重塑认知科学中的“行为”理解，提升智能体决策能力

编者按：随着科技的不断进步，人工智能与认知科学的交叉研究已成为推动科学前沿的重要力量。其中，习惯性行为与目标导向行为的相互作用是心理学、认知神经科学和人工智能等领域都十分关注的研究课题，因为从简单的日常习惯到复杂的决策制定过程，都是这两种行为模式交互的体现。为了更好地理解二者间的关系，微软亚洲研究院的研究员们通过引入贝叶斯“意图”变量，将习惯性行为与目标导向行为进行了整合，达到了计算效率和灵活性的平衡。该研究的提出不仅挑战了传统的认知模型，也为未来智能系统的设计提供了新的发展方向。相关论文已在《自然-通讯》（Nature Communications）杂志上发表。

在心理学、认知神经科学和人工智能领域，如何理解并建模人类与动物的行为，一直是个不小的挑战。而其中最引人入胜的部分，莫过于习惯性行为与目标导向行为之间的“交锋”。从日常琐碎的习惯动作，到需要精密规划的战略决策，两种行为模式总是在暗中博弈。传统观点倾向于将它们分而治之：习惯性行为像自动驾驶，高效、无脑、不假思索；而目标导向行为则像手动驾驶，缓慢、灵活、步步为营。

有意思的是，微软亚洲研究院与冲绳科学技术大学院大学的研究者们，最近用一套变分贝叶斯方法，把这个旧认知给“掀了桌子”。他们提出一个新颖的理论框架，硬是把这两种看似各走各路的行为给整合到了一起。这件事的意义，不只是给人工智能系统设计打开了新思路，连带着对神经系统的底层运作机制，也有了更深刻的理解。

相关论文已经发表在《自然-通讯》上，有兴趣的话可以直接去搜来看：

。

习惯性行为和目标导向行为间的协同作用

这个被命名为“贝叶斯行为”的框架，核心做法并不复杂：用一个贝叶斯“意图”变量，把习惯和目标导向行为串起来了。习惯性行为，源自感官输入计算出的意图先验分布——它不需要一个明确的目标，更像是经验直觉。而目标导向行为，则是由一个目标条件意图后验分布所引导——这个后验分布，是通过最小化变分自由能推断出来的。换句话说，一个是提前的“预判”，一个是事后的“纠偏”。

研究者的核心观点是：习惯性行为和目标导向行为，不应该被割裂对待。它们共享神经通路，可以互相取长补短。举个例子，习惯性行为虽然死板，但通过反复练习，能提供一套极其熟练的运动技能；而目标导向行为呢，正好可以借用这套技能，去完成更复杂的规划任务。这种协同，靠的是两种机制：第一，最小化先验（习惯）与后验（目标导向）意图之间的差异；第二，通过逆方差加权平均，将两者合并成一个“协同意图”，智能体再拿这个意图去行动。

模拟实验：智能体行为模式的转变、调整与零样本规划能力

光说理论不够，研究者们在T形迷宫环境里做了视觉引导的感知运动任务模拟。实验结果令人信服，与神经科学和心理学实验的观察数据完美吻合，主要体现在三个方面：

：模拟实验表明，当智能体反复执行同一任务时，它的行为会自动从缓慢的目标导向模式，切换到更快的习惯性模式。这个切换的开关，是习惯性意图精确度的持续增加，这直接减轻了目标导向规划的计算负担。

：模拟实验还模拟了“结果贬值”的情境，也就是奖励变化时智能体如何调整。结果发现，训练量越大，智能体在习惯性行为上的“顽固性”就越强，这一点与心理学研究里人类的表现如出一辙。

：最惊艳的一点是，这个框架允许智能体在没有任何额外训练的情况下，直接处理新目标。它靠的是对现有习惯性行为的灵活调用，做到“即插即用”。

认知神经科学视角下的智能体决策机制

当一个智能体面对复杂任务，它需要在内部模型里对环境和经验做预测和规划。关键问题来了：它如何在习惯性和目标导向行为之间做取舍？又是怎么从缓慢的目标导向自主过渡到快速的习惯性行为？

研究者指出，智能体通过逆方差加权平均，把先验和后验意图揉成一个协同意图。这个方法的精妙之处在于，它用意图分布的统计方差，自然地衡量了行为的不确定性。而且，智能体在训练过程中，可以通过最小化自由能和强化学习损失，动态地调节这个平衡——说白了，系统会自己找到最划算的那个点。

模拟实验显示，在适应新任务时，习惯性意图的方差一开始很大；但由于无模型决策简单直接，随着重复试验的增加，方差会快速缩小。方差一缩小，平衡自然就滑向习惯性意图。研究者还设计了一个机制：当协同意图足够精确时，智能体可以提前停止目标导向的主动推理，省下计算资源，精度却不打折扣。这就解释了为什么练得多了，人就容易“凭感觉”而不是“动脑子”。

智能体需要配一个内部预测模型，通过模型搜索和规划出目标导向意图。而这个目标导向意图，是在习惯性意图的约束下推断的。这个约束确保了规划的有效性——不去搜索那些完全违背习惯的路径，同时充分利用了习惯性行为里沉淀下来的运动技能。最终，智能体能高效地将目标导向行为泛化到新目标上。

探索智能体行为的计算框架新范式

微软亚洲研究院的这项研究，可以说是对认知科学意义上“行为”的一次重新定义。他们用一个贝叶斯框架，把习惯性和目标导向行为捏合到一块儿，构建出一个既兼顾效率又不失灵活性的模型。这件事的后续想象空间很大：比如，把强化学习和主动推理结合，能显著增强自主智能体在复杂环境里的决策能力；再比如，深入理解两种行为的相互作用，不仅有助于揭示神经系统的运作逻辑，还可能为某些疾病的治疗策略提供线索。

可以确定的是，这种跨学科的创新力量，正在一步步改变我们对智能的认知。