《Cortex》：Non-conscious knowledge of complex regularities supports instrumental conditioning: A registered report
非意识知识对复杂规律的支持作用促进工具性条件作用：一项注册报告
在非意识知识的支持下，复杂规律可促进工具性条件作用（Instrumental Conditioning, IC）。工具性条件作用是指有机体主动习得趋近奖赏刺激并回避惩罚刺激的过程，这一核心的适应性过程需要较高的计算能力，因其涉及对刺激、行为及结果等信息的整合。近期采用阈下（subliminal）呈现的研究表明，工具性条件作用仅对意识可察觉的刺激有效发生，提示工具性条件作用可能需要意识的参与。本研究考察了当非意识加工并非由阈下呈现诱发，而是通过采用复杂且难以有意识察觉的预测性规律来诱发时，工具性条件作用是否仍可发生。在一个基于人工语法学习（Artificial Grammar Learning, AGL）任务的新型工具性条件作用任务中，被试对来自两种语法的字符串做出趋近（Go）或回避（No-Go）反应。被试不知情的是，一种语法与奖赏相关联，另一种与惩罚相关联。通过逐次试次测量被试对语法结构及其对字符串预测价值判断的意识状态。在工具性条件作用阶段（N_IC phase = 187）和延迟反应阶段（N_delay = 160），研究人员发现被试在意识到规律时能够做出适应性反应，同时在被试未意识到规律时也能做出适应性反应。重要的是，研究人员发现了可靠证据表明，非意识规律仅在产生关于刺激预测价值的有意识判断时才能引发适应性反应。当对预测价值的判断未被意识化时，数据呈现不敏感性或更符合随机水平的表现。这表明工具性条件作用可能由无意识学习与有意识整合共同产生。
工具性条件作用（IC）是生物体主动发现环境中刺激是否预测奖赏或惩罚，并基于结果差异性地与这些刺激互动的适应性现象。与巴甫洛夫条件作用（Pavlovian conditioning）或评价性条件作用（evaluative conditioning）不同，后者涉及刺激与情绪反应或其他非条件反应之间形成联结，工具性条件作用是更为复杂的过程：它需要整合关于行为、刺激和后果的表征，并明确它们之间的关系。关于意识的若干重要理论，尤其是全局工作空间理论（Global Workspace Theory, GWT），认为这种来自不同加工子系统（即处理刺激表征、价值计算和机体行动）的信息交换与整合，只有通过意识的媒介才可能实现。在此背景下，工具性条件作用能否在无意识条件下进行的问题，引发了关于意识与无意识认知计算功能的持久争论。
近期关于非意识条件下工具性条件作用可行性的研究表明，刺激意识（stimulus awareness）对人类工具性条件作用至关重要。通过视觉掩蔽（visual masking）或连续闪烁抑制（continuous flash suppression）使奖赏预测和惩罚预测刺激呈现于意识阈限以下，似乎会阻碍被试习得正确工具性反应的能力。这些结果被解释为意识促进了需要持久灵活适应的高阶过程，如工具性行为。
在隐性学习（implicit learning）研究中，隐性学习被简明地定义为导致个体意识不到的知识的学习，另一类产生非意识知识的方法并非依赖阈下呈现，而是利用嘈杂且过于复杂而难以有意识破解的规律。此外，这些规律需要在多个不同刺激单独呈现时被抽象出来，同时被试的注意力被从规律的存在上转移开。典型例子是人工语法学习（AGL）任务：在习得阶段，被试接触数十个由复杂人工语法生成的字母串，逐次呈现，被试有几秒钟抄写或记忆每个字符串，但不透露存在任何规律。在测试阶段，即使被试报告没有 conscious knowledge of the grammar，也能将新 grammatical strings 与 nongrammatical strings 区分开来。因此，典型结论是参与者内隐地或无意识地习得了语法。更具体地说，多项研究发现被试提取了特定的 n-grams 以及更抽象的重复结构（organizing relations）。
