社交疏离与非社会决策中的探索-开发权衡：基于计算模型的认知机制解析

本研究通过大样本在线实验结合计算建模，揭示了社交疏离特质(BAPQ aloof subscale)与探索-开发决策的关联。研究人员采用三臂老虎机任务和强化学习模型(RLCK)发现，高社交疏离个体表现出探索行为减少、决策噪声降低和选择粘性增加，这些特征由动机因素而非认知僵化驱动。该成果为理解社会动机与非社会决策的神经计算机制提供了新视角。

　　

在复杂多变的环境中，人类如何平衡探索新机会与利用已知收益的决策过程，一直是认知科学的核心问题。这种被称为"探索-开发权衡"(explore-exploit tradeoff)的现象，不仅影响经济决策和资源获取，更与社交互动中的关系建立密切相关。然而，传统研究多聚焦非社会情境，对个体差异如何通过底层认知计算机制影响决策策略知之甚少。尤其令人困惑的是，那些在问卷中自述社交疏离的人群，是否会将这种特质延伸到非社会领域的决策模式中？

明尼苏达大学(University of Minnesota)的研究团队在《Communications Psychology》发表的研究给出了突破性答案。通过招募1001名在线参与者完成改良版三臂老虎机任务，并结合Broad Autism Phenotype Questionnaire(BAPQ)量表评估，研究人员运用隐藏马尔可夫模型(HMM)和强化学习(RL)建模等计算精神病学方法，首次系统揭示了社交疏离特质与探索行为减少的量化关联。

研究采用的关键技术包括：(1)动态奖励概率设计的三臂老虎机任务(300 trials/人)；(2)BAPQ量表的三个子维度(社交疏离/行为僵化/语用障碍)评估；(3)基于Baum-Welch算法的HMM状态解码；(4)融合选择核(choice kernel)的强化学习模型(RLCK)参数估计；(5)稀疏典型相关分析(sCCA)识别行为-问卷关联模式。所有数据分析均通过Python和R实现，数据与代码已开源。

高社交疏离个体展现决策策略改变

通过分析选择转换概率发现，BAPQ社交疏离(aloof)得分与转换行为呈显著负相关(rho=-0.12)，而僵化(rigid)子量表无此关联。这种效应具有结果依赖性：高疏离个体更倾向于"赢留"(win-stay)而较少"输转"(lose-shift)，表现出对负性结果的异常敏感(rho=0.09)。

探索行为频率与持续时间的量化证据

HMM分析显示，高疏离个体不仅探索频率更低(rho=-0.13)，其探索持续时间也显著缩短(rho=-0.14)。有趣的是，他们的开发持续时间并未延长，表明这种差异源于探索动机减弱而非开发倾向增强。

计算机制解析：噪声与粘性而非僵化

RLCK模型揭示，社交疏离与决策噪声降低(rho=0.07)和选择粘性增加(rho=0.08)相关，但学习率仅呈边缘显著。这说明探索减少源于随机探索倾向下降和重复选择偏好，而非预期的认知僵化。

社交项目的特异性关联

sCCA分析鉴定出四个关键BAPQ项目(如"我更喜欢独处而非与人相处")，其组合得分与探索概率显著相关(rho=-0.13)。这些项目均涉及社交动机而非能力，支持"动机驱动"假说。

这项研究开创性地建立了社交动机特质与非社会决策的计算神经关联。其重要意义在于：(1)证实实验室决策任务可捕捉现实社会功能维度；(2)阐明社交疏离的探索减少源于动机性(降低决策噪声)而非认知性(保持学习率)机制；(3)为自闭症谱系的社交动机理论提供跨域证据；(4)开发的计算框架可拓展至其他精神障碍研究。未来研究可结合神经成像与社会性决策任务，进一步解析纹状体多巴胺系统在社会-非社会信息整合中的作用。