PNAS發表心理所合作研究構建的“賭徒悖論”大腦網絡模型

　　每個人都或多或少有過“賭徒悖論”（gambler’s fallacy）的經驗，即認為在投擲一枚硬幣時，連續得到多次正面后，下一次得到反面的機會將增高。中國有很多諺語與此類經驗有關，如“事不過三”、“三十年河東，三十年河西”。其之所以被稱為悖論，是因為它與概率論等規范理論相悖：通常情況下，正反面的可能性在每次投擲時都是一樣且獨立的，不依賴于以前投擲的歷史記錄。“賭徒悖論”，和其它很多類似現象一起，被經典心理學理論當作人類思維非理性的典型證據。 

　　在實驗室研究中也發現，當要求人們生成硬幣正反面的隨機序列時，所生成的序列中，“交替”（正反／反正）組合要明顯多于“重復”（正正／反反）組合，雖然在一個完全隨機的序列里，兩者應該一樣多。同時，在判斷序列的隨機性時，人們認為那些“交替”多于“重復”且比例約為6:4的序列更為隨機。直覺上，人們往往認為“交替”似乎比“重復”更代表隨機序列，雖然在隨機過程中兩者出現的概率相同。 

　　《美國科學院院刊》（PNAS）最新發表了一項心理所劉勛研究員參與的國際合作研究。科研人員通過神經計算建模，為“賭徒悖論”提供了神經科學理論基礎。這個模型包含一個100個神經元的隱藏層，最初這100個神經元與輸入層是隨機連接的，模型的任務是觀察和學習隨機產生的序列。研究人員發現隨著學習的深入，這100個神經元逐漸分化，有些成為“重復模式”（正正／反反）的檢測器，有些成為“交替模式”（正反／反正）的檢測器。奇妙的是，雖然環境中“重復”與“交替”模式的概率是一樣的，模型中“交替模式”檢測器的數目多于“重復模式”檢測器，顯示模型能自動發展出對“交替模式”更高的敏感性。目前，科研人員正開展進一步合作研究，利用磁共振成像技術，以期探明人腦中處理時間相關信息的腦網絡，以及這些網絡是如何相互作用引導人們對不確定性信息作出決策判斷的。 

　　“In other words, these neurons behaved just like the gamblers in a casino: when the outcome of a fair coin toss is a head, they are more likely to predict that the following toss will be a tail than to predict it will be a head, despite the fact that either pattern is equally probable.”文章的第一作者、德克薩斯州A&M大學健康科學中心助理教授孫彥龍博士這樣認為。 

　　該文的通訊作者，德克薩斯州A&M大學健康科學中心的王宏斌教授指出，這個研究顯示了人腦中的神經元能夠對某些關鍵時間相關的信息進行學習和反應。“The model’s rather surprising behavior has to do with the way these neurons encounter different patterns of heads and tails at different times,”王宏斌教授說，“How likely an event is to occur and when it is to occur are two different questions, and traditional theories do not often distinguish them, which can lead to problems.”王宏斌教授目前還擔任中國科學院行為科學重點實驗室學術委員會委員，他認為此研究成果對神經經濟學和機器學習等領域都有重要意義。他對該研究進一步評述到，“human brains are a product of millions years of evolution and they may be smarter than we think they are. The study shows that they are capable of capturing a much richer statistical structure buried in the environment. Finding the mathematics behind such capacity may help us to build smarter machines.” 

　　該文章受中國國家自然科學基金委“海外及港澳學者合作研究基金項目”（31328013）資助。文章的其他作者包括來自科羅拉多大學和美國HRL實驗室的研究人員。 

　　研究結果已在線發表于PNAS. Sun Y, O’Reilly RC, Bhattacharyya R, Smith JW, Liu X, Wang H (2015) Latent structure in random sequences drives neural learning toward a rational bias. Proc Natl Acad Sci USA. doi: 10.1073/pnas.1422036112 

　　Article：http://www.pnas.org/content/early/2015/03/05/1422036112 

　　Supplement： 

　　1、Texas A&M報道： 
　　http://news.tamhsc.edu/?post=committing-the-gamblers-fallacy-may-be-in-the-cards-new-research-shows 

　　2、CU Boulder報道：
　　http://www.colorado.edu/news/releases/2015/03/09/cu-boulder-brain-model-learns-think-gambler