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 / A073 · NatCommun当行为同时影响你我，我们如何学会抉择？

A073 Nat Commun | 当行为同时影响你我，我们如何学会抉择？最新研究揭秘“社会脑”学习的神经计算机制

来源：公众号 PSY-Brain_Frontier ｜发布：2025-10-29 ｜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:Neurocomputational basis of learning when choices simultaneously affect both oneself and others

发表时间：2025.10.22

Journal：Nature Communications

影响因子：15.7

获取原文：

后台回复“文献”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

引言：利己还是利他？

想象一个熟悉的场景：你和一位好友共享下午茶，餐盘里只剩下最后一块你们都心心念念的提拉米苏。你会怎么做？毫不犹豫地把它据为己有（如果朋友也想吃，这便是一种“工具性伤害”），慷慨地让给朋友（一种“利他行为”），还是提议两人分食（实现“互惠互利”）？我们的日常生活，正是由无数个这样微小却深刻的社会决策构成的。在这些决策中，我们自身的利益常常与他人的福祉交织在一起，时而一致，时而冲突。

更重要的是，这些选择并非一次性的冷冰冰的计算。我们会从每一个结果中学习：分享蛋糕可能会增进友谊，而自私的行为则可能导致疏远。这个持续不断的学习过程，潜移默化地塑造了我们未来的社会行为模式，从简单的善意举动，到复杂的道德判断与经济抉择。

然而，这个学习过程的内在机制究竟是怎样的？在大脑深处，我们是如何精确地权衡为自己赢得一份收益与给他人造成一份损失的？这无疑是社会神经科学领域最核心、最引人入胜的问题之一。近期，一篇发表在国际顶级期刊《自然·通讯》（Nature Communications）上的研究，由Shawn A. Rhoads及其合作团队完成，为我们提供了一个极为精妙的解答。他们通过巧妙的实验设计和强大的计算模型，成功地窥见了那套支配我们学习如何与人为善或与人为恶的神经计算法则。

省流总结

对于时间有限的读者，以下是本研究最核心的发现：

核心问题：当一个选择同时影响自己和他人时，我们的大脑是分开记两本账（一本为自己，一本为他人），还是只记一本整合后的总账？
计算模型发现：大脑选择了更高效的“一本总账”模式，即“价值整合模型”。它会将给自己和他人带来的结果，根据不同的权重，整合进一个单一的“价值信号”里，用以指导未来的选择。
学习机制：这种价值的更新过程是“不对称的”。我们对于“自己的好消息”（例如意外获益）和“他人的坏消息”（例如对方意外受损）等不同类型的结果，其学习的权重（即学习率）截然不同。
个体差异：这种学习机制的差异与我们的人格特质紧密相关。研究发现，精神病态（psychopathy）特质水平越高的个体，从“他人”相关的结果中学习和调整行为的能力就越差，这为他们表现出的冷漠和亲社会行为缺陷提供了计算层面的深刻解释。
神经基础：一个由腹侧纹状体、前扣带回、脑岛和杏仁核等多个关键脑区组成的神经网络，共同协作，实现了这个复杂、精妙且不对称的社会学习过程。

研究背景

在复杂的社会互动中，我们的行为往往会产生复合型的后果。为了系统性地研究这一现象，科学家们将涉及自我和他人的社会选择大致归为四种基本类型，而这四种类型也构成了本次研究实验框架的基石：

互惠互利 (Mutual Benefit)：皆大欢喜的选择，既有利于自己，也有利于他人。
利他主义 (Altruism)：牺牲小我，成全大我的选择，即牺牲自己的利益去帮助他人。
工具性伤害 (Instrumental Harm)：损人利己的选择，为了自己的利益而伤害他人。
两败俱伤 (Mutual Cost)：对双方都造成损失的选择。

