编辑推荐：
在决策研究中，噪声对价值编码和选择行为的影响尚不明确。纽约大学研究人员开展 “Early versus late noise differentially enhances or degrades context-dependent choice” 研究，发现早期和晚期噪声对情境依赖选择行为影响相反，为相关争议提供统一机制。
在生活中，人们做决策时总会受到各种因素干扰，就像给清晰的决策过程蒙上了一层 “迷雾”，而这层 “迷雾” 就是噪声。经典理性决策理论认为，人们的选择和选择准确性不应受周围无关因素影响，就好比在水果选择中，喜欢苹果还是橙子，不应该因为香蕉的出现而改变。但大量研究发现，现实世界中从人类到昆虫，决策往往会受到情境的影响，比如在多个选项中，即便某个选项从未被选中，它的存在也会改变其他选项的选择行为。然而，目前关于情境依赖选择背后的具体神经机制却并不清楚。有一种解释是除法归一化计算（divisive normalization），它在神经系统中广泛存在，能调整神经元活动的表征，但这一理论也面临挑战，一些研究发现的情境效应与该理论预测不符，这就迫切需要一个统一的框架来解释这些矛盾现象。
为了解开这些谜团，纽约大学（New York University）的 Bo Shen、Duc Nguyen 等研究人员开展了深入研究，相关成果发表在《Nature Communications》上。
研究人员采用了多种技术方法。在实验设计上，通过 2×2 析因设计，构建了四种不同早期和晚期噪声组合的条件，让 55 名参与者完成两阶段任务。第一阶段，参与者对不同消费品进行主观货币估值，通过呈现方式的差异（实物或卡通图像）来调节早期噪声；第二阶段，参与者进行三元选择，在不同时间压力下（10 秒或 1.5 秒）做出决策，以此操纵晚期噪声。同时，研究人员还运用数值模拟，在 Matlab 环境中进行大量试验，模拟不同噪声条件下的决策过程，并比较了四个不同的模型，以此探究噪声和除法归一化对决策的影响。
研究结果主要体现在以下几个方面：
- 不同噪声源下的除法归一化：研究人员将早期噪声定义为在归一化过程之前输入值的变异性，可能源于感觉输入的不精确、奖励相关联想的模糊性等；晚期噪声则是归一化后神经处理的随机性，如价值编码神经元放电率的变异性。通过扩展算法模型，研究发现早期噪声和晚期噪声对情境效应有不同影响。
- 早期和晚期噪声预测相反的情境效应：模拟经典的三元选择实验发现，在晚期噪声条件下，情境输入会抑制其他选项的平均活动，降低目标活动之间的可辨别性，导致选择准确性下降，产生负情境效应；而在早期噪声条件下，增加情境输入的均值能提高归一化分母的信噪比（SNR），增强目标的表征和可辨别性，提高选择准确性，产生正情境效应。
- 混合噪声下的除法归一化可复制所有情境效应：在大脑中，早期和晚期噪声可能同时存在。研究发现，当早期和晚期噪声在模型中权衡时，会产生相反的情境效应。早期噪声占主导时，干扰项价值促进选择；晚期噪声占主导时，则损害选择准确性。通过量化情境效应的斜率，发现随着噪声从早期主导转变为晚期主导，情境效应会发生明显变化。
- 模型驱动的实验设计验证：实验结果表明，通过操纵早期噪声（物品呈现的模糊程度）和晚期噪声（时间压力），能有效影响参与者的决策准确性。模型比较发现，同时包含除法归一化和两阶段噪声的模型（Model 4）最能解释参与者的选择行为，该模型预测随着早期噪声增加，目标选择准确性先降低后提高，且晚期噪声会影响整体准确性和情境调制斜率。
在结论和讨论部分，研究人员发现，包含输入噪声的除法归一化模型可以解释所有观察到的情境效应。早期噪声下，情境选项能提高已有选项的表征，增强选择准确性；晚期噪声下则相反。这一研究结果通过实证人类选择行为得到验证，为情境依赖选择中的争议提供了统一的解释框架。它强调了噪声在神经处理和决策中的时间结构的重要性，也为未来研究如何分离情境方差和情境均值的作用提供了新视角。不过，该研究也存在一定局限性，比如无法直接测量选择过程中的早期和晚期噪声，且假设时间压力仅影响晚期噪声可能并不完全准确。但总体而言，这项研究为理解决策的神经机制提供了新的思路，有助于推动神经科学领域在决策研究方面的进一步发展。