在讨论复杂结构范式中的意识时，区分两种知识的意识状态是有用的："结构知识"（structural knowledge），即关于语法结构或配置的知识；以及"判断知识"（judgment knowledge），即关于特定字符串相对于该结构之状态的知识（即字符串是否合乎语法、是否具有奖赏性等）。结构知识可以是意识的或无意识的；判断知识也可以是意识的（当被试对其判断有一定确信或信心时）或无意识的（当被试主观感觉自己是随机选择、毫无信心时）。
本研究的主要目的是检验当被试基于内隐结构来区分奖赏和惩罚刺激时，工具性条件作用能否在无意识条件下发生。为此，研究人员提出了一个通过人工语法产生非意识条件作用的新型工具性条件作用范式。简言之，被试需要对由两种人工语法生成的字符串做出趋近（Go）或回避（No-Go）反应。对一种语法（奖赏语法）的字符串做出Go反应带来奖赏，对另一种语法（惩罚语法）的字符串做出Go反应带来损失。对两种语法的No-Go反应均带来中性结果。因此，为了最大化收益并最小化损失，被试应对奖赏语法的字符串做出Go反应，对惩罚语法的字符串做出No-Go反应。
典型AGL任务在附带性（incidental）条件下产生大部分内隐的语法配置知识，但这至少部分是因为学习发生在附带条件下，且测试不允许有意识的假设检验。当参与者在每次语法判断后获得反馈时，有意识知识的比例会在测试阶段增加。本研究在设计任务结构时采取了一些措施来防止这一情景：首先，被试在附带暴露条件下学习语法结构，这已知主要产生内隐的语法知识；随后，被试进入"工具性条件作用阶段"，在此阶段对一种语法的Go反应带来奖赏，对另一种语法的Go反应带来损失，任何语法的No-Go反应均带来中性结果。为了促进内隐知识的表达，研究人员还利用了学习与测试之间的时间延迟对显性知识影响大于内隐知识的特点，设置了约两周后的"延迟工具性反应阶段"。
在工具性条件作用和延迟工具性反应阶段，每次Go/No-Go反应后，被试报告其判断知识意识（即主观上是随机反应还是有某种有意识的印象认为该字符串会带来奖赏或损失）以及结构知识意识（即有意识地知晓使字符串属于惩罚或奖赏语法的要素）。这种对判断与结构知识意识的分别评估，使得研究人员能够细致地评估意识在工具性条件作用中的作用。为了减少测量噪音扭曲意识/无意识知识估计的可能性，结构知识和判断知识的意识各用两个意识量表评估。
该研究获得了伦理委员会批准（批准号：5491/2/2024），完全遵守了第一阶段预注册方案。研究通过Pro Cultific.co平台在线招募被试，要求流利的英语能力，在Prolific上完成至少100项先前任务且批准率不低于97%，时薪12美元。确定样本量时采用贝叶斯停止规则，计划收集数据直到所有关键假设的贝叶斯因子（Bayes factor, B）达到10或0.10，但最多不超过160名有效数据被试。实际初始条件作用阶段纳入187名被试，延迟反应阶段纳入160名被试。
研究使用两种常用于内隐AGL研究的人工语法，采用32个不同字符串进行语法学习阶段，45个不同字符串进行工具性条件作用阶段。奖赏信号为"You win 0.2$"及正性图片，惩罚信号为"You lose 0.2$"及负性图片，情感图片选自OASIS数据库。意识测量工具包括结构-判断知识量表（Structural-Judgment Knowledge scale, SJK）、规则意识量表（Rule Awareness Scale, RAS）改编版，以及信心量表（confidence scale）。