传统的社会决策研究，常常依赖于“一次性”的经济学游戏，例如“独裁者博弈”或“最后通牒博弈”。在这些游戏中，研究者观察被试在某个特定时刻会做出何种选择。这些研究无疑为我们理解人类的公平偏好、利他倾向等提供了宝贵的窗口。然而，它们如同对社会行为进行了一次“静态快照”，无法揭示这些行为偏好是如何随着时间，通过一次次的试错和反馈，被我们的大脑所学习和习得的 。

这正是本研究试图填补的关键空白。研究者们的目标，是超越静态的决策偏好，深入探索社会学习的动态过程。他们提出的问题是：当我们的行为日复一日地产生着对自我和他人的双重影响时，我们的大脑究竟遵循何种算法来更新我们对不同行为的价值判断？这不仅仅是理解“你是否慷慨”的表层问题，而是探究“你是如何学会慷慨的”这一更为根本的机制问题。这种从静态偏好到动态学习的视角转变，代表了对社会行为根源的更深层次的追问。

研究问题

面对一个同时影响自我和他人的复杂决策，大脑的学习系统究竟是如何解决这个难题的？为了找到答案，研究者巧妙地设计了一场“理论对决”，让两种关于社会学习的计算假说同台竞技。我们可以用一个生动的“大脑会计学”比喻来理解这两种假说：

价值模拟假说 (Value Simulation / “双账本”理论)：大脑是否像一个严谨的会计，同时维护着两个独立的账本？一个账本细致记录着“我的收益与损失”，另一个则完全独立地记录着“伙伴的收益与损失”。在做决策时，大脑需要分别查阅这两个账本，并以某种方式将它们结合起来。这种模式在某种程度上要求大脑去模拟他人的价值感受，即“换位思考”来更新他人的账本。
价值整合假说 (Value Integration / “单账本”理论)：或者，大脑是否是一位更讲求效率的会计？它会不会只维护一个整合后的“总分类账”？在这个账本里，对他人的影响（无论是收益还是损失）被视为一个特殊的“会计科目”，在被赋予一个特定的权重（例如，为我赚1块钱的价值可能高于为他人赚1块钱的价值）之后，直接被计入最终的总价值中。

这场理论对决的意义非同小可。它的结果将揭示大脑社会价值评估系统的底层架构——我们究竟是在认知上将“自我”和“他人”的价值表征严格区分开，还是最终会将所有与价值相关的信息（无论关乎谁）都转换成一种“通用货币”，在一个统一的价值尺度上进行计算和比较。

更深一层来看，这场对决也关乎大脑的一个基本工作原则：计算效率。大脑作为一个“认知吝啬鬼”，总是在寻求以最低的计算成本来解决问题。维持两个并行的价值流（“双账本”理论）在计算上无疑是更加昂贵和复杂的。相比之下，将所有信息整合到一个单一的价值流中（“单账本”理论）则是一种更为简洁、高效的策略。因此，如果“价值整合”假说最终胜出，这不仅是社会学习领域的一个重要发现，也为“大脑以效率为导向”这一更普适的认知科学原则在复杂的社会领域提供了有力的证据。

实验设计

为了精准地检验上述两种假说，研究团队设计了一套精巧的概率性社会强化学习任务，并结合了计算建模和功能性磁共振成像（fMRI）技术。

任务范式

参与者被告知他们正在玩一个游戏，他们的选择不仅会影响自己的得分，还会影响一位在隔壁房间的、素未谋面的“伙伴”的得分。在每一轮试验中，屏幕上会呈现几个抽象的几何图形（分形图），参与者需要从中选择一个。每个图形背后都隐藏着一套固定的概率，决定了选择它会为自己和伙伴带来积分奖励、积分惩罚，还是没有变化。

图10

四种社会情境的嵌入

尽管参与者对此毫不知情，但这些图形实际上精确地对应了前文提到的四种社会结果：互惠互利、工具性伤害、利他主义和两败俱伤。参与者的任务就是通过不断的尝试和观察结果，逐渐学习哪种图形是“好”的（例如，能带来更多奖励），哪种是“坏”的（例如，总是导致惩罚）。

