Nature Human Behaviour｜万物各有不同，“复杂”为何相通？

来源： 混沌巡洋舰

你能一眼看出哪道数学题更复杂，也能听出哪段旋律更复杂。可这两种“复杂”，真的有共同之处吗？算式可能是步骤多，旋律可能是音符起伏多。它们既不长得像，也不能用同一种物理单位来量。如果一个人在图形上学会了“复杂的会带来奖励”，面对从未见过的音乐，他会不会也下意识选择复杂的那段？

约翰斯·霍普金斯大学的Tal Boger和Chaz Firestone把这个问题做成了实验。研究者不只是请人分别给图形、声音和算式打“复杂”分数，而是让奖励规则在这些东西之间跳转：刚从一种材料上学到的选择，会不会带到另一种材料上？随后，他们又用一项干扰任务和一项审美任务追问：这种跨界联系，是做题时临时推出来的，还是日常判断里就会自己冒出来？

这篇论文一共报告11项实验、约1500名参与者。最值得记住的发现是：人们似乎不必为图形、旋律、文字和算式各准备一把互不相干的尺子。他们能够从材料的具体模样里抽出“简单或复杂”这层信息，并把它带到从未学过的新材料中。

论文于2026年9月15日发表于 Nature Human Behaviour。

核心发现：不同材料，也能接上同一条规则

① 在图形上学到“选复杂的有奖励”，参与者面对点阵、旋律、字母串或算式时，常会第一次就选择相应的复杂选项；反过来学习“选简单的有奖励”也能迁移。

② 这不是对任何“多一点”都照搬规则：把新材料改成颜色更饱和、更亮或更大，迁移没有像复杂度那样出现。

③ 即使研究者让图形与词语的复杂程度只是偶然同时出现，无关图形仍会干扰词语判断；一个人喜欢多复杂的材料，也会在不同领域之间呈现一定一致性。

先认一认：什么叫“跨领域复杂”？

看图1的上下两排。上面可以是轮廓简单的形状、颜色整齐的圆点、一两个音符、短字母串和简单加法；下面分别变成多折角的形状、多种颜色的点阵、更曲折的旋律、较长的字母串和多步骤算式。每一类内部都有较简单、较复杂的版本，但复杂在哪里并不相同。

假设你先看到两种形状，知道选弯弯绕绕的那一个会得到金币。后来屏幕上突然换成了两段旋律。你从未听过这两段，也没有人说“复杂”才是规则；如果你还是选了音符变化较多的那段，就说明你带走的不只是“选左边”“选锯齿形”这种表面线索。

图1｜原文图1把五类材料各放出简单和复杂的版本。形状、点阵、旋律、字母串与算式的表面特征不同，研究要问的是人能否从中抽出可迁移的“复杂度”。 来源：原论文 Fig. 1。

这不是凭空冒出的想法。Chater与Vitányi（2003）曾把“简单”作为理解认知的一条重要线索；Sablé-Meyer等人（2022）研究过人如何在脑中组织几何形状；Sun与Firestone（2022）则发现，形状内部结构的复杂程度与审美偏好有关。它们各自告诉我们，复杂度会影响思考和观看，但还没有直接回答：在一种材料上形成的“复杂”规则，能不能跨到另一种感官或任务？这正是本文往前走的一步。

用12次选择学规则，第一次换题就考试

最基本的任务分两段。学习阶段，参与者连续12次在同一类材料的简单版与复杂版之间二选一，每次选完都能看到哪边给金币。不同人遇到的奖励方向不同：有人总因选择复杂版得金币，也有人总因选择简单版得金币。因此，研究不是预设“复杂更好”，而是看两种相反规则能否都被带走。

接着，屏幕突然换成另一类材料，而且只考一次。一个人可能刚才一直在形状间选择，现在面前却是两组彩色圆点；也可能从形状跳到旋律、字母串或算式。新题没有反馈，没有练习，也没有人提醒两类材料之间有共同规则。只有这一题最关键：如果答对，不能说是“在新题上试了几次才学会”。

图2最上方就是流程：左边蓝底为12次学习，右边黄底为新材料上的唯一一次选择。图里橙色柱子的纵轴叫“迁移率”，不是考试总分，而是第一次遇到新材料时，仍沿用先前奖励方向的比例。虚线50%代表瞎猜时大致会落的位置。