SJK量表中，"猜测"表示基于无意识结构知识和无意识判断知识的反应；"直觉"和"熟悉感"表示基于无意识结构知识的有意识判断知识；"规则"和"回忆"表示结构和判断知识均为有意识。RAS量表中前两个选项表示无意识结构知识，第三个选项表示有意识结构知识。信心量表采用连续滑尺，仅50%信心被视为无意识判断知识。
数据分析采用贝叶斯分析和显著性检验，但结论基于贝叶斯分析。按照常规，贝叶斯因子（B）解释为：3 ≤ B < 10表示对备择假设的中等证据，B ≥ 10表示强证据；0.10 < B ≤ 0.33表示对零假设的中等证据，B ≤ 0.10表示强证据；0.33 < B < 3表示数据不敏感。所有无意识条件作用效应的贝叶斯分析采用均值为6%（高于随机水平）、标准差为3%的正态先验分布（记为B_N[6%; 3%]）；整体学习效应和所有有意识学习效应采用均值为9%、标准差为4.5%的正态先验（B_N[9%; 4.5%]）。
主要分析比较了各意识状态下的准确率与50%随机水平的差异。对于意识和无意识结构知识，仅纳入SJK和RAS均归类为意识或无意识的试次；对于判断知识的意识状态，采用SJK和信心量表均归类为意识或无意识的试次。次要分析通过将90个试次分为6个区块（每区块15个试次），检验学习效应的演变，并进行重复测量方差分析。最后，检验了条件作用与延迟反应阶段之间的延迟是否影响各种意识知识的比例和准确率。
数据排除标准包括：语法学习阶段超过8个错误（即低于60%准确率）；每个意识量表理解测试超过一个错误；工具性条件作用阶段或延迟反应阶段超过9次超时；放弃任一实验阶段；以及达到最大样本量160人后收集的数据。
研究达到了Level 6的偏倚控制水平，即相关于研究问题的数据在第一阶段方案原则上接受之前不存在或未曾生成。
意识测量的一致性方面，工具性条件作用任务中，用于确定结构知识意识水平的量表（SJKS和RAS）将86.09%的试次归类为相同类别（有意识或无意识），13.91%的试次归类不一致。判断知识由SJKS和信心量表归类为一致的比例为90.35%。延迟反应任务中的一致率类似：结构知识为87.16%，判断知识为90.14%。
预注册验证性分析结果显示，总体而言，数据提供了极强的证据表明，被试不仅能够基于对结构的有意识知识做出适应性反应，还能基于产生有意识判断知识（直觉和熟悉感）的无意识结构知识做出适应性反应。然而，关于无意识判断知识（猜测）的数据在条件作用任务中不敏感，在延迟反应任务中提供了中等证据支持随机水平表现。
具体而言，在工具性条件作用任务中，被试总体准确率显著高于随机水平（m_accuracy = 60.01%, SE_diff = 0.92, B_N[9%; 4.5%] = 9.95 × 10^24）；基于规则或回忆时准确率更高（m_accuracy = 66.05%）；基于直觉或熟悉感时也显著高于随机水平（m_accuracy = 57.83%, B_N[6%; 3%] =zens 3.03 × 10^12）。但对于猜测，数据仍不敏感（m_accuracy = 53.39%, B_N[6%; 3%] = 1.71）。
延迟工具性反应任务中出现了相同模式：总体、规则/回忆、直觉/熟悉感条件下的准确率均显著高于随机水平；但对于猜测，数据 collected moderate evidence for chance-level performance（m_accuracy = 50.91%, B_N[6%; 3%] = 0.28）。
通过将工具性条件作用任务的90个试次分为每15个试次的6个区块进行方差分析，辅以比较第一和最后区块的配对t检验，结果显示：基于有意识结构知识的反应在任务过程中表现出改善（F(5, 265) = 1.96, p = .085）；直觉和熟悉感的数据不敏感；猜测的数据亦不敏感。
