19 °C Taipei, TW
2020-12-05

關於好奇心:我們尋求新奇,但不要太多|cacao 可口雜誌

人要吃飯、要喝酒、要繁衍,有這樣那樣的需求。卡內基梅隆大學的經濟學、心理學教授喬治·洛文恩斯坦(George Loewenstein)說,好奇心和這些需求並沒有什麼不同。我們的求知欲是無限的,我們要不斷地去發明創造、去探索、去研究學習,這和其他需求一樣重要。

對於好奇心,我們好奇的是:它似乎並沒有和任何實際的獎勵或回報聯繫在一起。洛文恩斯坦曾經寫道:好奇心將一個理論難題擺在了我們面前:為什麼人們會受一類信息的強烈吸引?從好奇心的定義來看,這類信息並不存在外在的利益。地球上的生命尋求食物、水、性、住所、休息、財富和生活中其他無數能夠滋養他們、愉悅他們的事物,這一點我們不難理解。但是,琢磨出重力的本質或者是登月對我們有什麼好處呢?

一個很簡單的答案是,我們永遠不知道今天學到的東西是否會在明天派上用場。以蠕蟲為例。加利福尼亞州薩克生物科學研究所的神經生物學家斯里坎斯·查拉薩尼(Sreekanth Chalasani)說蠕蟲是無可救藥的樂天派。他研究的是一種常見的幾毫米長的蠕蟲——秀麗隱桿線蟲(Caenorhabditis elegan)。在實驗中,他會把一條蠕蟲放在一大堆細菌(它們最喜愛的食物)上,身邊是一大堆潛在的伴侶。它會做什麼?它會離開這一堆食物,去尋找更多的東西。沒有任何跡象表明外面有更好的東西存在。這些細菌就是你可以給它的最好的食物。蠕蟲這樣做很瘋狂!

無論你只是放棄了這些食物,還是飛入了太空,這些探索看起來實在是有些瘋狂。當然,除非你永遠不知道這些食物是否真的會被耗盡。查拉薩尼從進化的角度解釋說,有很好的理由驅使我們繼續尋找。信息幫助我們做出更好的選擇,適應不斷變化的環境。也許有一天,我們就真的需要一個月球基地了。

 好奇心不在於你不知道什麼,而在於你已經知道了什麼

不過,好奇心並不是像隻無頭蒼蠅一樣到處瞎轉。我們會對特定的事物感到好奇,不同的人對不同的事物感興趣。有的人執迷於興趣愛好、追求神秘,還有的人涉獵廣泛,什麼都喜歡接觸一下。興趣上的這種差異告訴我們,某個目的性因素必然在引導著我們痴迷的每一個獨特愛好。

事實上,研究好奇心機制的科學家發現,它的核心是一種概率算法。我們的大腦一直在計算哪條路徑或哪種行動,可能會讓我們在最少的時間內獲得最多的知識。就像維基百科頁面上的鏈接一樣,好奇心建立在它自己身上,每個問題都會帶來下一個問題。沿著維基百科蟲洞一樣的旅程,從哪裡開始就預示著你可能會在哪裡結束。這就是好奇心的有趣之處:好奇心不在於你不知道什麼,而在於你已經知道了什麼。

利用最基本的術語,你可以說好奇心是動機和方向的映射。動機並不像它看起來那麼明顯。口渴、飢餓、性衝動……我們其他的需求都有很明確的動機。但是好奇心呢?

19世紀的德國哲學家亞瑟·叔本華(Arthur Schopenhauer)認為,生命的首要任務是 「存在」 ,緊隨其後的是 「避開無聊」 ,無聊就像一隻巨鳥盤旋在我們頭頂,只要它從你的需求中看到了安逸的生活,它就會立馬俯衝下來。滿足就意味著無聊,好奇心正是我們掙脫出去的通行證。人類學家拉爾夫·林頓(Ralph Linton )在此基礎上更進了一步。他在1936年寫道:也許人類無聊的能力,而非人類的社會或自然需要,才是人類文化進步的根源。換句話說,因為厭惡單調乏味,人類已經想方設法積累了海量的知識 — 語言、印度泰姬陵、懶人袖毯。

