BRAIN / BRAIN × AI20 SEP 2026
脑科学与AI124｜还要不要再看一眼：AI 去补最没把握的那个选项，人更在意两边看得一样多
两个选项摆在面前，信息都不全。是再查一查，还是现在就定？要查的话，查哪一个？AI 里最常用的答案很干脆：哪个选项你了解得最少，就去看哪个。牛津大学拉什沃思团队 2026 年在《自然·神经科学》上的一篇技术报告，拿人的行为去对这个答案，结论是人不这么算。更有意思的是他们怎么得出这个结论：先让一个神经网络去拟合人的选择，再把网络学到的东西压回一个只有四个参数的公式。
AI 探索时按每个选项各自的不确定加分；人更像在比两边的证据是否对称：这边看多了，就想去看看那边。这个规律是让神经网络先学、再用符号回归翻译成公式才找出来的。
人怎么探索 01 比两边证据是否对称 |
怎么发现 02 网络拟合再压成公式 |
对照 AI 03 UCB 按单个选项记账 |
BRAIN / 01
一、问题：什么时候停止收集信息
十四世纪有个思想实验叫布里丹的驴：两堆一样好的干草摆在左右，驴选不出来，最后饿死了。它讲的是一个真问题：收集信息能让选择更准，但花时间、花精力，还会错过别的事。所以每一刻其实有两个决定：一是继续看还是现在选；二是如果继续看，接着看眼前这个，还是换去看另一个。注意力一次只能放在一处，第二个决定躲不掉。
实验是这样做的（D'Ambrogio、Grohn、Khalighinejad、Mattar、Hunt、Rushworth，2026）：屏幕上有几片点，每片 100 个，每个点真实颜色是红或黑，任务是挑红点多的那一片。点一开始被盖住：绿盖子一次性揭开（5 到 30 个），灰盖子要把光标停在这一片上、每 150 毫秒揭一个。换去看另一片时，刚揭开的点会重新盖上，只能靠记忆。每轮 25 分钟、时间固定，在一题上看得太久，能做的题就少，奖励也少。20 个人在 7T 磁共振里做完了这个任务。
先看行为：人确实会因地制宜。一开始不确定的多（绿点少），就多看；两片红点数差得少（题难），也多看。这和按动态规划算出来的最优策略大方向一致。还有一片点被挡住、不能选，人知道它有多少没揭开，但这份不确定跟决定无关，人也确实没理它。
BRAIN / 02
二、三种算法：直线、UCB、让网络自己学
怎么给\"再看一眼值多少\"建模？作者摆了三个候选：
—直线：每多看一个点，这个选项值得再看的程度就减一点，减得一样多。—UCB：越看越不值得看，但递减。看第 1 个点收获大，看第 50 个点收获小。—神经网络：不预设形状，把任务状态（各片揭开了多少点、光标在哪、是不是第一次来）喂进去，让网络从人的选择里学\"再看一眼值多少\"。
第三种不是端到端地让网络直接预测按键，而是只替换模型里\"信息价值\"那一个零件，其他部分（怎么记忆衰减、怎么比较红点多少、最后用 softmax 在\"看这边、换那边、选这边、选那边\"四个动作里挑）仍是认知科学的老结构。作者管这叫混合模型：难写清的那块交给网络，写得清的那块留给理论。
结果是：留一人交叉验证下，混合网络模型对全部 20 个人都比直线和 UCB 拟合得好，而且和完全不讲结构、端到端的网络差不多。说明结构没有拖后腿，可预测的那部分都抓住了。
BRAIN / 03
三、网络学到了什么：两边一起看
把网络学到的函数画出来，差别一眼就看得出：
—直线和 UCB 里，\"继续看这边值多少\"只跟这边看了多少有关，跟那边几乎无关。—网络里，\"继续看这边值多少\"随这边看得多而下降，同时随那边看得多而上升。回归权重两边差不多大（这边 0.7，那边 0.6）。
再看一步的效果更直观：在这边多揭一个点，直线和 UCB 只让\"留下\"的价值降一点，\"换过去\"的价值不动；网络则同时让\"留下\"降、\"换过去\"升。于是人在一边看了一阵，会被推着去看另一边。