图2｜原文图2。上方a画出“12次有反馈学习→新材料只选一次、无反馈”；b—d显示形状与旋律、字母串、算式之间的迁移；e汇总多类材料配对；f用颜色、亮度、大小作对照；g加入摸到的立体形状。黄色柱高于50%虚线，表示新题选择沿用了旧题奖励方向。 来源：原论文 Fig. 2。

先从最直观的一组看起：形状与彩色点阵之间双向换题，95名参与者在第一次新题中有86.3%沿用了学过的奖励方向。这里“沿用”不等于总选复杂的；它指学过复杂有奖的人选复杂，学过简单有奖的人选简单。只看复杂选项本身被选得多不多，反而会误解这项实验。

随后跨得更远。形状与旋律之间的迁移率为71.9%（96人）；形状与字母串之间为78.0%（91人）；形状与数学表达式之间为64.3%（98人）。算式的结果比前几组弱一些，但仍高过一半。实验5不再只让形状当中转站，而是检查五类材料两两相换；十种配对里，有九种显示了高于随机水平的迁移，唯一没有得到明确证据的是算式与字母串之间。结果不是“什么都能完美互通”，但已经远远不止“看图形的人仍会看图形”。

最有意思的一步发生在实验7。研究者把打印出来的立体形状放进盒子，让参与者只用手摸，不能看；然后再让他们看彩色点阵，反过来的方向也测试。99人的首次换题迁移率为81.8%。触摸的凹凸与屏幕上的圆点差得很远，仍能让奖励方向相接，说明这条联系并不只靠视觉相似。

这里还要分清“学会旧题”和“用对新题”：学习阶段越到后面答得越准，说明参与者知道哪一边给金币；但这本身并不保证能答对新材料。研究者之所以把两段成绩分开，就是要看已经掌握的奖励关系，能不能脱离原来那套形状、音符或算式。迁移率回答的是第二个问题。

它迁移的是“复杂”，还是“更多”？

看到这里，可以提出一个很合理的反问：复杂图形往往线条更多，彩色点阵往往颜色更多，长字母串的字母更多。参与者会不会只是学到了“选多的”或“选强一点的”，再把它套到所有东西上？如果如此，论文的“统一复杂度”就站不太稳。

研究者因此做了三组对照：在原来学习任务之外，新题只改变颜色饱和度、亮度或大小。饱和的颜色比不饱和的更鲜艳，亮度更高的方块更明亮，大的图形面积更大；它们都能被说成某种意义上的“更多”，却不一定更复杂。结果，形状与点阵的复杂度规则依旧可以迁移，转到饱和度、亮度或大小上却没有发现同样的迁移。图2f的橙色柱高于50%虚线，而这些对照的柱子没有。

这组对照很重要，因为它把一个太宽泛的解释缩小了：人们并不是看到任何一项数字变大，就自动觉得它和先前的“复杂”奖励是一回事。当然，这不意味着研究找到了全人类唯一的精确复杂度公式。不同材料的复杂度仍由不同设计来呈现；实验说明的是，人们能在这些设计好的材料之间建立一种可用的共同判断。

不用它也会闯进来：复杂度的自动干扰

奖励迁移也可能是参与者临时想通了：“哦，看来研究者喜欢复杂的。”于是下一题有意找复杂选项。为了区分这种刻意推理和更自动的处理，实验8换了玩法。研究者让48人比较两个词谁更复杂，词语上方还放着形状；但形状和正确答案无关，按规则应该忽略。

有时，复杂形状恰好在复杂词上方，简单形状在简单词上方，两个领域的提示方向一致；有时恰好反过来。请想象你要读路牌“向左”，旁边却有个箭头指右。哪怕知道只看文字，箭头也可能拖慢你。这里的无关形状就像那个箭头。

图3｜原文图3。左侧a显示词语判断时出现的无关形状：绿框表示形状与词语的复杂度一致，红框表示不一致；右侧b显示方向不一致时，反应更慢、准确率更低。任务要求忽略形状，因此差异不能简单归为“按题目要求比较两幅图”。 来源：原论文 Fig. 3。

结果，方向一致时，人们平均快了57.4毫秒，准确率高约2.49个百分点。时间差听起来不大，可任务里的刺激呈现和按键反应本来就以毫秒计；关键是它有稳定的方向：明明不用看形状，形状却影响了词语判断。这比“我想一想再把规则搬过去”更接近自动冒出的跨领域联系。

你喜欢多复杂，也有一点自己的“口味”

