導(dǎo)語

我們的行為無時無刻不受到好奇心驅(qū)使。好奇心對人類探索和認(rèn)識周遭世界至關(guān)重要，可是，到底什么是好奇心？它是如何產(chǎn)生的？來自美國賓州大學(xué)的 Dani S. Bassett 教授從復(fù)雜網(wǎng)絡(luò)視角研究人類的信息行為，發(fā)現(xiàn)在人們?yōu)g覽維基百科的行為數(shù)據(jù)中，就蘊含著好奇心的產(chǎn)生機制。

研究領(lǐng)域：好奇心，復(fù)雜網(wǎng)絡(luò)，人類行為

郭瑞東 | 作者

徐恩嶠 | 審校

鄧一雪 | 編輯

所謂好奇心（curiosity），是指并非為了當(dāng)下的外在需求，而是由內(nèi)心驅(qū)動的搜索知識的行為。經(jīng)由好奇心得到的信息，可能在未來為你提供新奇的和具有挑戰(zhàn)性的刺激，并促進個人幸福感。

之前的研究將好奇行為分為兩類，分別是漫游者（busybody）與信息獵人（hunter）。前者的特點是“分心”和“從不定居在任何地方”，Ta會瀏覽各種信息，但不會回到之前看過的主題上，也不會按圖索驥；而信息獵人則恰恰相反，Ta始終追尋一組信息，從一個概念轉(zhuǎn)到另一個密切相關(guān)的概念。

不同的人在呈現(xiàn)好奇心時會有不同的模式，而隨著時間推移，不同類型的好奇心將導(dǎo)致不同類型的信息積累。漫游者的信息存儲比信息獵人的更多樣化，但信息獵人的信息存儲在更少的主題上包含更大的深度。

圖1：圖論方法區(qū)分信息獵人和漫游者這兩種好奇心風(fēng)格

從網(wǎng)絡(luò)科學(xué)的視角來看，將每個信息看成節(jié)點，將信息之間的相似性看成連邊。那么兩種好奇心模式會產(chǎn)生具有不同特征的網(wǎng)絡(luò)，信息獵人的網(wǎng)絡(luò)兩點之間最短路徑的平均值小，聚集系數(shù)高。漫游者則相反。

在相關(guān)研究中參與實驗的149名被試，連續(xù)21天每天瀏覽維基百科界面15分鐘，獲得上述知識網(wǎng)絡(luò)。研究者將參與者的信息尋求行為，根據(jù)頁面之間的語義相似性表示為知識網(wǎng)絡(luò)，更高的邊權(quán)重表示由邊連接的兩個節(jié)點中包含的文本相似程度更高。

圖2：受試者瀏覽的維基百科界面構(gòu)成的知識網(wǎng)絡(luò)

受試者在參與實驗之前填寫問卷，通過問卷，判定個人由于缺少特定信息驅(qū)動的好奇的程度，又被稱為剝奪感驅(qū)動的好奇心（Deprivation curiosity）。該理論來自心理學(xué)界，指出人的好奇心是由于存在信息差。個體之間對信息差的敏感度不同，有的人會覺得遇到不懂的不查清楚不舒服，有的人則對存在的信息差視若無睹。結(jié)果指出，對信息剝奪越敏感的人，瀏覽信息的模式越接近信息獵人，其聚類系數(shù)更高，節(jié)點之間的平均路徑長度更短。

圖3. 不同的信息剝奪敏感程度和（a, b）平均聚集系數(shù)，及（c, d）代表性路徑長度的散點圖

心理學(xué)中對好奇心來源的解釋，還包括追求感官刺激。研究通過對被試每天的日記進行文本分析，判定其追求感官刺激的多少，再將被試瀏覽維基百科的21天分為三個階段，試聽判斷同一人在不同階段好奇心呈現(xiàn)模式的差異。結(jié)果發(fā)現(xiàn)，在追求感官刺激時，個體的好奇心會趨向于“漫游者”型，見圖4。

圖4：個人在不同階段根據(jù)追求感官刺激的程度，與 (b) 瀏覽形成的知識網(wǎng)絡(luò)中平均節(jié)點權(quán)重，(c) 聚集系數(shù)，及 (d) 邊的長度的散點圖。

基于同一批數(shù)據(jù)，研究者之后試圖通過分析知識網(wǎng)絡(luò)生成過程中拓?fù)涮卣?/strong>的變化，發(fā)現(xiàn)好奇心的產(chǎn)生機制。

該研究對好奇心的解釋，其中之一就是信息差（information gap），即人們之所以好奇，是由于人類對世界的知識可以容忍有限數(shù)量的不確定性。暴露于少量以前未知的信息會使人們關(guān)注知識差距的存在，使不確定性水平超過一個可接受的閾值。這種增加的不確定性促使人們尋找信息來填補知識空白并解決未知問題。

