大腦如何區辨自我與他人的社會動作

分享至

圖片出處@pixabay

撰文|王冠云

讓機器、AI成為「更具有社會性的存在」是現在人機互動研究的熱點,但是在認知神經科學的領域中,人類的社交行為並未完全被解碼。因此,如何透過更嚴密的計算模型來描述我們的社交大腦,便成為了現今認知科學家們想要破解的謎團。

●自我的行動 vs. 他人的行動

在日常生活的社交互動中,我們嘗試去預測他人社交行動背後的意圖,那些社交行動包含了表情、語音、手勢、肢體動作等,能夠從這些蛛絲馬跡去判斷自己以及他人下一步的行動,這是一個很重要的「心智化(mentalize)」能力。然而這一整個認知機制對於目前的神經科學領域而言,並不是一個容易解決的問題。

在動態的社交環境中,我們必須即時的給予對方回饋,才能讓社交活動順暢的進行。此外,行動辨認還必須基於「預測」的歷程,要有預測,才能讓我們能感知(perception)他人的行動,並且產出(production)自己的行動。因此,在社交互動的過程當中,感知和行動本身必須同時一起作用之外,他人的行動和自己的行動也必須同時在腦中作用。但是,到底大腦怎麼同時運算這麼多事情,又可以腦袋不打結呢?

我們把焦點放在動作系統(motor system)吧!許多認知神經科學的證據皆指出這個系統可以參與到自我行動和他人行動的處理歷程,可以知道其動作的社會認知角色並且知道其中的意圖、價值觀、需求等。如果再加上心智化,以及鏡像預測的觀點,那麼就成為了Kahl和Kopp在2018年底發表的HPBU模式(Hierarchical Predictive Belief Update),這個奠基於預測的感覺動作系統(sensorimotor system)將能夠區分自我的行動(產出的預測)以及他人的行動(感知的預測)。

●如何測試感知與動作預測的模式呢?

模式由許多方程式構成,用來描述大腦運作的歷程。既然建立了模型,那麼就必須對這個模型進行測試,研究者的測試方法是利用0~9的手寫數字測試。採用這個測試是基於「主動推論(active inference)」和「自由能量最小化(free energy minimization)」這兩個概念之上。主動推論指的是我們藉由採取一些行動來改變這個世界以符合自己的期待,如此一來可以減少自己對於這個世界的不確定性。那個不確定性就是自由能量,可以描述那些對於自己而言,解釋這個世界如何發生事情在自己身上的資訊。所以,一個人會針對自己所看見的事物,試著找出不同的解釋或者嘗試對這個世界採取行動來讓不確定性最小化。

透過模型,可以顯現出一個人在寫數字的時候,可以顯現出一個人如何感知到那些正在書寫的筆觸,也可以顯現出寫下那些筆畫的時間點等,這些感覺都是一個主動的行動者所能對自己的行動擁有的感覺。那麼,這些感覺能不能用來推論行動到底是自己的還是他人的呢?請想像一下你拿著一隻筆,但是看不到自己的手,然後也不知道有其他人在旁邊,你眼前就是一個白色的畫布,而且你有能力寫東西。這時候當你開始寫東西,其實你看不到自己的手,還是可以知道那是自己的自己,而即使他人和你同時寫東西,你也會知道那不是自己。也就是說,即使看不到動作,還是能夠判斷自我以及他人的動作。

能做出正確的判斷來自於人們強烈的依賴對於自己的行為的可預測性,而他人的行為則有較低的可預測性。適當的動作回饋也會讓人更能清楚判斷動作是來自於自己本身而非他人。然而,還有一個未解的謎團是,有可能自身視覺系統所看到的東西即使沒有和任何自身的動作系統關聯,也可以讓大腦受到因爲那個他人的動作所帶來的影響,比方說,看到他人微笑時,即使自己沒有微笑也能夠提升自身的正向情緒。

總而言之,這個社交模式其實告訴了我們一些主動推論可能會帶來的偏誤,我們會試圖去解釋發生在眼前的行為以便讓不確定性最小化。而社交行動又絕大多數出於預測,並且要同時處理他人的行動與自身的行動。因此,即使人類已經是個具有高度發展社會的動物,但是,我們的大腦還是沒有辦法讓我們總是能精準的了解彼此的社交意圖,我們會誤會、爭吵、錯過彼此。研究者在其發表的論文結尾寫到,我們為了維持更好的社交關係,當然還是得雙方互惠的揭露自己有關的資訊,才能邁向更有效率的社交溝通。
    

參考資料:

  1. Sebastian Kahl, New Paper on active inference and self-other distinction, Medium, 2018.
  2. Sebastian Kahl and Stefan Kopp, A Predictive Processing Model of Perception and Action for Self-Other Distincion, Frontiers in Psychology, 2018.

加入好友

(Visited 113 times, 1 visits today)

分享至
views