西工大新聞網8月16日電 群體合作與競爭行為，是人類社會賴以生存和穩定運行的基礎。然而，隨著人類行為趨複雜化、多元化，人們的認知和行為決策模式發生了極大地改變，這對群體合作競爭行為的研究帶來機遇和挑戰。因此，對群體合作與競爭機制的研究也被Science雜誌連續列為當今最具挑戰的科學難題之一。目前在該研究領域，「數據驅動」作為大數據與人工智慧相結合的重要方法也日益被研究者所採納，使我們對人類行為的認知更為客觀、準確。
在複雜的現實環境中，個體對問題的認知和決策能力是有限的，也具有一定的差異性。因此當人們面臨兩個差異比較明顯的選擇策略時，認知和決策過程就會更加清晰明了。然而隨著第三個新的劣勢策略（誘餌）的加入，將會打破原始兩策略的均衡態，使某個早期不佔優勢的策略變得更具吸引力，從而影響群體的行為決策(這一效應被稱為誘餌效應「Decoy Effect」)。為此，如何從數據驅動的角度探索群體行為認知與行為決策已成為最具吸引力的科研課題之一。
針對上述難題，西北工業大學機電學院與光學影像分析與學習中心王震教授的研究團隊組織了人類行為認知與決策的實驗，該實驗的研究成果「Exploiting a cognitive bias promotes cooperation in social dilemma experiments」近日發表在《自然-通訊》(Nature Communications)雜誌上。Nature Communications作為Nature雜誌的子刊，在信息、生物、物理和化學等領域均有著較高的關注度。王震教授作為該研究的第一作者和通訊作者，帶領團隊在「數據驅動的行為認知與行為決策」領域的研究取得了重大進展。該研究通過實驗的方法，控制組允許個體選擇合作(Cooperation)、背叛或搭便車(Defection or Free-rider)兩種策略中的一種；而對照組加入獎勵(Reward)作為第三種新的策略可供選擇。結果表明，相對於搭便車行為，個體很少會選擇合作行為。但獎勵卻激發了群體對合作的傳播擴散，大大提升了群體合作成功的可能性(見圖1)。
這一研究成果具有重要的現實意義。計算機雖然能在短時間內能模擬出人腦運行的某些機制(例如AlphaGo)，但本質上也是和真正的人腦一樣複雜的處理過程。在這個過程中，必不可少的是行為決策與腦認知的結合。腦認知可為行為決策和人工智慧帶來新的啟示、新的算法，這些算法可能獨立於傳統的、當下主流的、以數學邏輯為基礎的算法，也有可能與之相輔相成。因此，探索人腦，發現感知認知機制，進而解決推理決策過程，實現自我意識，將是未來研究的重要方向。
圖1：a.實驗組和對照組行為策略比例，b-c.不同組中以牙還牙」(Tit-For-Tat,TFT)比例的時間演化。由於獎勵激發的認知偏差，群體合作行為得以存在。
文章連結：https://www.nature.com/articles/s41467-018-05259-5
（審稿：張映鋒）