《NeuroImage》：When More Control Means Better Choices: Cognitive Control Networks Drive Expected-Value Maximization Under Uncertainty
编辑推荐：
在结果不确定性下，人类决策常偏离理性的期望价值最大化，而倾向于次优的概率匹配启发法。决定个体克服此启发法差异的神经计算机制仍不明确。本研究探讨了认知控制能力（Cognitive Control Capacity, CCC）如何调节不同结果不确定性水平下的决策。
在结果不确定性下，人类决策常偏离理性的期望价值最大化，而倾向于次优的概率匹配启发法。决定个体克服此启发法差异的神经计算机制仍不明确。本研究探讨了认知控制能力（Cognitive Control Capacity, CCC）如何调节不同结果不确定性水平下的决策。高、低CCC参与者在功能性磁共振成像（fMRI）期间完成了一项预测推理任务。行为上，高CCC个体在所有不确定性水平上均表现出显著更高的最大化反应比例（Proportion of Maximizing Responses, PMR）。通过分层漂移扩散模型（Hierarchical Drift-Diffusion Modeling, HDDM）分析，研究人员证明这种最优表现是由更谨慎的决策阈值驱动的，表明了个体为抵抗直觉捷径进行了更多的审慎考量。在神经层面，虽然扣带-岛盖网络（Cingulo-Opercular Network, CON）和额顶网络（Frontoparietal Network, FPN）的局部激活反映了不确定性升级带来的普遍认知负担，但功能连接分析揭示了一条支持最优选择的特定神经通路。关键在于，CON内部（从前岛叶到中额回）的连接性充当了一个特定的神经放大器，这对于将高认知能力转化为最优的期望价值最大化是绝对必要的。FPN虽然跟踪不确定性，但并不调节这种能力-表现联系。综上，这些发现提供了一个整合的神经计算框架，阐明了特定的认知控制网络如何动员资源以克服启发式倾向，并在不确定性下实现最优决策。
一、 研究背景与意义
决策制定是日常生活的核心，而在面对不确定性时做出明智选择尤为重要。理论上，当概率信息明确时，最优策略是持续选择成功概率最高的选项，即期望价值最大化。然而，现实情况是，个体决策常常偏离这一理性标准，表现出诸如“概率匹配”等次优启发式行为，即按概率比例分配选择，而非始终选择高概率选项。这种背离源于人类认知固有的双系统加工框架：一个需要认知控制的理性系统，与一个由奖励和冲动驱动的自动化系统。认知控制作为理性系统的基石，在不确定性决策中承担着维持目标、抑制直觉冲动等关键执行功能。个体认知控制能力存在差异，但此前研究对于这种差异如何具体调节个体在不确定性处理中采用最优策略（最大化）与次优选择（概率匹配）的机制尚不明确。资源理性框架为此提供了重要视角，强调决策过程依赖于有限认知资源，在面对高不确定性时，坚持最大化策略需要持续的认知控制以压制更省力的概率匹配倾向。因此，拥有更高认知控制容量的个体，可能更善于克服启发式捷径，可靠地实施规范的最大化策略。为系统探究认知控制资源个体差异如何调节结果不确定性下的决策，本研究结合行为测量、计算建模与功能磁共振成像技术，旨在揭示其背后的行为模式、计算机制与神经基础。此项研究对理解人类在复杂不确定环境中如何优化决策具有重要理论价值，并为涉及高风险决策的领域（如金融、医疗）提供了认知神经科学层面的启示。本研究成果已发表在神经科学领域重要期刊《NeuroImage》上。
二、 主要研究方法
研究人员招募了147名参与者，通过修订的后掩蔽多数功能任务（Revised backward-masking Majority Function Task, MFT-M-R）量化其认知控制能力（Cognitive Control Capacity, CCC），该指标以比特/秒（bits/s）为单位，反映了在时间压力下处理任务相关信息的能力。根据CCC得分，选取高CCC组（H-CCC）和低CCC组（L-CCC）各17人参与后续磁共振成像研究，最终有效样本为31人（H-CCC 15人，L-CCC 16人）。在fMRI扫描中，参与者完成了一项双选择卡片猜测任务。该任务涉及预测一张黑色扑克牌的点数是否高于先前呈现的红色目标牌，任务完全避免了风险与奖赏权衡，并参数化地设定了五个不确定性水平（0%、11%、22%、33%、44%），不确定性水平由较低结果事件的客观概率定义。