年輕人往往最有可能“出奇制勝”——2017年4月12日發(fā)表于 PLoS Computational Biology 的一篇論文指出，25歲時(shí)的隨機(jī)行為能力達(dá)到巔峰，從而展現(xiàn)出最強(qiáng)的創(chuàng)造力。
大腦處理視覺(jué)、聽(tīng)覺(jué)和其他感官信息，并經(jīng)過(guò)可能性運(yùn)算后做出決定。至少，很多頂尖的心理過(guò)程理論指出，大腦這一人體的主宰器官會(huì)以過(guò)往經(jīng)驗(yàn)為基準(zhǔn)形成了一套內(nèi)在模型，預(yù)測(cè)接下來(lái)的最佳行為。然而研究表明，在同樣條件下遇到同一問(wèn)題，人以及其他動(dòng)物都可能會(huì)做出不同的選擇，這種波動(dòng)往往被歸因于“噪音”——系統(tǒng)中的一個(gè)偏差。
但并非所有人都認(rèn)可這種結(jié)論。畢竟，有時(shí)我們確實(shí)會(huì)受益于隨機(jī)行為。當(dāng)被捕食者的行為難以預(yù)測(cè)時(shí)，它更容易逃脫捕食者的追捕，因此它的決策機(jī)制要更加多樣化�；蛘咴诓环�(wěn)定的環(huán)境下，之前的經(jīng)驗(yàn)不足以準(zhǔn)確指導(dǎo)下一步的行動(dòng)時(shí)，動(dòng)物可以通過(guò)這種復(fù)雜的行為探索更多選擇，增加找到正確應(yīng)對(duì)方式的概率。2014年發(fā)表于 Cell 的一項(xiàng)研究表明，當(dāng)老鼠發(fā)現(xiàn)非隨機(jī)行為無(wú)法勝過(guò)計(jì)算機(jī)算法時(shí)，它們會(huì)選擇隨機(jī)行為。這種改變可不能簡(jiǎn)單地歸結(jié)于噪音。正好相反，它在大腦運(yùn)作過(guò)程中扮演了關(guān)鍵角色。
2017年4月12日，巴黎 LABORES 自然和數(shù)字科學(xué)科研實(shí)驗(yàn)室（LABORES Scientific Research Lab for the Natural and Digital Sciences）的自然算法組于 PLoS Computational Biology 發(fā)表論文，這些研究者希望闡明這種復(fù)雜性如何在人類身上體現(xiàn)。這篇論文的作者之一、計(jì)算機(jī)科學(xué)家 Hector Zenil 說(shuō)：“研究人員發(fā)現(xiàn)，當(dāng)老鼠試圖表現(xiàn)隨機(jī)行為時(shí)（2014年論文），它們?cè)谟?jì)算如何行動(dòng)。這種計(jì)算就是我們這項(xiàng)研究想要探索的。”Zenil 的團(tuán)隊(duì)發(fā)現(xiàn)，平均來(lái)說(shuō)，人類產(chǎn)生隨機(jī)行為的能力巔峰在25歲，之后會(huì)一直緩慢遞減直到60歲，開(kāi)始迅速下滑。
為得出這一結(jié)論，研究人員找到3400多名4~91歲的受試者，進(jìn)行了一種“反向圖靈測(cè)試”。（譯注：圖靈測(cè)試指測(cè)試者在與被測(cè)試者隔開(kāi)的情況下向被測(cè)試者隨意提問(wèn)，通過(guò)被測(cè)試者回答判斷其是人還是機(jī)器。）Zenil 說(shuō)，他們用這種方法來(lái)判定人能否在產(chǎn)生和識(shí)別隨機(jī)行為上戰(zhàn)勝計(jì)算機(jī)。測(cè)試包括：編造一系列拋硬幣、擲骰子的序列，讓旁人以為是隨機(jī)的；猜測(cè)從一副洗好的牌中抽出的是哪一張；從屏幕上選出圓圈、從網(wǎng)格中選出顏色，組成看起來(lái)隨機(jī)的圖案。
為分析這些結(jié)果，該研究組評(píng)估了用計(jì)算機(jī)算法生成相同結(jié)果的可能性，以盡可能短的算法模擬受試者的選擇，通過(guò)評(píng)估算法的復(fù)雜度，量化受試者行為的隨機(jī)性水平。換句話說(shuō)，一個(gè)人的行為隨機(jī)性越強(qiáng)，就越難以用數(shù)學(xué)方法描述他或她的反應(yīng)，相應(yīng)的算法就會(huì)越長(zhǎng)。如果一個(gè)序列是真正隨機(jī)的，其數(shù)據(jù)將完全不可能壓縮，它將與原始序列的長(zhǎng)度相同。
通過(guò)控制變量（語(yǔ)言、性別、教育程度等）測(cè)試，研究者發(fā)現(xiàn)年齡是影響行為隨機(jī)程度的唯一因素。“在25歲時(shí)，人在這些隨機(jī)行為上可以勝過(guò)計(jì)算機(jī)。”Zenil 說(shuō)。他還補(bǔ)充道，其發(fā)展軌跡符合科學(xué)家對(duì)認(rèn)知能力高峰的預(yù)測(cè)。事實(shí)上，行為的復(fù)雜性和隨機(jī)性基于認(rèn)知功能的注意力、抑制力和工作記憶力（這也包含在該研究的五個(gè)項(xiàng)目里）——盡管這種關(guān)系的真正機(jī)理還不明確。“在25歲左右，思維最活躍。”Zenil 認(rèn)為這其中有生物學(xué)意義：自然選擇更傾向于在重要的繁殖年間獲得最好的隨機(jī)行為能力。
