编辑推荐：
为探究自闭症个体概率学习机制，研究人员对比其与非自闭症者，发现二者有差异，对理解社交认知有意义。
在日常生活中，我们常常需要根据各种线索来做出判断和决策，比如通过观察他人的表情、语气和行为来推断其情绪和意图。这种根据线索和结果之间的关联进行学习的过程，被称为概率学习（probabilistic learning）。概率学习在社交认知中起着至关重要的作用，它帮助我们理解和适应复杂多变的社会环境。然而，对于自闭症患者来说，概率学习可能并非易事。
近年来，基于贝叶斯（Bayesian）或预测编码（predictive coding）原理的自闭症理论模型认为，自闭症个体在学习概率性线索 - 结果关联时，可能比学习确定性关联更具挑战性。一些研究支持了这一观点，发现自闭症儿童和成人在学习过渡概率时，与非自闭症人群存在差异，在概率逆转学习任务中也表现出不同的行为模式。但也有研究得出了相反的结论，发现自闭症和非自闭症个体在学习重复模式序列和各种统计学习任务中表现相似。这些相互矛盾的研究结果，使得我们难以准确理解自闭症个体概率学习的特点和机制。
为了填补这些研究空白，来自诺丁汉特伦特大学（Nottingham Trent University）、伯明翰大学（University of Birmingham）和雷丁大学（University of Reading）的研究人员 Jia Hoong Ong、Lei Zhang 和 Fang Liu 等人开展了一项研究，相关成果发表在《Molecular Autism》杂志上。该研究旨在深入探讨自闭症个体在概率学习方面的表现，具体考察目标线索的复杂性（从多个线索中推断单个线索或整合多个线索来学习关联）、关联的预测强度（弱预测与强预测）以及决策中对预测误差的整合这三个关键方面，是否存在与非自闭症个体的差异。
研究人员采用了多种技术方法来开展此项研究。在样本选择上，从 Prolific 平台招募了 52 名自闭症成人和 52 名非自闭症成人。实验设计了三个任务：单线索概率学习任务（single - cue probabilistic learning task），参与者需从多个线索中推断单个目标线索来学习线索 - 结果关联；多线索概率学习任务（multi - cue probabilistic learning task），要求参与者整合多个线索来确定与结果的关联；强化学习任务（reinforcement learning task），参与者要学习两个刺激在概率强化计划下的偶然性。数据分析上，使用 R 软件进行统计分析，对不同任务的数据采用相应的模型拟合和分析方法。
研究结果如下：
- 单线索概率学习任务：通过独立 t 检验和混合效应模型分析发现，自闭症和非自闭症参与者在辨别目标特征的能力上，除了在 x/o 辨别任务中自闭症参与者 d’得分更高外，其他方面无显著差异。在主要的单线索概率学习任务中，两组参与者在所有条件和阶段的表现均高于随机水平，且未发现涉及组别的显著效应或交互作用，表明两组在该任务中的表现相似，学习改进情况也相似。
- 多线索概率学习任务：同样采用混合效应模型分析，结果显示存在显著的条件效应以及组 × 阶段 × 条件的显著交互作用。在明确条件下，两组参与者在早期和晚期的表现相似；在模糊条件下，早期两组无差异，但晚期非自闭症参与者的表现优于自闭症参与者。这表明当关联为弱预测（40 - 60%）时，自闭症参与者在任务后期的表现不如非自闭症参与者。
- 强化学习任务：通过使用 hBayesDM 包拟合三种强化学习模型，并进行留一法交叉验证信息准则（LOOIC）模型比较，发现反事实模型（counterfactual model）对两组数据的拟合效果最佳。进一步独立 t 检验表明，自闭症参与者的学习率显著高于非自闭症参与者，这意味着自闭症个体在决策过程中更倾向于整合预测误差。
综合研究结果与讨论，该研究表明，在学习强预测性关联时，自闭症成人与非自闭症成人的表现相当，无论是从多个线索中推断单个线索还是整合多个线索进行学习。然而，在学习弱预测性关联时，非自闭症成人在任务后期的表现更优。此外，自闭症个体具有较高的学习率，更易在决策中整合预测误差，这或许可以解释他们在学习弱预测性关联时的非典型表现。这些发现对于理解自闭症个体的社交认知差异具有重要意义，因为社交认知中的线索和情境往往复杂且具有弱预测性，自闭症个体在处理这类信息时的困难，可能与他们在概率学习中的表现相关。但该研究也存在一定局限性，如无法确认自闭症样本的临床诊断、样本可能不具有代表性、任务设计可能影响结果等。未来研究可针对这些问题进一步探索，以更深入地揭示自闭症个体概率学习的机制及其与社交认知的关系。
