PsyBrain 脑心前沿 / 决策与强化学习：顶刊文献解读专题 / A · 文献解读 / A063 · PNAS不确定环境下，社会学习如何决定集体决策的命运？揭

A063 PNAS | 不确定环境下，社会学习如何决定集体决策的命运？揭秘社会学习算法的效率-灵活性权衡

来源：公众号 PSY-Brain_Frontier ｜发布：2025-12-12 ｜原文链接

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

不错过每日前沿资讯

认知神经科学前沿文献分享

基本信息

Title:How social learning enhances—or undermines—efficiency and flexibility in collective decision-making under uncertainty

发表时间：2025.11.24

发表期刊: PNAS

影响因子：9.1

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

研究背景

在信息爆炸的现代社会，“随大流” 往往被视为一种生存智慧。从蜜蜂寻找花蜜，到我们在电商平台根据销量下单，亦或是投资者追逐热门股票，社会学习（Social Learning）让个体能够通过观察他人来规避高昂的“试错成本”。通常我们认为，群体智慧（Collective Intelligence）优于个人决策，因为群体能够过滤噪音，汇聚最优解。

然而，群体的力量并非总是正向的。历史和现实反复证明，社会学习也可能导致灾难性的“羊群效应”：由于盲目跟风，群体可能在环境发生剧变时集体陷入错误的路径，甚至引发金融泡沫破裂或网络谣言的病毒式传播。

这就引出了一个经典的科学难题：为什么社会学习有时能产生精准的群体智慧，有时却会导致集体的愚蠢？

既往的认知神经科学研究提出了两种截然不同的社会学习算法假设：一种认为我们不仅模仿行为，还会内化他人的偏好（价值重塑）；另一种认为我们只是在行为上从众，但内心保留独立判断（决策偏倚）。但这两种机制在群体层面究竟如何互动？特别是在环境充满不确定性且快速变化（Volatility）的当下，哪种策略更具适应性？这不仅是进化心理学的核心议题，更是理解人类社会动态及设计未来AI群体的关键线索。

研究核心总结

2025年11月24日发表于 PNAS 的该项研究，通过计算建模和进化博弈论模拟，深刻揭示了不同社会学习算法在集体决策中的权衡（Trade-off）机制。

Fig. 1. Overview of the agent-based simulations.

核心发现一：两种社会学习算法的计算本质差异

研究者在强化学习（Reinforcement Learning, RL）框架下，对比了两种核心算法：

价值重塑（Value Shaping, VS）：观察者将他人的选择视为一种“伪奖赏”（Pseudo-reward），直接更新自己对该选项的价值评估（Q-value）。即“别人选它，说明它真的好”。
决策偏倚（Decision Biasing, DB）：社会信息仅影响当下的选择概率（Action Probability），而不改变个体内部对选项的价值评估。即“虽然我跟风选它，但我对它的价值评价仍基于我自己的真实体验”。

Fig. 2. Pair-level performance of the DB and VS algorithms under complete and selective information sharing.

核心发现二：效率与灵活性的零和博弈

通过非静态多臂老虎机任务（Non-stationary Multi-armed Bandit Task）模拟，研究发现：

VS算法是“双刃剑”：在环境稳定的初期，VS策略能极快地促成群体共识，实现极高的决策效率（Efficiency）。然而，一旦环境发生逆转（原先最优的选项变差），VS群体极易陷入“信息级联”的陷阱。由于社会信号不断强化过时的选项价值，即便真实奖励已经消失，群体仍会固执地坚持错误选择，表现出极差的灵活性（Flexibility）。这种僵化现象在群体规模大、从众倾向（Majority Bias）强的情况下尤为严重。
DB算法具备鲁棒性：相比之下，DB群体虽然在稳定期达成共识的速度较慢，但由于其内部价值评估未受社会信号“污染”，一旦环境改变，它们能敏锐地通过自身的奖励预测误差（RPE）发现变化，从而快速掉头。

Fig. 3

核心发现三：进化稳定策略与罗杰斯悖论的破解

该研究最精彩的部分在于进化动力学分析。根据文化进化理论中的“罗杰斯悖论”（Rogers' Paradox），如果社会学习者只是单纯“窃取”个体学习者的信息，最终群体的平均适应度不会超过纯个体学习者。

但本研究发现，VS和DB的混合共存是进化的稳定终局（ESS）。

DB 智能体充当了“生产者”（Producer）的角色，它们对环境变化敏感，能够提供高质量的一手信息。
VS 智能体则充当“搜寻者”（Scrounger），它们利用DB产生的信息快速扩大优势。
这种“生产者-搜寻者”的动态平衡，使得混合群体能够在保持一定效率的同时，维持对环境变化的适应能力。

Fig. 4

理论与应用意义

这项工作并未停留在模拟层面，它为理解人类社会的错误信念固着（Belief Persistence）提供了计算层面的解释：为什么阴谋论或错误信息难以根除？可能是因为人类大脑更倾向于采用VS策略，将社会认同直接转化为内在价值。

此外，该研究对人机混合智能系统的设计具有重要启示：在一个由人类（倾向于VS）组成的系统中，为了防止集体走向僵化，引入少量采用DB算法（只跟风行为但不改变价值观）的AI代理或“特立独行者”，可能是维持系统韧性、打破信息茧房的关键。

图10

Abstract

Balancing efficiency and flexibility in collective decision-making is increasingly critical in modern societies characterized by rapid sociocultural and technological change. Recent research in cognitive neuroscience has proposed two contrasting computational algorithms for social learning: value shaping (VS) and decision biasing (DB). VS posits that others’ choices serve as “pseudo-rewards” that directly shape an observer’s valuations, leading them to prefer popular options even in the absence of outcome feedback. In contrast, DB confines the influence of social information to behavior—observers may imitate popular actions, but they update their valuations solely through personal experience. Although both algorithms facilitate individual adaptation under uncertainty, their interactive dynamics and group-level consequences remain largely unexplored. To address this gap, we developed computational models of VS and DB within a reinforcement learning framework and conducted agent-based simulations to examine collective performance in uncertain and dynamically changing environments. The results reveal a trade-off: VS enables rapid convergence and high efficiency in stable contexts, whereas DB promotes greater adaptability under environmental volatility. These differences are amplified in larger groups, particularly under strong majority influence. Importantly, evolutionary analyses indicate that both learning types can coexist stably, allowing their complementary strengths to enhance group performance. Together, our findings provide a computational and evolutionary account of how social learning can both enhance and impair collective intelligence—and suggest design principles for fostering resilient collective decision systems in human and AI societies facing rapid change.

图11