自闭症特征影响信息抽样的战略多样性：两阶段决策模型的见解

文献:Lu, H., Yi, L., & Zhang, H. (2019). Autistic traits influence the strategic diversity of information sampling: Insights from two-stage decision models. PLoS Comput Biol 15(12): e1006964. https://doi.org/10.1371/journal.pcbi.1006964

1.背景介绍 ¶

信息抽样（Information sampling）可以减少未来决策的不确定性，但通常代价高昂，例如，要确认特定肿瘤是良性还是恶性可能需要高侵入性的手术。为了最大化回报，人们需要平衡采样成本和信息收益，对环境进行最佳采样。然而，自闭症谱系障碍 (ASD)似乎伴随着各种形式的次优的信息采样，例如，具有重复行为的个体倾向于将时间花在对减少不确定性几乎没有帮助的冗余信息上。整个自闭症特征人群是一个连续体（continuum），ASD诊断通常位于最高端，自闭症特征和ASD具有i相同的遗传和生物学病因(Bralten et al., 2017)。因此，量化健康人群中与自闭症特征相关的差异可以提供独特的视角以及了解 ASD 症状的有用替代指标。本研究旨在了解自闭症特征如何影响信息采样的最优性，并确定特别受影响的认知过程。

2.假设 ¶

具有高度自闭症特征的个体可能更偏离信息抽样的最优性。

3.方法 ¶

104名大学生志愿者（42 名男性，年龄在 18-28 岁之间）。

联合乌鸦测试 (CRT) 用于测量被试的智商以进行控制，104 名被试的平均 CRT 得分为 68.65（标准差，2.82；范围从 61 到 72），对应的平均智商得分为 117.68。

自闭症谱商（AQ）问卷用于量化被试的自闭症特征，104 名被试的 AQ 分数呈正态分布平均值为 69.97，标准差为 10.48，范围从 49 到 95，AQ 和 IQ 之间几乎没有相关性。

珠子采样任务的所有刺激都在由 MATLAB R2016b 和 PsychToolbox 控制的 21.5 英寸计算机屏幕上直观呈现。

图1

被试在屏幕的左侧和右侧看到一对罐子，每个罐子都装有200个粉色和蓝色的珠子，两个罐子的粉蓝比分别为 60%:40% 与 40%:60%，或 80%:20% 与 20%:80%。告知被试已经秘密选择了其中一个罐子，他们的任务是判断选择了哪个罐子。

他们每次摁下空格键，都会从罐子中随机抽取一颗珠子替换并显示在屏幕上，附加到采样珠子序列的末尾。被试可以自由抽取 0 到 20 个珠子样品，但每个样品可能会产生成本。每次试验的每个样本成本可以是 0、0.1 或 0.4 分。屏幕顶部的绿色条表示剩余的奖励积分（10 积分减去当时的总采样成本）。当被试准备好进行推理时，他们按 Enter 键退出采样，并通过按相应的箭头键来判断预先选择的罐子是左侧罐子还是右侧罐子。如果他们的判断正确，将获得剩余的奖励积分，否则什么都没有，鼓励被试最大限度的获得奖励。

在一半的试验中预先选择了以粉色为主的罐子，在另一半中预先选择了以蓝色为主的罐子。他们的左/右位置也在试验中平衡。两个证据（即粉蓝珠子的比例）条件（60/40低证据和80/20高证据）在每个区块内随机混合，三个成本条件（0、0.1和0.4，以下分别称为零成本、低成本和高成本条件）被屏蔽。六个条件中的每一个都重复了 48 次，共进行了 288 次试验。正式实验之前进行了 24 次练习试验。

4.结果 ¶

图2

计算了效率——被试样本量的预期收益除以最大预期收益——来量化被试抽样选择的最优性，并使用线性混合模型分析来识别 AQ 的影响及其与抽样成本和信息增益的相互作用。被试的效率（图 2A）平均为 94%（即接近最优），但随着成本增加或证据减少而降低，当高成本和低证据同时发生时，下降幅度更大。不同 AQ 的被试在整体效率上没有差异，但 AQ 通过其与成本和证据的相互作用影响效率。事后比较了AQ 的回归斜率（AQ 增加一个单位时效率的变化）（图 2D），在低证据条件下，与零或低成本相比，高成本下的斜率更负。在高证据条件下，不同成本之间没有发现显著差异，在几乎所有条件下，斜率都是非负的，甚至是显著正的，表明AQ较高的被试效率更高。当采样成本高且信息量少（即高成本、低证据条件）时，效率随 AQ 降低。

