尽管社会学习对集体决策的影响已得到广泛研究，但由此产生的社会压力在塑造决策动力学中的作用却常被忽视。该压力不仅促使个体追随多数，从而强化群体惯性并抑制创新；更为重要的是，该压力驱动社会学习者适应性调整其学习策略，从而重塑社会学习与集体决策之间的协同演化动力学。为此，研究人员构建了基于集体行动的演化博弈模型，分析选项相对优势、学习成本和社会压力的影响。理论分析表明，社会学习模式主导系统均衡的相变，揭示双稳态（Bistability）涌现的必要条件。空间结构化蒙特卡洛（Monte Carlo）模拟进一步揭示，当集体行动的收益成本比超过临界阈值时，适度社会压力可自发演化为有效协调机制——即使缺乏显式协调——确保社会学习者获得较个体学习者更高的长期决策准确性。
## 一、研究背景与问题提出
集体决策在人类社会的构建与发展中发挥着关键作用，不仅有助于应对气候危机、生态保护、医疗健康和虚假信息治理等现代挑战，还为人机协作与多智能体强化学习等领域提供重要启示，其中核心挑战在于多个自主智能体如何通过局部交互与学习实现全局协调或共识。集体决策通常依赖两种基本学习路径：个体学习（Individual Learning）指个体通过自身探索并比较不同选项的收益与成本进行决策，其优势在于决策基础的客观性和抗群体偏差能力，但代价是较高的探索试错投入；社会学习（Social Learning）指个体通过观察、模仿他人或接受指导来改变决策，其优势在于能以较低成本获取他人验证的策略，但可能导致从众心理、意见极化或群体分裂，从而阻碍共识达成。
更为关键的是，社会学习者可通过模仿个体学习者的行动而搭便车，在不承担学习成本的情况下获得相当甚至更高的个体适合度。这产生了一个经典悖论：尽管社会学习者对种群适合度的贡献不高于个体学习者，其个体适合度却往往更高，使群体陷入"羊群效应"困境。自Rogers（1988）的开创性工作以来，大量研究探讨了这一悖论及两种学习策略的演化优势，但学术界对社会学习影响集体决策整体绩效的看法仍存在显著分歧。
除上述两种学习策略的演化权衡外，集体决策中还有一个长期被忽视却至关重要的因素：社会压力。在现实集体决策情境中——无论陪审团审议、专家委员会投票还是在线社区中的意见演化——个体不断受到他人的评价与审视。社会压力的具体表现包括：公开压力、同侪审查和同侪惩罚。对社会学习者而言，由于其决策依赖观察模仿他人，存在维持所属多数群体地位的倾向；一种典型机制即对偏离群体共识的个体学习者进行惩罚。该压力具有显著的阶段依赖性：当社会学习者流行度较低时，社会压力倾向于维持现状，使偏向理性分析的个体学习者成为打破群体惯性的主要驱动力；而当流行度较高时，社会压力转向强制收敛，迫使持异议的个体学习者改变行为，从而加速集体收敛。
此外，多数先前研究忽视了网络拓扑的影响。自1992年证实二维空间结构可维持高成本合作以来，后续研究考察了交互结构对群体合作、信息扩散、意见传播和传染病传播的影响，均证实了空间结构的独特作用。由于社会学习通常发生于社会网络中，且社会压力的实施与个体在网络中的位置密切相关，在探究社会学习与集体决策协同演化时有必要考虑群体结构。
现有文献存在两个关键空白：第一，尽管社会学习与个体学习的演化优势已被广泛讨论，但社会压力作为调节两者平衡的关键力量的定量作用尚未被纳入统一分析框架；第二，缺乏对网络拓扑如何与社会压力交互影响集体决策结果的系统性研究。
## 二、研究设计与方法
基于集体决策分析框架，研究人员首次整合社会压力惩罚机制，建立了一个融合个体学习成本、集体行为奖励和社会压力惩罚的演化博弈模型。研究采用mean-field分析（平均场分析）和spatially structured Monte Carlo simulations（空间结构化蒙特卡洛模拟）作为核心技术方法，系统考察社会压力对学习策略演化的定量影响，并在不同网络拓扑上验证结论的稳健性。模型设定种群规模为N的群体，每个个体具有两种属性：学习策略和行为选项。学习策略分为社会学习者（S）和个体学习者（I）两类；行为选项分为X和Y两类。研究首先考察well-mixed population（完全混合种群）中的演化动力学，以之与空间结构中的系统行为进行对比区分。
## 三、研究结果
**完全混合种群中的系统均衡：** 根据方程（4），系统均衡状态可分为三类：s=0、s=1和s=c(1+μ)
2 /2δ
S f(x*)(1-f(x*))。当s=0时，均衡点a
1 =(ρ/(1+μ), f(ρ/(1+μ)), 0)存在。通过分析社会学习者和个体学习者的收益函数，研究人员发现当社会学习因子α>1时，系统呈现双稳态（Dual Stability）。
**空间结构化种群中的协同演化：** 空间结构化蒙特卡洛模拟进一步揭示，当集体行动的收益成本比超过临界阈值时，适度社会压力可自发演化为有效协调机制。在空间结构中，社会学习者通过局部交互形成聚类，社会压力的实施与个体在网络中的位置密切相关，网络拓扑显著影响社会压力的传播效率和集体决策的收敛速度。
**社会压力的Pareto最优状态：** 研究人员识别出在特定参数组合下存在Pareto-optimal state（帕累托最优状态），在此状态下社会学习者实际上做出更优决策，挑战了传统认为社会学习者必然具有寄生性的观点。
**网络拓扑的稳健性检验：** 研究结论在不同网络拓扑上得到验证，表明适度社会压力增强集体绩效的发现具有稳健性。
## 四、讨论与结论
研究结论明确指出，本研究通过构建个体学习者与社会学习者竞争的集体行为演化框架，系统考察了社会学习因素、选项相对优势和社会压力对完全混合和空间结构化种群中群体决策演化的影响。平均场分析结果表明，在完全混合种群中，当社会学习因子α>1时，系统呈现双稳态。
讨论部分强调，该研究的主要贡献在于：（1）首次将社会压力惩罚机制整合入集体决策分析框架，建立了融合个体学习成本、集体行为奖励和社会压力惩罚的演化博弈模型；（2）通过平均场分析和蒙特卡洛模拟，揭示了社会压力对学习策略演化的定量影响，并识别出特定参数组合下的帕累托最优状态；（3）在不同网络拓扑上验证了这些发现的稳健性，为多智能体强化学习中的共识形成和合作涌现提供了基于生物学和社会学原理的参考。研究发表于《Applied Mathematics and Computation》，对理解社会学习与集体决策的协同动力学、设计有效的人机协作与多智能体系统具有重要理论意义。
打赏
