浣熊最优信息觅食：创新中的探索-利用权衡

《Animal Behaviour》：Raccoons optimally forage for information: exploration–exploitation trade-offs in innovation

　　

研究人员采用最优觅食理论（optimal foraging theory, OFT）方法研究一种成功的城市哺乳动物的创新行为。研究人员向圈养浣熊（Procyon lotor）呈现一个多通路谜箱（multiaccess puzzle box, MAB），该谜箱在三个难度级别（Easy, Medium, Hard）中各提供三种可能的解决方案。浣熊在成功解决每个较简单级别的解决方案类型后，逐级进入更高难度。与以往的多通路谜箱研究不同，研究人员允许浣熊在试验期间自由解决尽可能多的解决方案，并且在每个难度级别的所有试验中保持所有解决方案可用。利用这种多通路谜箱范式，研究人员发现浣熊优化了信息获取和能量获取：当面对较简单的问题时，它们更多地探索和创新；当面对较困难的问题时，它们更多地利用已知解决方案。这种灵活解决问题和优化信息觅食的能力可能有利于这种蓬勃发展的城市哺乳动物。

**论文解读：浣熊在创新问题解决中的探索-利用权衡——基于最优信息觅食视角**

**研究背景与问题**
城市环境具有高度异质性和快速变化特征，动物需要不断获取新信息以高效觅食。创新行为（即应用新技巧解决已知问题或旧知识解决新问题）是动物应对资源变化的关键能力，但个体在探索未知问题和利用已知解决方案之间面临权衡（exploration–exploitation trade-off）。以往研究多聚焦于简单任务（如两臂赌博机问题），但对复杂问题解决情境下的探索-利用权衡知之甚少。浣熊（*Procyon lotor*）作为成功的城市哺乳动物，具有高神经密度、行为灵活性和重复创新能力，是研究该问题的理想模型。然而，现有多通路谜箱（multiaccess puzzle box, MAB）研究通常要求动物在解决一种解决方案后将其锁定，从而迫使动物创新，但未探讨动物在已有解决方案仍可用时是否会自愿探索，以及问题难度如何影响其权衡决策。为此，本研究基于最优觅食理论（optimal foraging theory, OFT），设计新范式考察浣熊在创新问题解决中的信息觅食行为。

**研究内容与结论**
研究人员向圈养浣熊（*Procyon lotor*）呈现一个多通路谜箱（MAB），该谜箱共包含9种解决方案，分属三个难度级别（Easy, Medium, Hard），每个级别三种。与以往研究不同，所有解决方案在整个试验期间始终保持可用，且每次试验仅提供一次食物奖励。研究人员发现，浣熊确实会进行“信息觅食”——即使已获得食物奖励，仍会继续解决多个解决方案，且其解决率遵循探索-利用权衡：在简单难度下，浣熊探索更多，解决更多方案并采用更复杂的解决顺序；在困难难度下，它们更快转向利用策略，集中于少数解决方案。此外，探索时间（即与MAB互动但不直接解决的时间）与解决率正相关，但会增加首次解决潜伏期，体现速度-准确性权衡。该研究首次在非人类动物中证明复杂问题解决中的最优信息觅食，揭示了浣熊适应城市环境的行为灵活性。论文发表在《Animal Behaviour》。

**主要技术方法**
研究使用多通路谜箱（MAB）范式，该箱体由Plexiglas制成（25.4×25.4×25.4 cm），三个面板各含一种解决方案，共九个解决方案（三个难度级别）。16只圈养浣熊（14只完成所有试验，来源：美国农业部国家野生动物研究中心，科罗拉多州，美国）参与试验。先进行食物偏好测试确定个体奖励（通常为棉花糖）。试验中，MAB每次仅提供一次食物奖励，但所有解决方案始终可用。记录每次试验中浣熊的解决序列、交互时间、首次解决潜伏期等行为。使用广义线性混合模型（GLMM）分析数据，包括泊松、二项和贝塔分布，并通过AICc模型选择确定最佳模型，利用“emmeans”进行事后比较。计算解决序列复杂度指数（0-1），评估探索与利用程度。

**研究结果**
1. **Raccoon Participation**：14只浣熊完成所有三个难度级别试验，所有个体在单个试验中均解决多个解决方案（图2），表明浣熊自愿进行信息觅食。
2. **Validation of Difficulty Levels and Order Effects**：通过潜伏期分析验证难度设置：硬解决方案的首次解决潜伏期显著长于简单和中等难度，而简单和中等之间无显著差异（图3a）。所有难度下潜伏期随试验次数下降，表明学习效应。总交互时间随试验递减，但简单和困难难度间无显著差异（图3b），排除了单纯学习规则的干扰。
3. **Raccoons Optimally Forage for Information**：浣熊在简单难度下解决的解决方案总数显著多于困难难度（Easy: 1.79±0.187; Hard: 1.44±0.181；图4a），且解决序列复杂度也更高（Easy: 0.57; Hard: 0.35；图4b）。探索时间（非解决时间）正向影响解决率（irr=1.90, p<0.001），但增加首次解决潜伏期，且该效应随时间减弱。
4. **Exploitation Over Time**：浣熊在困难难度下更快从探索转向利用（仅考虑首次解决的解决方案）。简单难度下探索概率缓慢下降（log-odds slope=-0.08），中等难度无显著变化，困难难度急剧下降（log-odds slope=-0.21, p<0.001；图5）。
5. **Within-difficulty Analyses**：每个难度内，浣熊逐渐专注于单一解决方案。简单难度中，门解决方案最常被利用（每试验几率增加73%）；中等难度中，搭扣（hasp）解决方案占优，推窗（push-up window）从未被解决；困难难度中，初始锁（lock）解决方案更可能，随后转向拉扣（draw-catch，图6）。

**讨论与结论**
讨论部分指出，浣熊的信息觅食行为具有内在动机（可能源于好奇心），且探索时间虽有益于解决率，但会带来成本（速度-准确性权衡）。这种灵活性可能帮助浣熊适应城市异质性环境，但也可能导致其破解人类设计的排除装置（如垃圾桶盖），从而引发人浣冲突。研究还发现，浣熊未能解决推窗解决方案，可能源于功能固定性（functional fixedness）——在学会下拉窗后难以转换到上推窗的相反运动模式。最后，研究结论翻译如下：研究人员描述了一种新的认知范式，首次在复杂问题解决情境中测试探索-利用权衡。总体而言，研究发现浣熊最优地觅取信息，其创新和解决率遵循探索-利用权衡。这种灵活调整探索和问题解决策略的能力可能对浣熊在复杂城市环境中的觅食具有适应性，但也可能导致其通过问题解决“智胜”浣熊排除措施，从而加剧与人类的冲突。