关键的实验巧思：隔离信号

这个实验设计中最具创造性的一点，在于结果的呈现方式。在每一轮选择之后，参与者只能看到对自己或对伙伴其中一人的结果，而绝不会同时看到两者。例如，这一轮他们可能看到“你：+100分”，而伙伴的结果则被隐藏；下一轮则可能看到“伙伴：-100分”，而自己的结果被隐藏。

这个看似简单的设计，却是整个研究能够成功的方法学基石。它解决了神经影像学研究中的一个巨大难题：信号混淆。如果同时呈现两个结果，那么大脑在结果阶段产生的神经活动（BOLD信号）将是“自我相关的意外（预测误差）”和“他人相关的意外”两种信号的混合体，我们无法分辨哪个脑区在对哪个信号做出反应。而通过这种巧妙的“单信息通道”设计，研究者得以在每一轮试验中都获得一个纯净的、可分离的信号——要么是“自我预测误差”，要么是“他人预测误差”。这为后续的计算建模和模型驱动的fMRI分析精准地定位不同社会学习过程的神经基础，铺平了道路。

研究工具

计算建模：研究者运用了强化学习理论中的计算模型来拟合参与者的行为数据。通过模型，他们能够量化那些无法被直接观察到的内在认知变量，例如每个选项在参与者心中的期望价值（Q值），以及最关键的——不同类型的学习率（α）。
功能性磁共振成像 (fMRI)：一部分参与者在fMRI扫描仪中完成任务。这使得研究者能够实时追踪大脑各个区域的活动变化，并检验这些活动是否与计算模型中得出的关键变量（如期望价值、预测误差）的动态变化相对应。

图11

核心发现

1. 行为发现：与生俱来的“利己”偏向

首先，从最直观的行为选择来看，参与者普遍表现出一种以自我为中心的学习偏好。在整个学习过程中，他们选择“互惠互利”选项和“工具性伤害”选项的频率最高。这两种选项的共同点是都能为参与者自身带来潜在的收益。相比之下，纯粹“利他”（牺牲自己，帮助他人）和“两败俱伤”的选项则被选择得最少。这一结果清晰地表明，在没有明确指导的情况下，人们的行为学习天然地倾向于最大化自身利益。

图12

2. 计算发现：“价值整合”胜出，且学习“内外有别”

计算建模的结果为上述行为模式提供了深刻的机制解释。在所有竞争模型中，“单账本”模型（即价值整合模型，具体为1Q-4α1β模型）以压倒性优势胜出，最能解释参与者的选择行为。这为“我们通过将自我和他人相关的结果整合进一个单一的价值信号来学习”这一假说提供了强有力的证据。

更为关键的是，模型揭示了这种整合过程是高度“不对称”的。最佳模型显示，大脑使用了四种完全不同的学习率（α）来更新价值判断，每一种对应一类特定的“预测误差”（即结果与预期的差距）：

图13

对这些学习率参数的分析发现，人们从与自身相关的结果中学习的效率（αself）显著高于从与他人相关的结果中学习的效率（αother），同时，从积极结果中学习的效率（α+）也普遍高于从消极结果中学习的效率（α-）。正是这种在计算层面上的不对称学习机制，直接导致了我们在行为上表现出的“利己”偏向。

图14

3. 个体差异发现：精神病态的“学习缺陷”

这个强大的计算框架不仅解释了群体的平均行为，还能精准地捕捉人与人之间的差异。研究者发现，参与者在精神病态人格特质（psychopathy）量表上的得分，与他们特定的学习参数之间存在着惊人的关联。

具体来说，精神病态特质得分越高的个体，其与他人相关的学习率（αother）就越低。这意味着，他们在根据“他人的得失”来更新自身行为价值判断方面的能力存在显著缺陷。值得注意的是，他们为自己学习的能力（αself）是完好无损的。这种缺陷并非全盘的学习能力不足，而是一种高度特异性的“社会学习障碍”。这一发现为精神病态的核心特征——冷酷无情、缺乏共情和工具性地利用他人——提供了一个强有力的计算神经科学解释。它揭示了反社会行为的根源，可能深植于大脑处理他人相关信息的学习算法的失调之中。