但僅僅是無聊還無法完全解釋好奇心。洛文恩斯坦說:很古老的觀點認為,好奇心和無聊是同一個東西的兩端。新的觀點提出:無聊和好奇的關係,並不像飢餓與飽腹、乾渴與潤澤之間的關係。無聊和好奇心的關係不像餓了就要吃一樣,它是 「大腦的一個信號,告訴你你沒有充分利用大腦的某個部分」,就像你坐得太久的時候腳會麻一樣。無聊提醒我們,我們需要鍛煉我們的思維。但是除了好奇心之外,我們還有其他可以治療無聊的東西:比如食物或性。更重要的是,即使我們不感到無聊,好奇心也會時不時冒出來。事實上,我們很容易為了學習新的東西而放棄我們想要或喜歡的東西。

 只有當參與者能猜到答案卻又不太確定的時候,他們的好奇心才會達到頂峰

就像查拉薩尼實驗中的蠕蟲離開了那堆完美的食物一樣,人類和其他靈長類動物也會一直用獎勵交換信息。為了衡量這種趨勢,研究人員參考角子機的模式,設計了參與者需要完成的任務。在這項任務中,參與者必須在多個圖像或其他選項之間反複選擇。不同選擇獲得獎勵的機率不同(獎勵通常是金錢)。隨著時間推移,參與者慢慢知道哪些選項最有可能讓他們獲得獎勵,他們會一直選擇這些選項。但是,當選擇中出現一個參與者沒有見過的新選項時,他們經常會選擇那個新選項,他們放棄了之前可能的酬勞,希望新選項能讓他們獲得更多的獎勵。

對大腦的研究表明,這種「新奇獎勵」也就是我們給予新選擇的額外比重,至少部分來源於它提供給我們的欣快感。例如,2007年的一項研究發現,像巴甫洛夫的狗在聽到鈴聲時會分泌大量唾液一樣,當我們期待有新發現時,即使期望落空,大腦的獎勵區域也會被激活,就像我們感受到愛、吃到糖果一樣。研究人員得出結論,這些研究結果提出了一種可能性,新奇事物本身就被大腦當作一種獎勵 。

這也許是真的,我去維基百科就像叔本華說的那樣是為了「擺脫無聊」。但後來我又在維基百科裡花了三個小時的時間閱讀蒙古入侵日本,部分原因是因為我下意識地喜歡點擊鏈接帶來的多巴胺分泌的快感。正是這樣的快感驅使澳大利亞和北極圈生息繁衍、發明陶器、雕刻出沃爾道夫的維納斯(Venus of Willendorf)。

但是為什麼我會跟著蒙古部落的足跡走進一片新的領域呢?就像愛麗絲從兔子洞開始夢遊仙境一樣。為什麼我不去研究威拉德的白嘴黑鵙,或是維基百科上隨機文章推薦給我的那些有趣的理論話題?為什麼好奇心用這種方式吸引著我們?

洛文恩斯坦在1994年的一篇文章中提出了一種理論,認為好奇心的方向取決於「信息差距」  —— 突然意識到你不了解的內容並迫切想要填補這一空白的渴望。這種認知差距可以存在於物質世界(這種奇怪的蟲子是什麼?)和精神世界中(什麼是愛?)。他的理論很好地闡述了為什麼Upworthy網站的標題讓人如此難以抗拒(該死,我可能已經喜歡上海牛的22個理由是什麼),為什麼好奇心既被看作是優點又是缺點(你知道海牛的乳頭藏在腋窩下面嗎?)。

但是,信息差距要吸引人的注意,就不能太大(標題用葡萄牙語寫成)或太小(海牛住在佛羅里達州)。在2009年的一項研究中,一組研究人員(包括洛文恩斯坦)讓參與者置身於功能性磁共振成像儀中,問了一堆小問題:聽起來像是人在唱歌的樂器發明是什麼?地球所在的星系叫什麼?參與者要估計他們對於每個問題答案的信心,還要評價他們對每個問題的好奇心各有多少。研究人員會實時監測參與者大腦獎勵中心被激活的情況,這是另一種測量好奇心的方法。

不出所料,參與者對他們認為自己已經知道的答案最不好奇,但對自己完全不知道的問題也不感興趣。只有當參與者能猜到答案卻又不太確定的時候,他們的好奇心才會達到頂峰。好奇心的「甜蜜點」 ( Goldilocksian )似乎是信息的游離狀態:不太多也不太少。

羅切斯特大學神經科學家西莉斯特·基德(Celeste Kidd)說,嬰兒也喜歡新但又不是太新的事物。在2012年的一項研究中,她和同事讓7-8個月大的孩子坐在螢幕前,螢幕上是三個盒子的圖案,每個盒子裡都放了一樣東西,如餅乾、勺子或玩具車。這些物體以特別的方式從盒子中出現,就像打地鼠(Whack-a-mole)遊戲 一樣。其中一些方式出現得更加頻繁,基德可以讓​​某些特定的方式出現得更少,更令人驚訝。