而對該理論的驗證來自圖論中的拓?fù)淇涨?/strong>（topological cavity），拓?fù)淇涨豢梢岳斫鉃?/span>兩個未連接節(jié)點之間的間隙，當(dāng)兩個節(jié)點通過第三個節(jié)點連接時，該間隙被填充，使得位于空隙的節(jié)點處于網(wǎng)絡(luò)中的關(guān)鍵位置。在好奇心研究的背景下，處于空隙中的節(jié)點可被視為信息差。通過將拓?fù)淇涨辉?/span>網(wǎng)絡(luò)生成過程中的動力學(xué)與零模型對比，研究者驗證了信息差確實可以部分解釋好奇心的成因。拓?fù)淇涨坏臄?shù)量在真實的只是網(wǎng)絡(luò)上高于零模型，指出即使我們獲得了更多的信息，熟悉的概念之間的聯(lián)系仍然未被發(fā)現(xiàn)

圖5：在不同維度下（見A、D、G），信息差位于知識網(wǎng)絡(luò)的結(jié)構(gòu)洞之中。在個體瀏覽維基百科構(gòu)建的知識網(wǎng)絡(luò)中（見B、E、H），相比隨機重連形成的零假設(shè)，真實網(wǎng)絡(luò)生成過程中，0維的拓?fù)淇涨坏臄?shù)目先上升再減少，1維及2維的拓?fù)淇涨坏臄?shù)目都顯著多于隨機情況。圖C，F(xiàn)，G分別對應(yīng)集體層面知識網(wǎng)絡(luò)的構(gòu)建過程中不同維度下拓?fù)淇涨坏臄?shù)目。集體可能比個人更容易填補這些空腔（與零模型的差異值相比個體的知識網(wǎng)絡(luò)更?。驗榭茖W(xué)領(lǐng)域內(nèi)的跨學(xué)科子領(lǐng)域被激勵去連接不同的知識子領(lǐng)域

對好奇心的另一個解釋，是通過探索，可以對世界構(gòu)建一個更精簡的壓縮后的模型。例如在讀了很多宋詞之后，將詞人分為婉約豪放兩派，這樣做的好處是存儲新信息時更簡單。量化地看，在一個15個節(jié)點的網(wǎng)絡(luò)（如圖6a所繪）中隨機行走，其序列對應(yīng)的信息熵是2比特，而當(dāng)將所有節(jié)點視作一個聚簇時，隨機游走時對應(yīng)的信息熵變?yōu)榱?比特，此時信息熵的減少可視為模型壓縮帶來的收益。聚簇的個數(shù)越少，壓縮帶來的收益越多。

圖6：量化模型壓縮帶來的收益，發(fā)現(xiàn)對于個人（圖6c）和群體（圖6d），知識網(wǎng)絡(luò)在構(gòu)建時，其壓縮帶來的收益都超過了零假設(shè)，從而支持了好奇心是由模型壓縮驅(qū)動帶來的這一假說。

以上兩種對好奇心的解釋，各自有各自的不足。信息差假設(shè)下，學(xué)習(xí)者只追求知識的成長和完整性。而在壓縮收益的解釋下，追隨好奇心是為了努力揭示世界的潛在組織。但在一個更復(fù)雜的環(huán)境中，隨著新的未知事物的出現(xiàn)，無知的邊界迅速擴大，好奇心所要承擔(dān)的責(zé)任，不僅是有效地添加或放棄信息，更包括承認(rèn)我們已經(jīng)擁有的東西的價值。然而以上兩種解釋，都只關(guān)注了新增信息的價值，沒有考慮對已有信息之間關(guān)聯(lián)的改變帶來的收益。

由此，作者對好奇心提供了一種新的解釋，將好奇心定義為知識網(wǎng)絡(luò)構(gòu)建過程中局部內(nèi)部剛性（rigidity）和全局外部靈活性（flexibility）之間的平衡。剛性和靈活性是一種需要將感興趣的對象嵌入到物理空間中的機械概念。假設(shè)知識網(wǎng)絡(luò)嵌入在歐幾里得空間中，網(wǎng)絡(luò)擁有多個自由度。靈活性可以看成網(wǎng)絡(luò)經(jīng)過構(gòu)象變化而不改變其拓?fù)浣Y(jié)構(gòu)的能力。

剛性和靈活性是兩個來自機械網(wǎng)絡(luò)的概念。如圖7a中的網(wǎng)絡(luò)就具有剛性，而圖7b的網(wǎng)絡(luò)則具有靈活性，通過將具有剛性和靈活性的網(wǎng)絡(luò)模塊組合，可以生成圖c這樣即具有局部剛性、又具有全局靈活性的網(wǎng)絡(luò)。通過節(jié)點之間邊的重連，也可以生成包含338個節(jié)點、672個邊的quadrifolium，該網(wǎng)絡(luò)在局部是穩(wěn)定的，在全局來看又具有很高的自由度。