图15

4. 神经影像学发现：为社会学习绘制大脑地图

价值信号的编码：模型计算出的、整合了自我和他人信息的“期望价值”（Q值），其信号强度与大脑内侧前额叶皮层（medial prefrontal cortex, mPFC）的活动密切相关。mPFC被广泛认为是是大脑的“价值计算中心”，这一发现证实了它在复杂的社会情境下依然扮演着核心的价值编码角色。

图16

预测误差的编码：当结果出现时产生的“意外”信号（即预测误差），则主要由腹侧纹状体（ventral striatum）和膝下前扣带回（subgenual anterior cingulate cortex, sgACC）等区域的活动来表征。这两个区域是强化学习和奖赏处理网络中的关键节点。

图17

不对称更新的神经网络：本研究最令人兴奋的神经发现，在于揭示了大脑是如何通过一个分工明确的神经网络来实现那四种不同的学习过程的。这正是“不对称价值更新”的神经实体。为了更清晰地展示这一复杂的发现，我们将其整理如下表：

图18

这张“大脑专业会计网络”图谱告诉我们，大脑并非用一个通用的处理器来处理所有类型的社会信息。相反，它拥有一套高度专业化的系统：腹侧纹状体和杏仁核等区域更关注与自我相关的奖赏；前脑岛则像一个警报器，专门处理对自身不利的结果；而膝下前扣带回（sgACC）则扮演了“社会良知”的角色，对他人（尤其是他人）的各种境遇都表现出高度敏感。正是这个由多个“专家”组成的网络，协同工作，才最终实现了我们复杂而又灵活的社会学习能力。

图19

图20

编辑部观点

1. 简单方案的优雅：大脑的计算效率

这项研究最核心的贡献，在于它为一个复杂问题提供了一个异常简洁和优雅的答案。为了在社会中有效学习，大脑并不需要运行一个耗费大量认知资源的、完整的他人心智模拟程序。相反，它采用了一种计算成本更低但效果显著的“价值整合”策略。它巧妙地将他人的得失，作为影响自身最终价值判断的一个加权变量来处理。这完美地体现了大脑在进化过程中形成的对计算效率的极致追求，即用最“经济”的算法来解决最复杂的问题。

2. 超越“好”与“坏”：道德的机制性视角

这项研究的发现，促使我们超越对人类行为进行简单的道德标签化。一个表现出“反社会”行为的个体，可能不仅仅是传统意义上的“坏人”，而可能是在其大脑的学习机器中，存在一个可被精确量化的功能性损伤——一个过低的“他人相关学习率”（αother）。这种“计算精神病理学”的视角，让我们得以将精神病态等复杂的人格障碍，不再仅仅视为一种“性格缺陷”，而是理解为一种在学习系统上的神经发育差异。这对于司法鉴定、临床干预乃至我们对人性的基本理解，都具有极其深远的意义。这标志着我们从描述行为现象，迈向了解释其内在计算机制的巨大飞跃，类似于从描述发烧症状到识别致病病原体的进步。

3. 一个统一的理论框架

通过证明同一个计算框架（不对称强化学习）可以解释四种截然不同的社会行为（从无私利他到损人利己），这项研究提供了一个极具整合力的统一理论。它暗示着，这些看似天差地别的社会行为，可能并非源于完全不同的认知过程，而仅仅是同一个底层学习算法在不同参数设置（即不同的学习率组合）下产生的不同输出。这为建立一个能够涵盖广泛亲社会与反社会行为的通用计算模型，奠定了坚实的基础。

4. 未来的路线图

这项研究出色地回答了社会学习“如何”发生的机制问题，但同时也为未来的探索留下了更广阔的空间。例如，为什么这些学习率在人与人之间存在如此巨大的差异？它们在多大程度上是由基因、成长环境和文化背景共同塑造的？我们是否有可能开发出相应的干预措施——无论是行为训练还是神经调控——来“校准”这些学习率，从而有效地促进亲社会行为？这篇论文不仅提供了答案，更重要的是，它为未来社会神经科学和计算精神病理学的发展，绘制了一幅充满希望的新路线图。