當嬰兒注視著螢幕時,有一台眼部跟踪設備也在關注著他們。他們的目光透露出明顯的偏好性:有點新奇但又不完全新奇的出現方式引起了他們的注意;與之前看到的相似或非常不同的方式沒有引起他們的注意(每當寶寶不看螢幕的時候,螢幕上就會出現一張笑著的寶寶的照片,我不知道你是否知道這點,但寶寶確實都喜歡看其他寶寶的照片。)

基德說,我們的大腦本能地尋求新穎性程度「恰到好處」的東西,這有點像去逛書店,你不會想挑一本兒童書或是你以前已經讀過的書。另一方面,如果你選擇一本你根本就不能參透的書,比如用俄語寫的天體物理學,你也會遇到類似的問題。這會很無趣。想要學習,你必須有一些能夠掌握的東西。就像攀岩一樣,下一個攀岩點距離最後一個抓點不能太遠,即使你可能永遠爬不到最高處。當你的大腦促使你盡快去收集信息時,它也會本能地引導你遠離那些太小或太大的差距。

機器人是檢驗這種機制如何運轉的好幫手。但是因為機器人缺乏動機(好奇心的主要成分),首先你必須給它一些動機。在德國波鴻魯爾大學研究人工智能的博士後瓦倫·康培拉(Varun Kompella)說,要做到這一點,只需要給機器人編程讓他們去尋求獎勵。只要機器人知道獎勵存在,並且想要得到獎勵就夠了,獎勵到底是什麼(即使是一堆數字)並不重要。同樣,機器人也不知道要如何獲得獎勵。就像人類能從學習新東西中獲得多巴胺一樣,即使看起來毫無用處,機器人的動機、激勵系統也能讓學習本身成為一種獎勵。

康培拉與一個iCub機器人合作,這是一款開放式的類人形機器人,它有奶油色的皮膚、銀色的關節,有頭、眼睛、手臂、手指甚至是乳頭,但它沒有頭髮和腿。在康培拉發給我的視頻中,iCub直接連在桌子後面的地板上。桌子中間放著一個塑料杯。機器人來回擺動,握緊、鬆開拳頭。一開始,每一個新的動作都會讓機器人學會一些新東西,獲得獎勵。但沒過多久,它已經沒有新的動作可學了。

突然間,機器人打翻了桌子上的杯子。這次遭遇也讓機器人獲得了獎勵。更重要的是這次偶然為機器人提供了獲取知識的新渠道。就像一個水手在海上漂了幾個月後突然發現了一隻水鳥;就像喬治·馬洛里(George Mallory,英國探險家,在嘗試攀登珠穆朗瑪峰途中喪生)第一次聽說了珠穆朗瑪峰。這就是好奇,不再是隨機、漫無目的的,而是有指向的。

那麼下一步呢?答案由一個概率算法確定,這個算法會計算什麼動作最可能讓機器人獲得另一個獎勵。在這種情況下,算法提出,在杯子所在區域移動手臂能夠帶來新動作(當然還有獎勵:叮!)。和忽視杯子、回去執行完全隨機的行動,或是雖然專注於杯子但卻做完全不一樣的動作相比,在同一區域做類似的事情更有可能學到新的動作。為什麼要專注於杯子?因為它就在那裡。

康培拉的機器人最終學會了拿起杯子,把它移開,放在桌上一個特定的地方。這正是康培拉想要它做的。但它教會自己去放杯子,很大程度上是因為它被固定在桌子旁邊,面前的桌上就有個杯子。如果不是這樣,它其實還有很多其他的選擇。

同樣,基德的實驗旨在跟踪嬰兒在任何給定時間所擁有的信息量,從而能控制新奇事物的數量,同時限制嬰兒的選擇。基德說,她之所以選擇7-8個月大的孩子,是因為他們能夠支持自己的頭部重量,但又還沒有學會走路,這是最適合進行這一實驗的狀態。對於蹣跚學步的孩子來說,走路本身是最有趣的事情了, 沒有什麼能和它匹敵。

想要預測甚至控制好奇心就要有更加有效的教導,要更好地了解心理疾病,要有更專注的興趣;生活才會永遠這麼有趣。不過,研究好奇心的難度也告訴我們,好奇心是無窮無盡的,我們幾乎不可能真正去引導它、控制它。到頭來,我們還有更多的謎題需要解開。

  • Source: nautilus
  • Via: 可口整理報導

Related articles

新增回應