整体高效率伴随着由采样成本和信息增益调节的自适应采样行为（实线）：被试在成本更高或信息更多的条件下抽取更少的样本，这是最佳策略所需要的（图 2B）。与最佳样本数（虚线）相比，被试在零成本或低成本条件下采样不足，而在高成本条件下采样过度。

使用两种措施量化了被试在特定条件下的抽样行为：抽样偏差（实际抽样数减去最佳抽样数）和抽样变异性（实际采样数的标准差）。

线性混合模型分析抽样偏差表明成本和证据的主效应，以及它们的交互作用，与其对效率的影响类似，AQ 不会导致更多过采样或欠采样的普遍趋势，但与成本有显著的相互作用。AQ的零成本抽样变异性的斜率比低成本更正，在零成本条件下，鉴于被试倾向于欠采样（图2B），AQ的正斜率意味着对于AQ较高的被试来说，欠采样较少。

对抽样变异性的线性混合模型分析表明，成本和证据以及它们的交互作用是显著的（图2C）。AQ 通过其与成本和证据的相互作用影响抽样变异性。事后比较表明，与低成本或高成本相比，零成本下采样变异性的 AQ 斜率比在低证据条件下更负，但在高证据条件下几乎不受成本影响（图 2F）。在低证据条件下，观察到的斜率意味着较高的 AQ 导致零成本下较低的抽样变异性，但在高成本下导致较高的抽样变异性。

不同 AQ 水平的被试在样本量的均值和 SD 上都不同。具有较高 AQ 的被试在零成本、低证据条件下具有更高的效率，这与较少的欠采样和较低的抽样变异性相关。同时，在高成本、低证据的情况下，较高的 AQ 对应于较低的效率和较高的抽样可变性。

特定样本的决策时间 (DT)——从最后一个珠子样本开始（或者，对于第一个样本，抽样阶段的开始）和按键抽取样本之间的间隔——提供了关于抽样选择的认知过程的更多信息基础。

图3

这种双峰性在低成本和高成本条件下很明显，但在零成本条件下其中第一个峰值占主导地位。线性混合模型分析显示平均 DT（图 3B）随着成本增加，并随着证据减少。成本和 AQ 之间存在显著的交互作用：在零成本下，DTs 倾向于随 AQ 减少，但在低成本下随 AQ 增加（图 3C，这两种条件之间的斜率差异） 达到显著性。

同一试验中的 DT 随样本数量而变化，事后比较显示出显著的负线性趋势，表明在抽取更多样本后，试验中的抽样决策变得更快。AQ 显著缓和了样本数量的影响，较高的 AQ 与更平坦的趋势相关，AQ 较高的被试往往不像 AQ 较低的被试那样加快决策速度。

5.总结 ¶

研究测试了被试如何随着环境中抽样成本和信息增益的变化而调整他们的抽样策略，发现他们的表现总体上接近最佳状态，但也表现出与自闭症特征相关的差异。具有较高自闭症特征的被试在抽样成本为零时获得奖励的效率更高，但在成本高且证据更模糊时效率较低。被试抽样选择和决策时间的计算模型揭示了一个两阶段的决策过程，被试可以在第一阶段考虑成本，在第二阶段考虑证据，或者以相反的顺序。选择在特定阶段停止抽样的概率随着成本的增加或证据的增加而增加。令人惊讶的是，自闭症特征在任何一个阶段都没有影响决定。然而，具有较高自闭症特征的被试倾向于首先考虑成本，而具有较低自闭症特征的被试以更平衡的方式首先考虑成本或证据。这将导致在抽样最优性中观察到的与自闭症特征相关的优势或劣势，这取决于最佳抽样策略是仅由成本决定还是由成本和证据共同决定。

参考文献 Bralten, J., Hulzen, KJ. Van., Martens, MB., Galesloot, TE., Vasquez, AA., & Kiemeney, LA. (2017). Autism spectrum disorders and autistic traits share genetics and biology. Mol Psychiatry. https://doi.org/10.1038/mp.2017.98 PMID: 28507316