不确定性判断中概率分布的有损编码：认知压缩视角下的决策机制

研究人员针对人类在不确定性判断中如何编码概率分布这一核心问题，提出"分布编码(Distribution-encoding)"理论，挑战传统"概率最大化(Probability-maximizing)"范式。通过四项实验证明，人们将猜测视为概率分布的有损压缩，而非单一事件概率的表达。该研究为理解合取谬误(conjunction fallacy)等认知偏差提供新视角，发表于《Cognitive Psychology》，对认知科学和决策理论具有重要启示意义。

　　

在日常生活和科学决策中，人类 constantly 面临不确定性判断的挑战。传统观点认为，人们会根据事件发生的概率做出最优选择——例如在世界杯竞猜中，选择获胜概率最高的球队。然而这种"概率最大化(Probability-maximizing)"理论难以解释许多现象：为什么人们厌恶绝对正确但信息量低的猜测（如"某国将夺冠"）？为何会出现"银行职员琳达"等合取谬误(conjunction fallacy)？这些谜题暗示，人类判断可能遵循着更深层的认知逻辑。

为解开这个认知谜题，研究人员提出创新性理论框架：将猜测视为概率分布的有损编码(lossy encoding)。就像科学家用均值和标准差概括数据分布，人脑也会压缩复杂的概率信息。该团队通过四项精巧实验验证这一假说。在彩色球抽奖任务中，要求被试评价不同颜色组合的猜测质量（研究1）、自主生成猜测（研究2）以及从他人猜测反推概率分布（研究3）。研究4则复制经典区间估计实验，要求评估不同数值区间的猜测质量。所有实验均采用计算建模方法，比较压缩模型、概率最大化模型和精确性-特异性权衡模型的预测力。

关键技术方法包括：1）基于Kullback-Leibler(KL)散度的分布相似性度量；2）贝叶斯解码器建模听者推理过程；3）参数化模型比较（AIC和贝叶斯因子）；4）多水平分析（群体和个体层面）。实验样本来自Prolific平台，采用程序化生成的刺激材料和注意力检查确保数据质量。

研究结果揭示：

1. 猜测作为分布编码
   在彩色球任务中，人们并非简单选择概率最高的选项。当各颜色概率相近时，偏好包含多颜色的猜测；当某一颜色占优时，则选择单一颜色猜测。压缩模型能预测这种动态变化，而概率最大化模型无法解释。尤为关键的是，研究发现猜测质量与大小呈U型关系——中等大小猜测评分最低，这与特异性权衡模型的预测相矛盾。

2. 听者的分布解码
   研究3证明听者能准确反演说者的概率分布。当呈现"红球或绿球"猜测时，听者正确推断这两种颜色概率高于其他颜色。贝叶斯解码模型（r=0.81）与人类判断高度吻合，显示猜测确实传递分布信息。

3. 区间估计的认知机制
   研究4揭示人们评价数值区间时，会将其视为正态分布的编码。最佳拟合参数显示，听者将区间宽度解读为1.35倍标准差（k=0.74）。这解释了为何人们常给出"过度自信"的区间估计——实际50%置信区间被误标为95%，因为其旨在高效传递分布特征而非严格校准概率。

4. 认知偏差的新解释
   研究为合取谬误提供机制性解释。以"琳达是银行职员且女权主义者"为例，虽然其逻辑概率低于单独"银行职员"，但作为分布编码更优——能更好传达琳达特征的概率结构（KL散度0.72 vs 0.89）。类似地，析取谬误(disjunction fallacy)也源于分布编码需求。

这项研究建立了不确定性判断的新范式，证明人类认知系统将猜测视为概率分布的高效编码。理论贡献包括：1）统一解释多种认知偏差；2）连接认知科学与信息论；3）为理性决策提供新标准。实际应用中，该框架可改进风险评估、科学传播和教育设计。未来研究可探索不同文化背景下的编码策略，以及机器学习模型的分布编码能力。这项发表于《Cognitive Psychology》的工作，标志着我们对人类概率思维的理解迈入新阶段。