行为上，研究人员计算了最大化反应比例（PMR）作为决策表现指标。为解析潜在的决策过程，研究采用了分层漂移扩散模型（HDDM）来估计证据积累参数，包括决策阈值（a，代表反应谨慎性）、漂移率（v，代表证据积累的速度和方向）和起始点（z，代表初始决策偏差）。在神经影像学分析方面，研究人员进行了基于体素的广义线性模型（GLM）分析，以识别对不确定性水平呈线性或二次趋势响应的脑区。进一步，以前述分析中识别出的关键脑区（如辅助运动区/前扣带回、岛叶、顶内沟）为种子点，进行了广义心理生理交互（gPPI）分析，以探究功能连接性如何调节CCC与行为表现之间的关系。
三、 研究结果
3.1. 高、低认知控制能力组决策指标的对比
- •
最大化反应比例：高CCC组在所有不确定性水平上的PMR均显著高于低CCC组。PMR随不确定性增加呈加速下降的非线性趋势，但CCC与不确定性水平的交互作用不显著，表明高CCC个体在所有条件下都更倾向于最优选择。
- •
反应时：反应时随不确定性水平线性增加，且这种增加在低CCC组中更为显著，表明不确定性对认知资源有限的个体施加了更大的时间处理成本。
- •
潜在决策动力学：通过HDDM模型分析发现，高CCC组表现出显著更高的决策阈值，表明其决策更为谨慎，需要更多证据。在漂移率方面，高CCC组在低不确定性水平下处理速度相对渐进，但在中高不确定性水平下加速更陡。起始点值在所有条件下均高于0.5，表明所有参与者在证据积累开始前均存在偏向次优选项的初始偏差，且此偏差不受CCC调节。
3.2. 最大化反应比例与决策参数的关联：CCC与不确定性的调节作用
分析显示，漂移率与PMR呈显著负相关，且这种关联受到不确定性水平和CCC的调节。决策阈值与PMR的直接关联不显著，但其与不确定性水平存在显著的交互作用。
3.3. 不确定性处理的神经关联
- •
全脑分析：对不确定性水平呈线性响应增加的脑区主要位于扣带-岛盖网络，包括左侧岛叶和辅助运动区延伸至前扣带回区域。对不确定性水平呈二次（倒U型）响应增加的脑区主要位于额顶网络，包括双侧顶内沟、左侧额下回岛盖部以及左侧中扣带回/旁扣带回。
- •
感兴趣区分析：辅助运动区/前扣带回的激活与漂移率呈正相关。顶内沟的激活与PMR呈负相关，与漂移率呈正相关，与决策阈值呈边缘显著的负相关，表明其激活增强与决策表现下降、证据积累偏向次优选项及阈值降低有关。
3.4. 支持不确定性处理个体差异的功能连接
- •
组间差异连接：以辅助运动区/前扣带回为种子点，高CCC组相比低CCC组显示出与右侧颞上回、右侧岛叶及左侧后扣带回更强的连接。以顶内沟为种子点，高CCC组显示出与右侧颞中回、左侧中额回及双侧丘脑更强的连接。
- •
不确定性线性效应的连接：以辅助运动区/前扣带回和左侧岛叶为种子点，均显示出与右侧角回及右侧中额回的连接性随不确定性线性增加。
- •
连接性对行为关系的调节：关键发现是，左侧岛叶与中额回之间的连接强度显著调节了CCC与PMR之间的关系。只有在岛叶-中额回连接性高时，CCC才能显著正向预测PMR；在连接性低时，即使高CCC个体的决策表现也无法优化。其他连接路径未显示出类似的调节作用。
四、 讨论与结论
本研究通过整合行为、计算和神经影像学证据，系统阐明了认知控制能力如何调节不确定性下的决策。行为上，高CCC个体凭借更谨慎的决策阈值，在所有不确定性水平上均能更有效地克服概率匹配启发法，实现更高的期望价值最大化比例。计算建模表明，这种优势源于高CCC个体能设定更高的证据积累标准，并在高不确定性下进行资源理性的自适应调整。神经层面上，研究揭示了一个支持最优决策的双重网络机制：扣带-岛盖网络和额顶网络的局部激活主要反映了处理递增不确定性所带来的普遍认知负担；而关键的功能连接分析则发现，扣带-岛盖网络内部（特别是从前岛叶到中额回）的连接性充当了将高认知控制能力转化为实际最优决策表现的特定“神经放大器”。该连接通路确保了不确定性信号能有效触发控制资源的部署。相比之下，额顶网络虽然参与不确定性监控，但其连接性并未调节能力与表现之间的关联。
综上所述，本研究的核心结论是：在不确定性决策中，个体克服启发式倾向、实现期望价值最大化的能力，不仅取决于其固有的认知控制容量，更依赖于扣带-岛盖网络内特定功能连接通路的有效性。该通路作为关键的神经放大器，是将高认知能力转化为实际最优决策表现的必备条件。这些发现为理解人类大脑如何动态调配有限认知资源以应对不确定性、实现理性决策提供了一个整合的神经计算框架。
