编辑推荐：
人类决策如何适应复杂社会环境机制不明，研究人员通过 Minecraft 虚拟环境集体觅食任务，结合视觉和空间数据研究非社会和社会学习策略。结果显示个体成功驱动策略变化，适应度可预测表现。该研究整合相关理论，助力理解人类决策适应性。
在人类认知的奇妙领域中，我们虽拥有强大的适应不同环境的能力，但这背后的机制却如神秘面纱，尤其是在非社会和社会学习情境下的适应机制，一直缺乏统一的理解框架。以往研究大多将非社会学习和社会学习孤立开来，前者常假设决策者在真空中行动，后者则常简化或忽略个体学习机制。尽管理论模型表明社会和非社会学习者达到某种平衡时会有最佳结果，但人们在现实条件下如何动态平衡这两种学习方式，以及如何适应不同环境，依旧是未解之谜。比如，我们不知道适应是由非社会还是社会线索驱动，这些机制之间又如何相互作用。此外，在社会情境中对动态策略选择进行建模也困难重重，因为社会信息的可用性和质量会随着个体决策和群体动态不断变化。为了揭开这些谜团，来自德国图宾根大学人类和机器认知实验室、马克斯?普朗克人类发展研究所等机构的 Charley M. Wu、Dominik Deffner 等研究人员，开展了一项极具创新性的研究，相关成果发表于《Nature Communications》。
研究人员采用了一系列关键技术方法。在实验环境搭建上，利用 Minecraft 游戏引擎构建虚拟环境，让参与者在 20×20 的资源块区域中进行集体觅食任务。通过自定义的数据记录模块收集实验数据，包括地图日志和玩家日志，以获取高分辨率的空间轨迹和方向信息。同时，开发基于 Unity 游戏引擎的工具自动转录视觉场数据，以此确定参与者在不同时刻可见的对象。在数据分析方面，运用层次贝叶斯回归（Hierarchical Bayesian regressions）来分析实验操作的影响，通过计算模型来预测个体的觅食决策。
行为结果
研究人员首先探究环境和社会信息对行为模式的影响。通过分析归一化奖励率发现，参与者在平滑环境中获得的奖励更多，但社会条件对奖励获取无显著影响，且任务过程中也未发现元学习的证据。进一步研究发现，在平滑环境中，参与者获得奖励后会更倾向于在本地觅食，而在随机环境中则相反，且这种适应性差异与个体表现相关。在社会互动方面，研究人员计算了参与者之间的平均成对距离和社会可见性。结果表明，在随机环境中，参与者之间的社交距离更大，且会减少社会可见性；而在平滑环境中，参与者之间的社交距离与非社会基线无显著差异，且相互观察更多。此外，通过社交网络分析发现，在平滑环境中，接近网络的特征向量中心性（Eigenvector centrality）与奖励呈正相关，而在随机环境中则无此关系；在可见性网络中，入度（in-degree）和出度（out-degree）存在不对称性，且在平滑环境中更为明显。最后，对社会互动的时间动态分析揭示，在平滑环境中，个体奖励与空间接近度和视觉场数据之间存在成功依赖的空间循环模式，且参与者的社会注意力会根据个体表现进行适应性调整，更倾向于关注成功的个体。
社会影响和领导力
研究人员受研究野生狒狒集体决策方法的启发，分析了 “拉动” 事件的频率，以此研究领导者 - 追随者动态。结果发现，在随机环境中，从单独到群体回合，“拉动” 事件减少；而在平滑环境中，“拉动” 事件增加。通过计算领导力指数发现，领导者在拉动事件中的瞬时奖励率更高，但领导力和入 / 出度并不能预测整体表现。
计算建模
研究人员使用计算建模框架来预测参与者的觅食决策。模型包含非社会特征和社会特征，非社会特征如局部性（Locality）、块可见性（Block Visibility）和奖励预测（Reward Prediction），社会特征如成功接近度（Successful Proximity）和不成功接近度（Unsuccessful Proximity）等。通过比较不同模型发现，在群体回合中，结合了区域限制搜索（ARS）和条件学习（Conditional learning）的 ARS+Cond 模型表现最佳；在单独回合中，ARS 模型表现最佳。对模型权重的分析表明，参与者的决策受环境和个体表现的影响，在平滑环境中更依赖成功玩家的信息，且随着个体无奖励时间的延长，对社会信息的依赖增加，对成功玩家的选择性也更强。
研究结论表明，个体的非社会和社会学习机制会根据环境和个体表现进行动态调整，且个体成功是驱动这些适应机制变化的关键因素。同时，非社会和社会学习机制的适应性程度能够很好地预测个体表现。该研究整合了以往非社会觅食和社会学习的理论，揭示了这些机制相互放大的关系，为理解人类在复杂动态社会环境中的决策制定提供了新的视角，也为未来研究非空间领域的社会互动奠定了基础。然而，研究也存在一些局限性，如在随机环境中仍存在成功偏向的社会学习，未来可通过使用反相关环境等方式进一步研究。此外，研究可考虑使用非消耗性奖励环境，以更好地理解集体协调在长期创新中的作用。同时，随着虚拟现实技术的发展，未来研究可进一步提高实验的生态效度，探索更多社会学习机制在不同情境下的作用。
