Nat. Neurosci. 速递：社交网络中实时分布式学习的神经计算机制

关键词：社交网络分析，计算建模，神经计算机制，复杂网络

论文题目：Neurocomputational mechanism of real-time distributed learning on social networks

论文来源：Nature Neuroscience

论文链接：https://www.nature.com/articles/s41593-023-01258-y

人们在社交网络中沟通、传递信息。可以说社交网络能够影响人信念的形成和决策，并影响群体观点的传播。现有许多研究已经证明了社交网络对人类政治、经济和社会活动能产生影响，但个人向同伴学习的潜在神经机制和认知过程仍不清楚。如强化学习等神经计算理论对社交网络上的学习提供了一个不完整的描述，过去对观察学习的研究通常假设不同观察者的决定构成了孤立的、独立的信号，观察者可以无偏地整合这些信号。

Nature Neuroscience 这篇文章结合实时分布式学习任务与功能性磁共振成像、计算建模和社会网络分析，在具有不同拓扑结构的七节点网络上，研究人类如何通过观察他人的决策来学习。研究证明：社交网络上的学习可以近似于一个成熟的错误驱动过程的观察学习。重要的是，根据背侧前扣带皮层的活动，学习会灵活地倾向于关系良好的朋友，但这仅限于（包含二手的、可能相互交织的）社会观察信息。这些数据表明：基于网络的过滤信息来源的神经计算机制，可能会导致有偏见的学习和错误信息在互联社会中的传播。