比较工具性条件作用任务与延迟反应任务的探索性分析显示，最显著的结果是正如预测的那样，延迟导致归于猜测的试次比例增加。对于其余比例和准确率参数，研究发现要么支持零假设的证据，要么数据不敏感。因此，延迟阶段确实增加了无意识试次（猜测）的比例，同时 largely left participants' performance unaffected。此外，研究人员发现有中等证据表明，正如预测的那样，延迟后直觉和熟悉感的准确率未下降；有意识结构知识的准确率也未下降，但这与预测相反。
探索性（非预注册）分析中，首先应用了更严格的贝叶斯分析以控制由于测量噪音导致有意识知识污染无意识知识试次的可能性。由于任务产生了出乎意料高比例的无意识结构知识（超过2/3，而试点中为<50%），满足该建模方法的应用条件。该建模方法从随机噪音（错误）应导致有意识与无意识试次之间的对称污染这一事实出发，通过模拟所有可能的错误率，确定在保持对称假设前提下污染最大的错误率，然后计算有意识试次对无意识准确率的提升值，并将其作为贝叶斯检验中零分布的上限。即使在修正噪音导致的有意识污染后，研究人员仍发现强有力证据表明被试在工具性条件作用任务（m_accuracy = 55.50%, B_H1:N[6%;3%]; H0:U[0%;0.75%] = 2.78 × 10^8）和延迟反应任务（m_accuracy = 57.27%）中均拥有准确的无意识结构知识。
第二项非预注册分析中，为更好地分离延迟效应，研究人员比较了被试在工具性条件作用阶段最后区块与延迟条件下的准确率，分别针对有意识和无意识结构知识。结果显示，无意识结构知识不受时间影响（m_diff bl 6 - delay = 0.53%, B_U[6%;9%] = 0.01），而有中等证据表明有意识结构知识的准确率随时间下降（m_diff bl 6 imm - delay = 5.31%, B_U[6%;9%] = 4.41）。因此，初步证据表明只有有意识结构知识受时间 passage 影响，而内隐知识更为稳定，这与先前研究一致。但由于这些分析的事后性质，其结果应视为初步的，有待进一步重复验证。
讨论部分，研究人员指出，本研究开发了一种研究工具性条件作用及其与意识关系的新型范式，其中无意识加工通过复杂规律（即人工语法）诱发。研究发现，被试能够对与两种规律相符的刺激做出适应性互动，趋近奖赏预测刺激并回避惩罚预测刺激。重要的是，这种模式既出现在被试意识到规律时（规则、回忆），也出现在未意识到规律时（直觉、熟悉感），既出现在条件作用任务中，也出现在延迟反应任务中。因此，无意识规律知识可以与价值知识及适当反应整合。然而，研究发现只有当无意识结构产生有意识判断知识时，这一现象才有敏感证据支持。在缺乏有意识判断知识（猜测）的情况下，条件作用任务中发现了轶事性（不敏感）的证据支持高于随机水平的表现，延迟反应任务中则有中等证据支持随机水平表现。
近期研究一致表明，通过阈下呈现使其无意识的刺激无法进行工具性条件作用。本研究使用不同方法学途径，为工具性条件作用与意识的关系带来了重要细化。一方面，研究发现无意识的规律表征可以支持工具性条件作用，因此表征内容的意识可得性可能并非工具性条件作用的必要条件。另一方面，无意识结构仅在产生有意识元认知感受（直觉和熟悉感）时可靠地引导工具性行为。先前的研究表明，尽管元认知感受无法提供对其生成表征的访问，但确实允许被试对其来源进行情境化。因此，可能是被试形成了对语法及其食欲价值的无意识表征，但这些表征产生了关于特定字符串属于奖赏还是惩罚语法的有意识感受和推断，进而指导了工具性决策。这样，工具性条件作用可能对无意识内容发生，但仅当这些内容能够实现对食欲价值的有意识分类或辨别时。