圖7. 機械網(wǎng)絡(luò)中的構(gòu)象變化示意圖

節(jié)點之間代表全局靈活性的指標(biāo)d，在個體和集體的知識網(wǎng)絡(luò)構(gòu)建過程中顯著高于隨機連接的網(wǎng)絡(luò)，從而支持好奇心的驅(qū)動力是構(gòu)建在全局具有靈活性的知識網(wǎng)絡(luò)，以及個人重視可根據(jù)新獲得的信息來重新考慮已知事物的能力。該理論將好奇心視為構(gòu)建機械上靈活的知識網(wǎng)絡(luò)的實踐。

圖8：好奇心構(gòu)象變化理論的支持證據(jù)。圖b和c表明個體獨特的信息獲取導(dǎo)致了基于語境的概念關(guān)系的頻繁重塑。圖d和e表明在集體建立的知識網(wǎng)絡(luò)中，感興趣的機械特征的演化不能與它們在零模型數(shù)據(jù)中的演化區(qū)分開來。

對比并總結(jié)以上對于好奇心的解釋，最初人們認(rèn)為好奇心要么是為了填補認(rèn)知空缺，例如覺得自己缺少古詩詞知識而讀一個個古人的作品，或是為了滿足感官刺激。之后認(rèn)為人們的好奇心是為了能夠構(gòu)建出一個對世界的簡化模型，例如將宋詞分為豪放婉約兩類；新研究則提出了對好奇心的新解釋，即人們追求新信息是為了讓關(guān)于舊信息的模型能更具靈活性，例如通過閱讀更多的東坡詩詞，意識到蘇軾既不能被簡單歸于豪放派，也不應(yīng)歸于婉約派。該研究的證據(jù)指出好奇心的獲得機制是多元的，是由以上所述的各種機制共同驅(qū)動的。

之前對于好奇心的心理學(xué)研究多為定性分析，而基于網(wǎng)絡(luò)科學(xué)提供的工具，該研究首次以定量方式研究好奇心及背后的驅(qū)動機制。通過將好奇心作為知識網(wǎng)絡(luò)構(gòu)建的過程，這些研究提供了可計算的、基于理論的度量，如拓?fù)淇涨?、可壓縮性和構(gòu)象自由度，可以用來描述信息尋求的縱向過程，既適用于在實驗室實驗，也可用于真實場景下。未來重要的發(fā)展方向包括將每個網(wǎng)絡(luò)度量映射到最合適的好奇心子類型，并擴展當(dāng)前的子類型分類，以適應(yīng)新的網(wǎng)絡(luò)理論視角。

通過多維度地審視好奇心，該研究擴展了傳統(tǒng)心理學(xué)對好奇心的分類。借助這些發(fā)現(xiàn)，相關(guān)人員可通過引導(dǎo)受到不同類型好奇心驅(qū)動的探索行為，在未來為教育政策的制訂提出建議，也可用于提升用戶留存及滿意度。

該研究基于的數(shù)據(jù)來自相對較小樣本在實驗控制下的瀏覽行為，隨著流媒體的流行，在諸如知乎這樣的知識社區(qū)中，海量用戶自發(fā)的探索行為，可以幫助科學(xué)家在更真實的場景下，探索人類不同情況下呈現(xiàn)的好奇心模式，并通過與用戶個人屬性，例如性別、年齡、教育程度等的關(guān)聯(lián)，做出更多有趣又有意義的發(fā)現(xiàn)。

更進一步，好奇心不僅與人類有關(guān)，而且與人工智能的研究有關(guān)。例如，可壓縮性最初被提出作為一種指導(dǎo)強化學(xué)習(xí)的內(nèi)在學(xué)習(xí)信號。該研究提供了幾個候選指標(biāo)——如拓?fù)淇涨坏臄?shù)量、網(wǎng)絡(luò)可壓縮性和構(gòu)象靈活性——可以作為合適的基于好奇心的任務(wù)設(shè)置信號。

強化學(xué)習(xí)要求智能體在與環(huán)境的互動中，必須在開發(fā)和探索之間取得平衡。在許多現(xiàn)實世界中，外部獎勵是非常罕見的，甚至完全沒有，因此自然不能可靠地指導(dǎo)行為。在這種稀疏的獎勵環(huán)境中，類似于好奇心的內(nèi)在動機仍然可以促進探索行為，并進一步提高任務(wù)表現(xiàn)。強化學(xué)習(xí)的內(nèi)在（或基于好奇心的）獎勵信號的設(shè)計是進一步研究的一個重要領(lǐng)域，可能受益于對人類行為的計算洞察，比如該研究中得出的主要結(jié)論。

轉(zhuǎn)載內(nèi)容僅代表作者觀點

不代表中科院物理所立場