北京
你可能也好奇过：为什么有些人总是愿意伸出援手，而有些人则显得格外“精打细算”？合作被视为文明的基石，但在“适者生存”的进化法则下，帮助他人往往意味着付出代价，甚至可能血本无归。那么，这种看似“吃亏”的行为，究竟是如何在人类社会中生根发芽的？
一项发表在《美国国家科学院院刊》上的新理论研究，试图从声誉传播的角度回答这个古老的问题。研究团队发现，我们决定谁值得被帮助，不仅取决于对方做了什么，还取决于我们如何观察别人对待他的方式。旁观者眼中“谁值得帮”的判断，可能比你想象中更微妙。
声誉的“双重更新”：帮人者与受助者都被打分
想象一个场景：Alice 看到 Bob 帮助了 Charlie。作为旁观者，Alice 很可能会因此对 Bob 产生好感，认为他是个善良的人。但这项研究提出了一个此前被忽视的问题：这次帮助行为，会如何改变 Alice 对 Charlie 的看法？更重要的是，这种对受助者声誉的“连带评估”，是否恰恰是维持合作稳定的关键？
为了解答这个问题，来自神户大学、理化学研究所和跨学科转型大学的研究人员构建了一个数学模型。与以往只关注“施助者”声誉的模型不同，这个新模型将“受助者”的声誉变化也纳入了考量。研究者们想看看，当旁观者不仅给帮助者打分，也给被帮助者打分时，群体的合作动态会发生什么变化。
“如果 Alice 看到 Bob 帮助 Charlie，她可能会推断 Charlie 是一个值得被帮助的人，或者至少 Bob 认为 Charlie 值得帮助，”研究作者 Tham Yukari Jessica 在一份声明中解释道。“通过这种方式，人们仅仅通过观察一个人如何被对待，就能获得关于他人如何看待这个人的信息，而无需额外的信息交流。”
这就像我们在生活中，看到一位德高望重的长辈对某个年轻人格外关照，我们往往也会下意识地觉得这个年轻人“应该不错”。这种“爱屋及乌”式的声誉推断，正是这项研究的核心洞察。
超级计算机筛选：61种“双评估”规范胜出
研究团队发现，当旁观者能够同时更新施助者和受助者的声誉时，群体内部的评价会变得更加一致——即使旁观者之间并不直接交流信息。大家更容易在“谁值得被帮助”这个问题上达成一种“私下的共识”，而这种共识恰恰是合作得以持续的重要土壤。
为了验证这一发现的普适性，团队动用超级计算机，测试了超过一百万种不同的“规范”组合——即社会关于如何对待拥有特定声誉之人的“规则”。他们想看看，采纳了这些规范后，所形成的“社会”是否既能保持高度合作，又能在进化上保持稳定。
结果令人惊讶。在超过一百万种组合中，团队只找到了 61 种既能带来高合作度又具备进化稳定性的规范。而所有这些胜出的规范，无一例外都包含某种形式的“双重声誉更新”——即同时评估施助者和受助者。
“这表明，评估受助者可能是稳定合作的一个远比我们之前认识到的更为普遍的要素，”Tham 说。这个发现将“谁值得被帮助”的问题，从单纯的道德直觉，推向了一个可以被数学模型精确描述的进化策略。
硬币的另一面：声誉评估也是把“双刃剑”
然而，这种基于观察的声誉推断，也带来了一些值得深思的副作用。研究指出，我们往往不仅根据人们自己的行为来评判他们，还会根据他们如何被对待来评判他们。这就像一把双刃剑，一方面它促进了合作，另一方面也可能导致偏见和不公的固化。
试想，如果一个人总是被群体中的其他人冷落或拒绝，旁观者是否会因此推断“这个人可能不值得帮助”？这种推断，有时可能并非基于事实，而是基于一种“社会默认”的偏见。研究提醒我们，声誉系统在促进合作的同时，也可能成为社会排斥的放大器。
这项研究的意义，不仅在于揭示了合作行为背后的计算逻辑，更在于它为我们理解社会规范的形成提供了一个新的视角。它告诉我们，那些看似复杂的“人情世故”，其底层逻辑可能与我们大脑中一套精密的声誉计算系统密切相关。
从实验室到现实：声誉计算的启示
当然，这毕竟是一项基于模型的理论研究，现实社会中的合作行为远比模型复杂得多。但这项研究至少为我们提供了一个清晰的框架：当我们决定是否帮助一个人时，我们的大脑可能在进行一场快速的“声誉核算”——不仅核算对方的过往行为，还在核算“别人是如何对待他的”。
这项研究也让我们重新审视“好人没好报”这句俗语。从进化博弈的角度看，帮
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