不僅如此，這項(xiàng)研究結(jié)果還可能用于理解人類的創(chuàng)造性。畢竟，創(chuàng)造力主要指開(kāi)發(fā)新途徑和嘗試不同結(jié)果的能力。Zenil 說(shuō)：“這測(cè)試了行為多樣性依據(jù)。因此，人在25歲時(shí)最有展現(xiàn)創(chuàng)造力的資本。”
先前的研究顯示隨機(jī)行為能力隨年齡下降，而 Zenil 的發(fā)現(xiàn)佐證了這一觀點(diǎn)。但后者是第一個(gè)使用算法途徑來(lái)測(cè)量復(fù)雜性的研究，也是第一個(gè)在全年齡段進(jìn)行的研究。未參與該研究的瑞典 Mälardalen 大學(xué)計(jì)算機(jī)科學(xué)家 Dodig-Crnkovic 說(shuō)：“早先的研究只針對(duì)青年人和老年人，通過(guò)冗長(zhǎng)的反應(yīng)測(cè)試，獲得重復(fù)率等特定指標(biāo)的統(tǒng)計(jì)結(jié)果，而這次的研究更進(jìn)一步。”Zenil 的團(tuán)隊(duì)并未使用統(tǒng)計(jì)學(xué)方法，而是用算法判定隨機(jī)程度，從而測(cè)得了真正的隨機(jī)行為，而非統(tǒng)計(jì)學(xué)行為或偽隨機(jī)行為。后兩者的數(shù)據(jù)可以滿足隨機(jī)統(tǒng)計(jì)測(cè)試，但并不像真正的隨機(jī)數(shù)據(jù)一樣“不可壓縮”。算法能力隨年齡變化，這一事實(shí)意味著大腦在本質(zhì)上是算法的——它不認(rèn)為世界是統(tǒng)計(jì)學(xué)隨機(jī)的，而是采取了更一般化的方法，并沒(méi)有傳統(tǒng)的大腦統(tǒng)計(jì)模型中存在的偏差。
這些結(jié)果可能會(huì)拓寬對(duì)大腦運(yùn)作機(jī)制的研究思路：大腦可能是一個(gè)算法概率預(yù)測(cè)器（algorithmic probability estimator）。一些流行理論中存在的決策統(tǒng)計(jì)模型偏差，將會(huì)為這一新理論所更新乃至推翻。其中一種著名的理論是貝葉斯腦假說(shuō)，該理論認(rèn)為，大腦會(huì)為每種想法分配一個(gè)概率，每當(dāng)感官收到新的信息時(shí)，就對(duì)這一概率進(jìn)行修改。“大腦是高度算法的，” Zenil 說(shuō)。“它的行為不隨機(jī)，不像投擲硬幣的機(jī)制。”他補(bǔ)充說(shuō)，如果僅利用統(tǒng)計(jì)方法而忽略算法方法，我們對(duì)大腦的理解會(huì)很片面。舉例來(lái)說(shuō)，統(tǒng)計(jì)方法不能解釋為什么我們可以記住電話號(hào)碼等數(shù)字序列，就像“246-810-1214”，這只是一串?dāng)?shù)字，毫無(wú)統(tǒng)計(jì)意義，但它有算法意義。我們可以識(shí)別其模式并以此記住這組數(shù)字。
算法概率還使我們更易找到（并壓縮）看似隨機(jī)的信息。“這是一個(gè)范式轉(zhuǎn)移（paradigm shift），”Zenil 說(shuō)，“因?yàn)榧词勾蠖鄶?shù)研究者都認(rèn)同在頭腦運(yùn)作的方式中存在這個(gè)算法組件，我們也無(wú)法測(cè)量它，因?yàn)槲覀儧](méi)有合適的工具。不過(guò)我們現(xiàn)在已經(jīng)在研究中開(kāi)發(fā)并引入了。
Zenil 和他的團(tuán)隊(duì)計(jì)劃繼續(xù)探索人類算法復(fù)雜度，并希望發(fā)現(xiàn)行為隨機(jī)性與年齡之間關(guān)系的認(rèn)知機(jī)制。不過(guò)，他們首先計(jì)劃以確診患有神經(jīng)退行性疾病和精神紊亂的人（如阿爾茨海默氏癥和精神分裂癥）為對(duì)象展開(kāi)研究。據(jù)Zenil 估計(jì)，確診有這類疾病的參與者不會(huì)像對(duì)照組中的參與者一樣，產(chǎn)生或感知隨機(jī)性，因?yàn)樗麄兘?jīng)常會(huì)產(chǎn)生更多的聯(lián)想，并能比普通人觀察到更多的模式。
這些研究人員已蓄勢(shì)待發(fā)。 Dodig-Crnkovic 說(shuō)：“他們?cè)趶?fù)雜度上的研究，是一個(gè)很有前途的研究方向。”
責(zé)編：科普知識(shí)網(wǎng)