由于可靠的工具性条件作用仅在有意识判断知识存在时发生，很容易得出意识本身使能工具性条件作用的结论。虽然研究结果与此假设一致，但它们并未提供直接证据，仍留有替代解释的空间。例如，可能是元认知机制仅在表征足够强或可靠以影响行为时，才将表征评估为足够可靠以被有意识地表征。因此，对表征的意识可能主要与该表征具有因果效力 co-occur，而非意识使能此因果效力。具体来说，对于完全主观无意识（猜测）的试次，被试不仅缺乏意识，而且拥有较低质量的表征，如其不可靠的表现所示。因此，条件作用效应的缺失可能并非由意识的缺失导致，而是由表征的不足质量导致，这与意识的缺失相关。
根据全局工作空间理论，专门子系统加工的信息只有在其变得有意识并进入全局工作空间时，才能传递到其他子系统。因此，工具性条件作用所需的规律与食欲价值及适应性反应的整合，应该只在意识状态下发生。表面看来，本研究结果使这一信条有所限定，因为即使在缺乏条件化结构的有意识表征时，仍实现了条件作用。然而，虽然这些表征的内容对全局工作空间不可获得，但相关联的元认知感受可能向全局工作空间信号了每个字符串所属的 dopamine 系统所属的语法类别。在此情景下，不能排除条件作用所需的整合是由有意识工作空间支持的：反应（Go/No-Go）是有意识的，结果（奖赏/损失）是有意识的，字符串所属的语法类别（"我觉得这个字符串来自奖赏语法"）也是有意识的。在这种情况下，虽然无意识学习支持了语法表征的形成，但它们与反应和结果的整合可能发生在全局工作空间中。
更广泛地说，GWT可能需要关于基于无意识表征的有意识感受的额外假设和规范。在这些理论中，表征被认为是有意识的当它们全局可获取；在有意识感受的情况下，表征本身并非全局可获取，但仍然有意识地广播元认知信息。根据GWT，表征如何在其本身并非全局可获取的情况下使能有意识的判断和推断，这一点尚不完全清楚。研究人员认为，明确解释这些现象应该是意识认知理论的一个特征，因为非意识表征的有意识元认知后果出现在广泛的学习、记忆甚至知觉现象中。
基于无意识表征的有意识感受也可以解释本研究发现与先前基于阈下知觉研究之间的差异。具体来说，这些研究在试图确保最大敏感性时，通常将即使被试未报告完全内容访问但任何与该内容相关的元认知体验的试次也归类为有意识。未来使用知觉范式的工作，或许有必要考虑内容意识（类似于结构知识）与有意识元认知体验（判断知识）之间的区别，因为这两种现象可能与不同的功能和机制相关联。
关于无意识加工研究的任何研究，意识测量都需要特别注意。本研究使用了主观量表，并采取措施避免与之相关的常见陷阱。首先，通过采用多个意识量表和建模方法解决了由于测量噪音导致的污染问题。其次，通过指导被试即使有碎片化的低信心知识也要评定为进一步的知识，以减轻报告弱有意识体验的可能性。尽管如此，这并非标准问题的确定解决方案，未来研究可采用替代方法。作为补充，研究人员检验了被试对结构的有意识知识和无意识知识之间是否存在质性差异，发现无意识知识对时间延迟更有抵抗力，但这仅在事后、非预注册的分析中揭示；因此，这一发现被视为初步的，有待进一步重复验证。
本研究的局限性在于，它未能为完全缺乏任何有意识知识（即猜测）情况下工具性条件作用的问题提供明确答案。对于这些反应，在工具性条件作用任务中发现了轶事性（不敏感）的学习证据（B = 1.71），在延迟反应任务中有中等证据支持零假设（B = 0.28）。然而，从两个贝叶斯因子的稳健性区间可以看出，使用略低的先验（4%而非6%）会改变证据的解释。当然，这种事后推理并非作为猜测表现证据的意图。相反，研究人员将其作为从这些结果可推断强度的约束条件，以及未来研究采用此方法时应考虑的方面。
总之，本研究提供了一种研究无意识工具性条件作用的新途径，补充了现有的基于无意识知觉的范式。研究结果表明，对结构内容本身的意识可能对工具性条件作用并非必要，但工具性条件作用可能依赖于意识判断，即使意识判断是由无意识内容生成的。