为了把这层意思变成人读得懂的东西，作者对训练好的网络做了符号回归：在数学表达式的空间里搜，找一个最像网络那条曲线的式子。网络有 7592 个可训练参数，找出来的式子只有 4 个：
—留下的价值 = β1 + exp(−|β2| × 这边已看 / 那边已看)—换过去的价值 = β3 + exp(−|β4| × log(2 × 那边已看) / 这边已看)
这四个参数各有一个心理学读法：β1 是注意力的惯性（本来就倾向接着看）；β2 是看饱的速度；β3 是不看证据、随手换去看看的倾向；β4 是定向探索，这边看得越多，越想去看那边。关键在 β2 和 β4 一起动：变量是\"这边对那边\"的比例，不是这边单独的不确定。作者把这叫\"信息对称\"：人在意的是两边证据攒得差不多，而不是把每个选项的不确定分别压到最低。
把这四个参数的式子装回模型，拟合几乎和网络一样好。再拿去预测另一批完全不同的数据（另一项研究里 89 个人做的双臂老虎机，反复在两个选项里选、拿积分），它也比 UCB 好；给 UCB 加上同样的基线项再比，仍然更好。
BRAIN / 04
四、脑里谁在算
7T 磁共振的分辨率到 1 毫米，扫描范围专门照顾中脑和脑干，同时看了五个神经调质的发源核团（多巴胺的腹侧被盖区和黑质、5-羟色胺的中缝背核、去甲肾上腺素的蓝斑、乙酰胆碱相关的腹侧隔核），加上前扣带皮层和前脑岛。
—前扣带和前脑岛跟踪网络算出的信息价值：\"换过去\"的价值越高，它们越活跃。—腹侧被盖区正向编码\"选\"的价值，反向编码\"看\"的价值。一个核团里两样相反，正好适合在\"继续看\"和\"现在选\"之间做仲裁。黑质的模式更像前扣带。—蓝斑、中缝背核、腹侧隔核没有找到显著关联。这值得记一笔：于和达扬 2005 年在《神经元》上提出过一个影响很大的理论，用乙酰胆碱和去甲肾上腺素分别对应\"预料之中\"和\"预料之外\"的不确定。这次在这个任务、这个灵敏度下没看到，不等于否定那个理论，但至少它们不是这里信息价值的主要读数。
拿四种算法的信息价值分别去解释血氧信号，网络版和四参数公式版都明显好过直线和 UCB；公式版和网络版之间的差距很小（效应量约 0.13）。
BRAIN / 05
五、对照 AI
一、UCB 是按\"单个选项\"记账的。奥尔、切萨-比安基、菲舍尔 2002 年在《机器学习》上给出的 UCB1，是今天多臂老虎机和很多搜索算法的底子：每个选项的分数 = 平均收益 + 一个探索加分，加分随这个选项被试的次数增加而缩小。AlphaGo Zero 一类的蒙特卡洛树搜索里，PUCT 的探索项也是这个形状：某个分支被走得越少，加分越多。它有好的理论保证：长期看，后悔值增长得很慢。
这篇的发现是：人并不这样记账。人的\"想去看那边\"不是看那边自己多不确定，而是看这边比那边看了多少。一种可能的理由（本系列的推测，论文没有检验）：人只有一处注意力，一边的信息放久了还会忘，这时让两边保持差不多新鲜，比把每一边各自看透更划算。UCB 的设定里没有注意力切换成本，也没有遗忘，所以不需要这一项。
二、神经网络当\"理论发现器\"，不是当答案。这一招不是这篇首创。彼得森、格里菲斯等 2021 年在《科学》上用一万多个风险选择题的人类数据训练网络，再拿网络当参照去改进经典的前景理论。乌德雷斯库和泰格马克 2020 年的 AI Feynman，用符号回归从数据里找回了上百个物理公式。这篇的做法是把两者接上：网络负责\"拟合得够好\"，符号回归负责\"说得出是什么\"，模型里能写清的部分仍用理论。
好处是，网络如果只给一个更高的拟合分，人学不到东西；压成四个参数以后，可以拿到别的任务、别的数据上去检验，也可以拿去对脑信号。这次两样都过了。
