《npj Science of Learning》:Recover or discover: How outcome feedback shapes response patterns within game spaces
编辑推荐:
本研究聚焦决策过程中“策略复用”与“策略更新”的平衡难题。研究团队通过三组竞争性数字选择游戏实验(n=218),操纵During阶段的胜负反馈(惩罚/强化),系统考察了参与者对Pre阶段习得策略的保留与调整行为。结果表明,负性反馈(输)虽阻碍新策略学习,却保留旧策略复用的能力;而During阶段对旧策略的抑制程度正向预测后续新策略的学习效率。该成果为理解“赢促变、输守旧”的决策惯性提供了认知机制解释,对优化教育反馈与训练设计具有启示意义。论文发表于npj Science of Learning。
在瞬息万变的竞技场或股票市场,高手与新手的区别往往不在于谁算得更准,而在于谁能更快地“忘记”过时的套路,或者聪明地“捡回”曾经好用的老办法。这种在“变”与“不变”之间精准切换的能力,是决策科学的核心谜题。我们的大脑似乎存在一种矛盾:有时固守成规,即使连败也不肯改变(认知惯性);有时又能在一次大胜后迅速抛弃旧策略(策略更新)。究竟是什么在操控这个开关?是“赢”让我们更灵活,还是“输”让我们更保守?
近日发表在《npj Science of Learning》上的研究《Recover or discover: How outcome feedback shapes response patterns within game spaces》试图解开这个结。该研究通过精巧的游戏实验发现,负性反馈(输)会像“胶水”一样把你粘在旧策略上,阻碍新知识的吸收;而正性反馈(赢)则像“润滑剂”,让你更容易切换并学习新规则。更重要的是,能否在环境再次有利时“复活”旧技能,取决于你在逆境中是否曾“隐忍”地顺应过系统,而非硬碰硬。
实验设计与方法概要
研究通过三个实验(总n=218)展开。参与者需在Pre阶段与电脑对手进行数字选择游戏,并摸索出对手的“套路”(Exploitable patterns)。关键的During阶段,系统强行固定了玩家的胜率(低胜率模拟惩罚,高胜率模拟强化),使Pre阶段学到的策略暂时失效(被惩罚)或持续有效(被强化)。最后的Post阶段,环境恢复初始规则,检验玩家是能“捡回”旧策略(Recover),还是彻底转向了新策略(Discover)。研究通过胜率(Win rate)和最优行为率(Optimal Behaviour Rate, OBR)量化表现,并利用计算模型分析行为轨迹。
研究结果与发现
反馈价态决定策略弹性
在During阶段,玩家的反应出现了戏剧性分化。那些在低胜率(惩罚)环境中“认怂”、暂时压抑旧策略的玩家,在Post阶段环境利好时,能最快地复活(Recover)旧策略。相反,在惩罚中仍强行使用旧策略的人,最终表现更差。这说明顺应负性反馈(输)是一种保护性机制,它像“休眠”一样保存了旧技能的完整性。
抑制旧策略是学习新策略的基石
数据揭示了一个关键门槛:在During阶段对旧策略的抑制程度,直接决定了后续新策略(Discover)的学习效果。无论反馈是正还是负,只要玩家能有效“刹车”旧习惯,他们在面对新规则时就表现出更高的可塑性。这提示“遗忘”或“抑制”不是学习的对立面,而是学习新知识的前提**。
负性反馈制造“认知单向阀”
研究发现了决策灵活性的不对称性:负性反馈(输)会选择性损害新策略的学习(Discover),但对旧策略的复用(Recover)影响甚微。这解释了为什么人在逆境中容易“钻牛角尖”——不是他们不想学新的,而是大脑在输的时候自动关闭了“新知识输入通道”,只保留了“老本行”的退路。相比之下,赢(正性反馈)则全面提升了认知灵活性。
结论与意义
这项研究绘制了一幅清晰的决策地图:结果反馈不仅是“对错的裁判”,更是“策略路径的调度员”。负性反馈诱导的策略复用(Recover)是一种低能耗的防御状态,适合生存;而正性反馈驱动的策略更新(Discover)是一种高耗能的探索状态,适合发展。这一发现对教育领域极具启示:频繁的失败反馈可能会将学生锁定在低效但安全的基础模式中,阻碍其探索高阶解法;而适时的成功体验则是解锁创新思维的钥匙。未来的人工智能训练也可借鉴此机制,让AI学会在逆境中“休眠”无效策略,而非盲目试错。