图21

Author information

第一作者兼通讯作者:Shawn A. Rhoads

Department of Psychiatry, Icahn School of Medicine at Mount Sinai, New York, NY, USA

美国纽约，西奈山伊坎医学院，精神病学系

Nash Family Department of Neuroscience, Icahn School of Medicine at Mount Sinai, New York, NY, USA

美国纽约，西奈山伊坎医学院，纳什家族神经科学系

Center for Computational Psychiatry, Icahn School of Medicine at Mount Sinai, New York, NY, USA

美国纽约，西奈山伊坎医学院，计算精神病学中心

Friedman Brain Institute, Icahn School of Medicine at Mount Sinai, New York, NY, USA

美国纽约，西奈山伊坎医学院，弗里德曼脑研究所

Department of Psychology, Georgetown University, Washington, DC, USA

美国华盛顿特区，乔治城大学，心理学系

图22

Abstract

Many prosocial and antisocial behaviors simultaneously impact both ourselves and others, requiring us to learn from their joint outcomes to guide future choices. However, the neurocomputational processes supporting such social learning remain unclear. Across three pre-registered studies, participants learned how choices affected both themselves and others. Computational modeling tested whether people simulate how other people value their choices or integrate self- and other-relevant information to guide choices. An integrated value framework, rather than simulation, characterizes multi-outcome social learning. People update the expected value of choices using different types of prediction errors related to the target (e.g., self, other) and valence (e.g., positive, negative). This asymmetric value update is represented in brain regions that include ventral striatum, subgenual and pregenual anterior cingulate, insula, and amygdala. These results demonstrate that distinct encoding of self- and other-relevant information guides future social behaviors across mutually beneficial, mutually costly, altruistic, and instrumentally harmful scenarios.

图23

推荐相关阅读

周报-20251020|认知神经科学前沿动态周览**⭐️[解读链接]****

周报-20251006 | 近两周解读的29篇顶刊论文汇总 | 认知神经科学前沿动态 ⭐️[解读链接]

周报-20250922 |认知神经科学前沿动态周览 *⭐️[解读链接]***

Nature |决策过程的动力学机制与神经模式转变 ⭐️[解读链接]

Nature |颠覆认知 ! “神经振荡”不成立？耶鲁团队提出大脑“伽马事件”新理论 ⭐️[解读链接]

Science |中国将领衔未来25年全球脑计划，剑指灵长类大脑地图 *⭐️[解读链接]***

Neuron |大脑如何区分现实与想象？伦敦大学学院团队最新研究揭秘“现实信号”的神经密码 ⭐️[解读链接]

Nature | 视觉系统新发现：压缩式的物体识别机制 ⭐️[解读链接]

Nat Hum Behav｜你不是天生就爱跟风：社会特征学习理论揭示人类“随大流”背后的秘密 *⭐️[解读链接]***

Nature |“读心术”成真？从瞳孔变化中解码大脑皮层完整时空动态 ⭐️[解读链接]

PNAS｜刷短视频停不下来？研究揭示“新奇感”是驱动人类探索的古老密码 *⭐️[解读链接]***

Neuron | 最强脑发育数据库RBC开放下载，6000+青少年大脑数据揭示精神健康的秘密 ⭐️[解读链接]

Nature 子刊综述｜大脑预测误差的核心回路 *⭐️[解读链接]***

前沿交流 | 欢迎加入认知神经科学前沿交流群！⭐️[解读链接]

图24

本文解读基于：Neurocomputational basis of learning when choices simultaneously affect both oneself and others，Doi：10.1038/s41467-025-64424-9。核心图表、方法细节、统计结果与讨论见原文及其拓展数据。点击左下角 “阅读原文” 可跳转到论文源网站界面。

分享人：饭哥

审核：PsyBrain 脑心前沿编辑部

图25