三、对今天的 AI 有什么用。搜索型的智能体（比如会自己上网查资料的研究助手）每一步都面对同一个问题：继续查，还是现在回答；查的话，查哪一个候选。现在常见的做法是设一个固定的步数或置信阈值，或者让模型自己判断\"够了没有\"。人的这条规律提示了另一种停法：盯着几个候选之间证据是否平衡，一边证据远多于另一边时，先去补那一边。它是否真能让 AI 更好，论文没有测，这是一个可以检验的想法，不是结论。
四、差别。UCB 的目标是长期收益最大，有数学证明；人的四参数公式是\"人实际怎么做\"，不保证最优。人的做法在这个任务里接近动态规划算出的最优策略，但在别的情况下（比如两个选项一个明显差很多），\"平衡两边\"可能浪费时间。
BRAIN / 06
六、边界
—行为和脑成像都只有 20 个人；推广到另一份数据靠的是 89 人的老虎机任务，两种任务里\"看了多少\"的对应是作者定的映射。—磁共振测的是血氧信号，脑干小核团噪声大；蓝斑等核团\"没找到\"受灵敏度限制，不能读成\"不参与\"。—四参数公式是对一个网络的近似，网络又是对 20 个人的近似；它描述的是这个任务里的平均规律，不是脑里真的写着这条式子。—\"信息对称对 AI 搜索有用\"和\"为什么人会这样\"两处，是本系列的推测，论文没有检验。
BRAIN / 07
七、自测：合上文章回答
—UCB 和网络学到的函数，在\"这边多看一个点\"之后，变化有什么不同？
BRAIN / 08
八、三行，留着复习
```
人怎么探索 不按单个选项的不确定，按两边证据是否对称；这边看多了就想看那边
怎么发现的 网络先拟合人的选择，符号回归压成四参数公式，换数据、对脑信号都过了
对照 AI UCB 按单个选项记账、无切换成本无遗忘；人有一处注意力，平衡两边更划算
```
本篇是「脑科学 × AI」系列第124篇（2026-11-05），承接第120篇。核心研究是 D'Ambrogio 等 2026 年《自然·神经科学》技术报告：20 人 7T 磁共振 + 89 人老虎机数据推广。「人只有一处注意力且会遗忘，所以平衡两边更划算」和「信息对称可借给搜索型 AI 的停法」两处是本系列的推测，论文未检验；蓝斑等核团未见显著关联受成像灵敏度限制，不读成不参与。
阅读依据（2026-11-05 回查）：D'Ambrogio, Grohn, Khalighinejad, Mattar, Hunt & Rushworth, Interpretable abstractions of artificial neural networks predict behavior and neural activity during human information gathering, Nat Neurosci 2026;29(8):2036–2047（PMID 42362882，开放获取全文）；Auer, Cesa-Bianchi & Fischer, Finite-time analysis of the multiarmed bandit problem, Machine Learning 2002;47:235–256；Silver et al., Mastering the game of Go without human knowledge, Nature 2017（PUCT，凭通行写法，未逐字回查）；Peterson, Bourgin, Agrawal, Reichman & Griffiths, Science 2021;372:1209–1214；Udrescu & Tegmark, AI Feynman, Sci Adv 2020;6:eaay2631；Yu & Dayan, Uncertainty, neuromodulation, and attention, Neuron 2005;46(4):681–692。回引第120篇。