人類真的理性嗎？AI研究顛覆科學界長期認知

最新研究運用精簡型神經網路，揭開人類決策背後不為人知的運作機制。科學家長久以來研究人類與動物的決策行為，通常關注「近期經驗」與「試錯學習」如何影響行為模式。但傳統模型往往忽略關鍵決策要素，主要原因在於這些模型預設個體永遠會基於過往結果，選擇最符合邏輯或效益的選項。

在這項創新研究中，紐約大學心理學系助理教授Marcelo Mattar帶領團隊另闢蹊徑，運用人工智慧技術模擬更貼近現實的決策過程。他們建立微型人工神經網路，深入分析影響個人選擇的真實因素──無論這些決策是否真正有效。「我們不預設大腦『應該』如何學習最佳化決策，而是開發全新方法來發現大腦『實際上』如何學習做決定。」Mattar教授解釋，這項發表於《自然》期刊的研究「就像偵探辦案，真正揭露動物與人類的決策真相。透過這些體積微小卻能捕捉複雜行為的神經網路，我們發現了被科學界忽略數十年的決策策略。」

研究團隊特別指出，相較於假設「最優行為」的傳統認知模型，這種精簡版神經網路能更準確預測動物選擇。關鍵在於它們能清晰呈現「次優行為模式」。在實驗室任務中，這些微型網路的預測表現甚至媲美商用AI系統使用的大型神經網路。

「使用微型網路的優勢在於，我們能運用數學工具輕鬆解讀個體選擇背後的運作機制。」共同作者、加州大學聖地牙哥分校神經科學博士生李吉安強調，「若採用商用AI的大型神經網路，這項分析將困難許多。」

加州大學聖地牙哥分校生物科學學院神經生物學助理教授Marcus Benna補充說明：「大型神經網路雖擅長預測──例如推測您下次想看的電影──但極難簡潔描述這些複雜機器學習模型的運作策略。我們透過訓練最簡化的AI模型預測動物選擇，並運用物理學方法分析其動態過程，終於能用更易懂的方式闡釋其內部機制。」

理解生物如何從經驗中學習決策，不僅是科學界的重要目標，更能廣泛應用於商業、政府與科技領域。然而現有模型因過度強調「最優決策」，反而無法真實反映行為模式。

這項新研究建立的模型成功對應人類、非人靈長類與實驗鼠的決策過程。特別值得注意的是，該模型能預測「非最優選擇」，更貼近現實世界的決策本質──這與專註解釋「理想決策」的傳統模型形成鮮明對比。此外，紐約大學與加州大學聖地牙哥分校的科學家們開發的模型還能進行「個體化預測」，揭示每位受試者採用的不同決策策略。

「正如研究個體生理差異推動了醫學革命，理解決策策略的個體差異，可能徹底改變我們對心理健康與認知功能的處理方式。」Mattar教授總結道。

該研究獲得美國國家科學基金會、卡夫利腦與心智研究所、加州大學校長辦公室，以及加州大學聖地牙哥分校加州電信與資訊科技研究院/高通研究所等多方資金支援。