当我们做出选择时，我们常常依赖于周围人的思想和经验。然而，我们个人的偏好、口味和目标可能会大相径庭。一组研究团队探讨了尽管存在这些个人差异，我们如何向他人学习。研究发现，人们通常将社交信息视为建议，以一定程度的谨慎使用。这种方式帮助他们避免与大量探索相关的成本。研究结果提示在人工智能（AI）中实施类似学习方法的新方式。
想象一下自己身处一个新城市，准备去吃晚餐。你怎么选择餐馆？你可能会查看网上评论，选择评分最高的地方，但你怎么能确定那些评论者的口味、香料偏好或预算限制与你相似呢？此外，当个人偏好可能有显著差异时，人类通常是如何从他人的意见中学习的呢？
利用社交信息
以往关于个人如何向他人学习的研究主要考察了每个人都拥有相同目标和偏好的情况。然而，实际上这种情况很少发生。最近发表在《美国国家科学院院刊》（PNAS）上的一项研究，针对这一空白进行了分析，研究了在同伴偏好不完全一致时，个体如何使用社交信息做出决策。该研究由来自两个著名德国研究集群的科学家进行：图宾根大学的机器学习集群和康斯坦茨大学的集体行为集群，以及来自RIKEN（日本）和圣安德鲁斯大学（英国）的合作者。
研究人员设计了一项类似视频游戏的在线实验，以探讨这一概念。该游戏模拟了日常决策场景。参与者以四人一组进行，每个人的目标虽然独特但与他人相似。在整个游戏过程中，他们可以观察同伴的进展。
将社交信息作为决策资源
研究结果表明，即使在这种情况下，个体仍然利用社交信息来影响他们的决策，同时保持一定程度的怀疑。参与者认为社交线索不如自己获取的信息值得信赖，但他们巧妙地调整这些线索以适应自身情况。为了阐明这种行为，研究人员提出了一种新的社交概括模型，这一模型在预测行为方面比许多早期模型更为有效。“我们的模型表明，社交信息应该与个人知识类似地整合，而不是不加批判地复制，”首位作者、博士生亚历珊德拉·维特解释道。
使用该模型，研究人员展示了人们如何将社交信息作为探索策略。个体探索可能在认知上要求高且风险大。当参与者有机会访问社交信息时，他们利用这些信息来指导选择，从而避免了个人探索的高成本过程。“社交学习可以作为探索的指导并不是一个新概念，”研究的合著者、康斯坦茨大学的前研究员、现领导RIKEN一个小组的丰川渡乐表示。“然而，我们的结果不仅强化了这一观点，还扩展并普遍化了该理论，以适应多种人类社会。”
这项研究的重要性
“虽然近期进展显示出人工智能的能力，但它在社会学习方面仍无法与人类相提并论，”资深作者、图宾根大学人机认知实验室主任查理·吴指出。“我们在社会和文化学习方面的能力对人类的成功至关重要。更好地理解这一能力将使我们能够在虚拟助手或推荐系统等领域将类似概念应用于人工智能。”总而言之，社交学习是人类最重要的工具之一，而这项研究使我们更接近于理解这一非凡能力。
