研究揭示人脑在社交网络分布式学习的神经计算机制
社会网络通过限定我们学习内容以及来源进而影响我们的决策。然而，社会网络如何影响个人学习和决策的内在机制仍不清楚。北京大学研究团队揭示了人脑在社交网络分布式学习的神经计算机制。该研究于近日发表在《Nature Neuroscience》杂志上，题为：Neurocomputational mechanism of real-time distributed learning on social networks。
研究人员着眼于社会网络中学习和决策的“去中心化”特性，将实时分布式学习任务与功能磁共振成像、计算模型和社会网络分析相结合，研究了人类如何在不同网络节点观察他人做出决策的过程。面对分布式网络信息高复杂、高难度的处理，人脑会采用具有偏向性的处理方式：根据背侧前扣带皮层的活动情况，人脑将灵活地对那些在网络中具有更多连接（更交游广阔）的信息源赋予更高的权重，低估或忽略其他信息源，这种策略可能导致虚假信息的传播和错误共识的形成。
该研究结果揭示了一种基于网络信息来源学习过程的神经计算机制，该过程可能会引起有偏向性的学习和错误信息在社会网络中传播。
推荐
-
焦点事件
-
科技前沿
-
科技前沿
-
科技前沿
-
科技前沿
