證明了，一整套復雜且適應性極強的社會學習策略，可以作為單一、簡單的獎勵學習機制與不同環(huán)境結構相互作用的自然產物而出現。這從根本上改變了我們對這些策略起源的看法：它們不是被預設的，而是被學會的。這種從個體微觀心理機制（獎勵學習）到宏觀社會及演化現象（群體策略）的連接，為SFL理論的普適性和解釋力提供了最終的、也是最強有力的支持。

編輯部觀點：

重塑對文化與人性的理解

這項研究的意義遠不止于學術圈內的理論辯論，它為我們理解人類文化、社會乃至人性本身，都提供了深刻的啟示。

“打開社會學習的黑箱”

長期以來，文化演化領域的研究者們呼吁“打開社會學習的黑箱”，即不再僅僅滿足于描述各種策略，而是要揭示其背后的認知和神經機制。本研究通過SFL模型，提供了一個清晰的、計算上明確的、并經過經驗驗證的機制，有力地回應了這一號召。

學習與演化的新關系

SFL模型與“固定啟發(fā)式”理論的關鍵區(qū)別在于適應的時間尺度。SFL模型強調的是在個體一生中發(fā)生的快速學習，這遠比跨越數代人的自然選擇要快得多。這意味著，人類文化可能比我們之前基于純粹演化模型所想象的，具有更強的靈活性和更快的適應速度。

當然，這并非否定演化的作用。自然選擇可能塑造了我們學習系統的“初始參數”，例如我們對某些社會線索的初始偏好（先驗權重）或我們的學習速率。但這項研究明確地將“經驗”放在了決定具體策略的駕駛位上。

解釋個體差異之謎

SFL模型為“為何人與人之間如此不同”這一古老謎題提供了一個極具說服力的解釋。我們所看到的從眾者與特立獨行者之間的差異，可能并不僅僅源于天生的性格，而更多地源于他們截然不同的學習歷史。兩個擁有完全相同學習算法的大腦，如果一個人的經驗是“群眾的眼睛是雪亮的”，而另一個人的經驗是“真理往往掌握在少數人手中”，他們就會發(fā)展出迥異的社會學習風格。該模型還預測，在更不確定的環(huán)境中，個體間的差異會更大——這是一個可以被未來研究檢驗的有趣假說。

結果總結

歸根結底，這項研究描繪了一幅關于人性的新圖景。我們并非自身演化歷史的“提線木偶”，機械地執(zhí)行著固定的程序。相反，我們是積極的、智能的學習者，基于現實的反饋，不斷更新著我們對這個社會世界的認知模型。我們不僅從他人那里學習，我們更是在學習如何從他人那里學習。而理解這個簡單而強大的機制，或許能讓我們離理解人類文化生生不息的引擎本身，更近一步。

局限性與未來展望

任何一項開創(chuàng)性的研究都有其邊界。作者也坦誠地指出了本研究的局限性，例如實驗采用了簡化的計算機任務和即時反饋，而真實世界遠比這復雜，充滿了延遲的獎勵和多維度的社會線索。

未來的研究可以在這個強大的框架之上繼續(xù)構建。例如，可以結合人工智能技術來探索更復雜的特征表示，研究更高階的推理性社會學習（如理解他人意圖），并在更自然的真實世界場景中以及在兒童發(fā)展過程中檢驗該模型。

Author information

第一作者兼通訊作者:David Schultner

Department of Clinical Neuroscience, Karolinska Institutet, Stockholm, Sweden.

卡羅林斯卡學院，臨床神經科學系（瑞典斯德哥爾摩）

通訊作者:Bj?rn Lindstr?m

Department of Clinical Neuroscience, Karolinska Institutet, Stockholm, Sweden.

卡羅林斯卡學院，臨床神經科學系（瑞典斯德哥爾摩）

Abstract

Human adaptation depends on individuals strategically choosing whom to learn from. A mosaic of social learning strategies—such as copying majorities or successful others—has been identified. Influential theories conceive of these strategies as fixed heuristics, independent of experience. However, such accounts cannot explain the flexibility and individual variability prevalent in social learning. Here we advance a domain-general reward learning framework that provides a unifying mechanistic account of pivotal social learning strategies. We first formalize how individuals learn to associate social features (for example, others’ behaviour or success) with reward. Across six experiments (n?=?1,941), we show that people flexibly adjust their social learning in response to experienced rewards. Agent-based simulations further demonstrate how this learning process gives rise to key social learning strategies across a range of environments. Our findings suggest that people learn how to learn from others, enabling adaptive knowledge to spread dynamically throughout societies.