25歲時，人的創造力「觸頂反彈」

圖源：Jacob Wackerhausen Getty Images

年輕人往往最有可能「出奇制勝」——2017年4月12日發表於PLoS Computational Biology的一篇論文指出，25歲時的隨機行為能力達到巔峰，從而展現出最強的創造力。

撰文 Jordana Cepelewicz

翻譯 邢若潔

審校 張士超

大腦處理視覺、聽覺和其他感官信息，並經過可能性運算後做出決定。至少，很多頂尖的心理過程理論指出，大腦這一人體的主宰器官會以過往經驗為基準形成了一套內在模型，預測接下來的最佳行為。然而研究表明，在同樣條件下遇到同一問題，人以及其他動物都可能會做出不同的選擇，這種波動往往被歸因於「噪音」——系統中的一個偏差。

但並非所有人都認可這種結論。畢竟，有時我們確實會受益於隨機行為。當被捕食者的行為難以預測時，它更容易逃脫捕食者的追捕，因此它的決策機制要更加多樣化。或者在不穩定的環境下，之前的經驗不足以準確指導下一步的行動時，動物可以通過這種複雜的行為探索更多選擇，增加找到正確應對方式的概率。2014年發表於Cell的一項研究表明，當老鼠發現非隨機行為無法勝過計算機演算法時，它們會選擇隨機行為。這種改變可不能簡單地歸結於噪音。正好相反，它在大腦運作過程中扮演了關鍵角色。

2017年4月12日，巴黎 LABORES 自然和數字科學科研實驗室（LABORES Scientific Research Lab for the Natural and Digital Sciences）的自然演算法組於PLoS Computational Biology發表論文，這些研究者希望闡明這種複雜性如何在人類身上體現。這篇論文的作者之一、計算機科學家 Hector Zenil 說：「研究人員發現，當老鼠試圖表現隨機行為時（2014年論文），它們在計算如何行動。這種計算就是我們這項研究想要探索的。」Zenil 的團隊發現，平均來說，人類產生隨機行為的能力巔峰在25歲，之後會一直緩慢遞減直到60歲，開始迅速下滑。

為得出這一結論，研究人員找到3400多名4~91歲的受試者，進行了一種「反向圖靈測試」。（譯註：圖靈測試指測試者在與被測試者隔開的情況下向被測試者隨意提問，通過被測試者回答判斷其是人還是機器。）Zenil 說，他們用這種方法來判定人能否在產生和識別隨機行為上戰勝計算機。測試包括：編造一系列拋硬幣、擲骰子的序列，讓旁人以為是隨機的；猜測從一副洗好的牌中抽出的是哪一張；從屏幕上選出圓圈、從網格中選出顏色，組成看起來隨機的圖案。

為分析這些結果，該研究組評估了用計算機演算法生成相同結果的可能性，以儘可能短的演算法模擬受試者的選擇，通過評估演算法的複雜度，量化受試者行為的隨機性水平。換句話說，一個人的行為隨機性越強，就越難以用數學方法描述他或她的反應，相應的演算法就會越長。如果一個序列是真正隨機的，其數據將完全不可能壓縮，它將與原始序列的長度相同。

通過控制變數（語言、性別、教育程度等）測試，研究者發現年齡是影響行為隨機程度的唯一因素。「在25歲時，人在這些隨機行為上可以勝過計算機。」Zenil 說。他還補充道，其發展軌跡符合科學家對認知能力高峰的預測。事實上，行為的複雜性和隨機性基於認知功能的注意力、抑制力和工作記憶力（這也包含在該研究的五個項目里）——儘管這種關係的真正機理還不明確。「在25歲左右，思維最活躍。」Zenil 認為這其中有生物學意義：自然選擇更傾向於在重要的繁殖年間獲得最好的隨機行為能力。

不僅如此，這項研究結果還可能用於理解人類的創造性。畢竟，創造力主要指開發新途徑和嘗試不同結果的能力。Zenil 說：「這測試了行為多樣性依據。因此，人在25歲時最有展現創造力的資本。」

先前的研究顯示隨機行為能力隨年齡下降，而 Zenil 的發現佐證了這一觀點。但後者是第一個使用演算法途徑來測量複雜性的研究，也是第一個在全年齡段進行的研究。未參與該研究的瑞典 M?lardalen 大學計算機科學家 Dodig-Crnkovic 說：「早先的研究只針對青年人和老年人，通過冗長的反應測試，獲得重複率等特定指標的統計結果，而這次的研究更進一步。」Zenil 的團隊並未使用統計學方法，而是用演算法判定隨機程度，從而測得了真正的隨機行為，而非統計學行為或偽隨機行為。後兩者的數據可以滿足隨機統計測試，但並不像真正的隨機數據一樣「不可壓縮」。演算法能力隨年齡變化，這一事實意味著大腦在本質上是演算法的——它不認為世界是統計學隨機的，而是採取了更一般化的方法，並沒有傳統的大腦統計模型中存在的偏差。

演算法概率還使我們更易找到（並壓縮）看似隨機的信息。「這是一個範式轉移（paradigm shift），」Zenil 說，「因為即使大多數研究者都認同在頭腦運作的方式中存在這個演算法組件，我們也無法測量它，因為我們沒有合適的工具。不過我們現在已經在研究中開發並引入了。

Zenil 和他的團隊計劃繼續探索人類演算法複雜度，並希望發現行為隨機性與年齡之間關係的認知機制。不過，他們首先計劃以確診患有神經退行性疾病和精神紊亂的人（如阿爾茨海默氏症和精神分裂症）為對象展開研究。據Zenil 估計，確診有這類疾病的參與者不會像對照組中的參與者一樣，產生或感知隨機性，因為他們經常會產生更多的聯想，並能比普通人觀察到更多的模式。

這些研究人員已蓄勢待發。 Dodig-Crnkovic 說：「他們在複雜度上的研究，是一個很有前途的研究方向。」

https://www.scientificamerican.com/article/our-ability-to-keep-em-guessing-peaks-around-age-251/?WT.mc_id=SA_TW_MB_NEWS

論文基本信息

【標題】Human behavioral complexity peaks at age 25

【作者】Nicolas Gauvrit, Hector Zenil , Fernando Soler-Toscano, Jean-Paul Delahaye, Peter Brugger

【期刊】PLoS Computational Biology

【日期】2017.4.13

【DOI】10.1371/journal.pcbi.1005408

【摘要】Random Item Generation tasks (RIG) are commonly used to assess high cognitive abilities such as inhibition or sustained attention. They also draw upon our approximate sense of complexity. A detrimental effect of aging on pseudo-random productions has been demonstrated for some tasks, but little is as yet known about the developmental curve of cognitive complexity over the lifespan. We investigate the complexity trajectory across the lifespan of human responses to five common RIG tasks, using a large sample (n = 3429). Our main finding is that the developmental curve of the estimated algorithmic complexity of responses is similar to what may be expected of a measure of higher cognitive abilities, with a performance peak around 25 and a decline starting around 60, suggesting that RIG tasks yield good estimates of such cognitive abilities. Our study illustrates that very short strings of, i.e., 10 items, are sufficient to have their complexity reliably estimated and to allow the documentation of an age-dependent decline in the approximate sense of complexity.

【鏈接】http://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1005408

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！