最后的实验问了一个更生活化的问题：人对复杂度的偏好会不会跨材料保留？有些人喜欢留白很多的画面，有些人喜欢细节密集的画面；如果换成音乐、词语或算式，喜好还会朝同一个方向吗？这里研究的不是“越复杂越好”，而是一个人相对偏好哪一种复杂程度。

150名参与者在随机穿插的试次里，从形状、点阵、旋律、字母串和算式中选择自己觉得更美的那一项。图4用不同颜色的曲线说明，人们可能各有一个喜欢的“复杂度峰值”；有人的峰值靠简单端，有人的靠复杂端。实际分析发现，个体偏好在不同材料之间呈现中等程度的一致性，组内相关系数为0.37。它不是接近1的完美一致，却比把各类材料的喜好完全看作互不相干更有规律。

图4｜原文图4。左上方不同颜色的峰形曲线表示“各人最喜欢的复杂程度可以不同”；右上方是五类审美选择材料，左下方用示例展示一个人的选择方向可以跨领域保持，右下方给出整体一致性检验。 来源：原论文 Fig. 4。

这一部分并没有说人看算式真的像看画一样有审美体验，也没有说偏爱复杂音乐的人必然偏爱复杂数学题。任务只要求人在研究给出的两种版本中作出审美判断。读图时也别把左上的三条漂亮曲线当作三名真实参与者的精确心理曲线；它们首先是帮助理解“各有偏好”的示意。

作者与研究团队

Tal Boger是约翰斯·霍普金斯大学心理与脑科学系的博士研究生，研究视觉知觉与认知；Chaz Firestone是该系副教授，研究知觉、注意和视觉认知。论文使用行为实验考察心理表征，并没有测量神经元或定位某个“复杂度脑区”。

AI辅助延伸：你学会的究竟是例子，还是例子背后的规则？

以下是AI基于论文结果所作的延伸，不属于原论文结论，也不代表论文作者或推文发布者的观点。

试想两个人学会整理信息。一个人背熟了“这张表的第三列要加粗”，另一个人理解的是“需要让读者一眼看到关键差异”。下次换成海报、幻灯片或手机页面，后者更可能知道该怎么做。论文里的奖励迁移也在区分这两种学习：只是记住某种图形长什么样，还是抽出能带到别处的共同性质。

这种区别很适合用来反思教学和训练。如果想知道一个人是否真正掌握“复杂度”“风险”或“公平”这样的概念，仅让他在同类练习题上越做越熟还不够；可以安排一次没有提示的新情境，看看他能否识别同一规则。实验的精妙处恰恰是新题只给一次、不给反馈：它尽量排除了“换题以后又重新学会”的解释。

但跨情境迁移并不总是值得鼓励。形状与算式的迁移率比形状与点阵弱，而算式与字母串的配对也没有得到清楚证据。这些数字说明：一种抽象规则可以帮助人越过表面差异，也可能在某些新材料上失灵。培训若只强调“举一反三”，却不问新情境哪一点真正相同、哪一点其实变了，容易把灵活理解教成机械套用。

更值得追问的是“自动闯进来”的那部分。实验8表明，无关形状能影响词语判断。日常判断里，设计很复杂的页面会不会让人把一段解释也觉得更复杂？一份排版简洁的报告，会不会让我们误以为里面的问题更简单？论文没有直接测这些场景，不能从57毫秒的差异推断网页或报告一定会误导人；但它给出一个可检验的方向：把内容难度固定，只改变旁边无关视觉材料的复杂程度，再看人们的判断是否偏移。

所以，这篇研究最有价值的地方，不是替世界上的每件事发明一把万能尺，而是让我们看到：人能从相距很远的事物中抽出一层共同结构。真正聪明的迁移，既要看出“原来它们相通”，也要知道这层相通在哪些地方会断掉。

一句话带走

从形状到旋律、算式乃至触摸，人们能把学到的“简单或复杂”规则带到新材料；复杂度在认知中不只是各领域互不相干的标签。

核心参考文献

Chater, N., & Vitányi, P. (2003). Simplicity: A unifying principle in cognitive science? Trends in Cognitive Sciences, 7(1), 19–22.

Sablé-Meyer, M., Ellis, K., Tenenbaum, J., & Dehaene, S. (2022). A language of thought for the mental representation of geometric shapes. Cognitive Psychology, 139, 101527.

Sun, Z., & Firestone, C. (2022). Beautiful on the inside: Aesthetic preferences and the skeletal complexity of shapes. Perception, 51(12), 904–918.

论文信息

DOI：10.1038/s41562-026-02502-8