群体中可信度编码与推断的神经表征

《NeuroImage》：Neural Representation of Trustworthiness Encoding and Inference in Crowds

人群可信度感知的神经机制研究采用EEG解码与SHAP解释方法，发现群体编码通过早期整合面部特征加速社会印象形成，其神经表征与单个面孔存在共享机制，主要涉及中心-颞叶网络。

　　信任度感知在社会决策中扮演着至关重要的角色，尤其是在面对群体时，这种能力直接影响个体对整体的判断和行为反应。本文通过脑电图（EEG）解码和基于深度学习的可解释性方法，深入探讨了群体信任度感知的神经机制，揭示了大脑如何快速整合多个面孔信息以形成稳定的社会印象。研究不仅提供了关于信任度感知在个体与群体层面的神经动态的系统性分析，还通过跨解码方法发现，群体与单个面孔的信任度感知在神经表征上存在共享机制，这表明尽管存在整合过程，但信任度判断的基本认知框架并未发生根本性改变。

### 信任度感知的神经机制与社会决策

在日常生活中，人们经常需要对他人或群体的可信度进行快速判断，以指导社交和经济决策。例如，销售人员的面部特征可能在没有额外背景信息的情况下，直接影响消费者的信任度和购买行为。这种快速评估机制在群体情境中尤为重要，因为群体的面部印象往往能显著影响个体的合作意愿和行为选择。然而，尽管已有大量研究关注个体信任度的神经基础，关于群体信任度感知的神经机制仍然知之甚少。

### 群体信任度感知的神经动态

研究发现，群体信任度的神经解码发生在个体信任度之前，表明大脑在处理群体信息时能够更快地形成初步的社会印象。这一现象可能与群体感知中的“集合编码”（ensemble coding）机制有关。集合编码是指当多个对象同时或快速呈现时，大脑倾向于整合其共同特征并消除冗余信息，从而形成一个总体的统计表征。在群体信任度判断中，这种机制可能使大脑在早期阶段就对多个面孔进行整合，进而快速形成对整个群体的可信度评估。

进一步的分析显示，群体和个体的信任度解码存在一定的重叠，这表明尽管两者在信息处理方式上有所不同，但它们可能共享部分神经表征。这种共享性可能意味着，群体信任度的判断并不是一个完全独立的过程，而是在个体面孔处理的基础上，通过早期整合和更高层次的社会认知系统共同完成的。此外，研究还发现，中央-顶叶区域在信任度解码中发挥着重要作用，这些区域可能负责整合面部特征，并将其转化为社会印象。

### 行为与神经数据的相互印证

从行为角度出发，研究发现参与者在判断高可信度群体时，更倾向于选择“可信”选项，而在判断低可信度群体时则更倾向于选择“不可信”。这表明群体信任度的判断不仅受到面部特征的影响，还可能受到群体整体印象的引导。相比之下，单个面孔的判断则更为快速，这可能是因为个体面孔的处理不需要复杂的整合过程。

然而，群体信任度的判断过程却表现出更大的稳定性，这可能与集合编码的特性有关。集合编码通过抑制极端或不一致的个体特征，优先处理群体中的共同特征，从而减少感知偏差。这种机制可能使得群体信任度的判断更加一致，而个体判断则可能因单个面孔的特征变化而波动。此外，研究还发现，群体信任度的判断在某些情况下可能受到“放大效应”的影响，即群体的整体可信度可能高于其平均值，这种效应可能进一步增强信任行为的倾向性。

### 多变量分析与可解释性研究

为了更全面地理解信任度解码的神经机制，研究采用了多变量分析方法，包括支持向量机（SVM）、线性判别分析（LDA）和随机森林（RF）等算法。这些方法能够捕捉到单个时间点上难以发现的复杂模式，并揭示出群体和个体信任度感知在时间维度上的差异。例如，群体信任度的解码起始时间明显早于个体，这可能与大脑对群体信息的快速整合有关。

此外，研究还引入了SHAP（SHapley Additive exPlanations）方法，用于解释模型的决策过程。SHAP能够量化不同通道对模型预测的贡献，并揭示出在群体和个体信任度判断中，哪些脑区和时间点发挥了关键作用。结果显示，群体和个体的信任度解码虽然在某些方面存在差异，但总体上共享了相似的神经通道。这种共享性进一步支持了集合编码在信任度判断中的作用，即它并不改变信任度判断的基本机制，而是通过早期整合提供输入，从而加快社会印象的形成。

### 神经表征的稳定性与动态变化

通过时间泛化分析，研究发现群体和个体的信任度解码在时间上具有一定的稳定性。这种稳定性可能反映了大脑在处理群体信息时，能够持续地提取并整合相关信息，从而形成一个一致的神经表征。相比之下，个体信任度的解码可能在时间上表现出更大的波动性，这可能与个体面孔处理的复杂性有关。

值得注意的是，某些神经通道在群体和个体信任度解码中表现出不同的重要性。例如，在群体信任度判断中，中央和前额叶区域的贡献更为显著，而个体信任度判断则更依赖于顶叶和枕叶区域。这种差异可能反映了群体和个体信任度判断在神经处理上的不同侧重点，即群体判断可能涉及更多的注意力调节和整合过程，而个体判断则更关注于面部特征的细节。

### 群体信任度与社会认知的互动

研究还发现，群体信任度的神经表征与社会认知系统之间存在密切的互动。尽管集合编码主要负责早期的面部特征整合，但后续的信任度判断则依赖于更高层次的社会认知系统。这种系统可能包括对群体行为模式的预期、对社会规则的理解以及对他人意图的推测。因此，群体信任度的判断不仅是对面部特征的整合，还涉及更复杂的认知过程。

此外，研究中提到的“反向层级理论”（reverse hierarchy theory）为理解这种互动提供了理论支持。该理论认为，视觉处理从整体到局部，即先提取场景的全局信息，再逐步细化到局部细节。在群体信任度判断中，这种机制可能表现为先快速形成对群体的整体印象，再根据个体面孔的特征进行调整。因此，群体信任度的判断可能比个体更依赖于整体信息，而不是个别细节。

### 研究的局限性与未来方向

尽管本研究提供了重要的见解，但仍存在一些局限性。首先，刺激呈现的时间长度可能影响注意力分配和整合深度，因此未来的研究可以进一步探讨不同呈现时间对群体信任度判断的影响。其次，由于EEG的空间分辨率有限，无法精确定位特定脑区的活动，因此结合功能性磁共振成像（fMRI）等高空间分辨率技术可能会提供更精确的神经机制描述。最后，SHAP方法虽然能够解释模型的决策过程，但其依赖于特定的模型结构，因此未来的研究可以探索更多不同的解释框架，以更全面地理解神经表征的动态变化。

### 结论

综上所述，本研究通过整合行为分析、多变量模式分析和可解释性方法，揭示了群体信任度感知的神经机制。研究发现，群体信任度的判断不仅依赖于集合编码，还涉及更高层次的社会认知系统。这种机制使得群体信任度的判断更加稳定和快速，为理解社会认知和群体决策提供了新的视角。未来的研究可以进一步探索群体信任度感知的神经基础，以及如何通过改进实验设计和结合更多神经成像技术，更全面地揭示这一复杂过程。