人际关系圈是怎么形成的？大脑中有个社交导航系统……

图片来源@视觉中国

文 | 追问NextQuestion，讲者 | 高天宇，编辑 | 追问编辑团队

没有人是一座孤岛。

社会关系是人类生活的一个重要组成部分，我们如何处理繁杂的社会信息是一个涉及多个学科的问题。例如，如何组织建立人际关系网络？生活在复杂多变的社会关系中，人类是如何构建起独属于自己的社会关系图谱的？这背后的神经计算机制又是什么？

2023年6月23日，天桥脑科学研究院（Tianqiao and Chrissy Chen Institute，TCCI）和neurochat神聊共同举办的第四届TCCI-neurochat神聊在线学术会议上，来自北京师范大学的高天宇博士介绍了她在人际关系认知地图上的创新性工作：人类如何利用即刻的社交反馈建立人际关系社交图谱，如何从人类大脑中提取出这些图谱的形状，以及不同个体的不同认知图谱如何影响自己的社会决策。

早在上世纪，心理学家们就提出了人际关系圈的理论。无独有偶，在社会科学、神经科学等多个领域的研究者们都为人际关系评价赋予了两个维度：表示个人能力的power（能力）和表示每个人与他人之间联系的affiliation（亲切）。

具体来说，在我们每天生活的物理空间中，人们可以提取出一个虚拟的社交空间，在空间中存在着上述两个维度，所有的社会关系都可以投射到这个社会空间中进行表征，而人们在社交关系中进行的互动就可以类比于在物理空间中进行导航一样。但人际关系地图与真实的物理空间地图最显著的不同在于，物理空间地图一旦建成就以稳定的形式存在，不需要特别快速的更新；但社交地图由于人与人之间的人际互动而不断更替。因此如果它真的存在的话，应当具有一定的交互性和可变性。

▷图注：Navigating Social Space, Schafer, Matthew et al., Neuron。图源：由高天宇老师提供

真的存在社交认知地图吗？

和物理世界中的搜寻任务类似，在一个社交搜寻任务中，每个陌生人脸都在“能力”（可以带来多少利益）和“亲切”（有多少概率愿意分享利益）两个维度上被赋予不同分数。在一项实验中，研究者让被试学习每个人的每个维度上的分数，并在正式实验中在两个人脸中做出选择，并根据选择获得一定收益（收益由两个维度上的分数相乘得到）。

想要证明这个实验能真正反映人类在社交关系上的活动，需要排除两个主要的混淆因素。一个是“理性人假说”。“假说”认为，被试在做选择时应该只随着收益变化，而不关心利益背后相乘的能力或人品。在这样的假设下，能力高但吝啬的人和能力低但慷慨的人被选择的概率是相等的，但行为数据表明，人类并没有那么理性，我们更倾向于选择能力较弱但亲切的人。

另一个混淆因素是：偏好可能是由两个维度上的分数表示方式导致的。能力“值”由绝对分数表示，而亲切“度”由百分数表示。那么，行为上的差异是否有可能因人类对总量和比例这两种数字的敏感性不同所导致？为此，研究者进行了一个补充实验，将不同的人脸换成不同抽奖机器，被试经历的实验流程完全一样，只不过选择对象不再是人类。结果表明，人类并不会对中奖概率高的机器表现出特别的偏好性。这验证了之前实验中的差异是由于被试关注除了奖赏以外的社会信息而导致的。

社交认知地图背后的神经计算机制

强化学习是一个典型的机器学习模型，在强化学习过程中，预测与实际奖励之间的预测误差是学习发生的动力。为了解释这一现象，研究者认为在“能力”和“亲切度”两个维度上各自存在强化学习的过程。

下图展示了不同被试的训练结果，正如图中所示，最开始实验中的九张人脸集中在同一区域，而随着时间推进，不同被试根据自身原则将不同人脸放置在了社交空间中的不同位置，从而形成了不同形状。例如最左边的图代表了偏好友善的个体，该被试形成的认知地图在垂直方向（代表亲切度）的敏感度高于水平方向，因此形成了瘦瘦高高的形状。

▷图注：重构出来的不同个体的社交认知图谱。图源：由高天宇老师提供

为了更好地刻画不同个体形成社交认知地图的形状，研究者定义了类似角向量的参数：社会取向，该指标与行为之间的相关性印证了这个概念的有效性，也证明了构建的社交认知地图的合理性。

随后，研究者以强化学习模型中的预测误差作为调节因子，对实验收集的功能性磁共振成像（fMRI）数据进行了全脑分析。在经典的腹侧纹状体与中央外侧前额叶皮质脑区都发现了与奖赏有关的预测误差的编码，另外在额叶中更偏外侧的左侧前额顶叶皮质（dlPFC），腹外侧前额叶皮层（vlPFC），腹内侧前额叶皮质 vmPFC等脑区都发现了共同参与“能力”与“友善”两个维度相关的预测误差的编码。

值得注意的是，只有在被试对友善这个维度进行更新时，双侧岛叶（insula）脑区会呈现负向调节效应。也就是说，当被试发现在友善维度比预期更差时，脑岛会疯狂发放，产生负性的情绪体验。对脑岛区域进行进一步精细划分，研究者还发现只有低的友善预期偏差才会引起脑岛前端的区域活动——这个区域被认为与负向情绪息息相关，而低的能力预期不会引起其反应。

对两个维度都有编码的额叶脑区来说，如果之前的假说成立，从每个脑区提取出ROI应该呈现出逐渐发散的模式。研究者首先利用mds分析对每个脑区提取出两个维度，把不同面孔放入mds提取出来的二维空间中，计算发散程度发现重构出来的二维结构确实呈现出发散的趋势。

以上结论均证明了内侧和外侧额叶共同协助参与，构建出了一张二维的认知图谱。

如何利用图谱预测社会决策？

在确定了社交结构图谱在行为和神经活动中都稳定存在后，研究者们想要进一步探索这个地图中我们是如何表征同伴位置的？

最自然的猜想便是“在社交认知图谱中表征同伴位置的方式，和物理空间中的导航信息类似”。如果假设成立的话，在物理空间中寻找最优路线的模式就应该在该实验中得到复现。例如我们应该期待，海马、海马旁回、梭状回等区域会参与社交空间搜寻；并且是以物理空间导航中采取的六边形网格状编码方式来进行的。

研究者首先在许多经典脑区发现了六边形网格状编码方式，可惜在内嗅皮层却缺少这样的证据。因此研究者单独提取出内嗅皮层的ROI数据，计算了它们偏好的平均朝向，发现的确可以显著地预测行为中寻找同伴的个人偏好。

最后，作者还让被试进行了社会决策任务（一系列的助人行为或伤人行为），发现利用图谱中提取出来的形状特征可以很好的预测社会决策：人们会更倾向于帮助或避免伤害符合自己心理地图特征的同伴。

以上结论证明，在社会关系中根据个人偏好进行的社会关系导航系统，的确沿用了物理空间的导航系统。

最后，笔者对高天宇博士的科学报告做要点总结如下：

• 社交搜寻实验表明，在行为上人类会表现出对友善的社会偏好
• 在神经上，前侧脑岛会特异性编码由低友善水平诱发的负性情绪
• 二维社交空间中进行的社会互动会激活一般性的空间导航网络
• 人类内在的心理地图特征可以很好的预测社会决策

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

​Read More