本文发表于《大众科学》的前博客网络，反映了作者的观点，不一定代表《大众科学》的观点
莉莎·巴洛（为了保护她的隐私，我改了她的名字）在华盛顿特区的厨房餐桌旁意识到，每个星期天都有十五列客运列车开往康涅狄格州纽黑文。她是一名成功的文案编辑，并且在周一早上在纽黑文有一个会议。她星期天没有计划，所以不在乎她何时到达或需要多长时间。她乘坐经济舱，因此有三十张车票可供选择：十五个班次，每个班次都有两个价格选项。
她应该选择更昂贵的灵活车票，还是锁定的价值车票？她想早点出发还是晚点出发？在华盛顿特区吃早午餐还是在纽黑文吃午餐？她无法决定。
她上下滚动屏幕，越来越快。她的眼睛在网页上扫视。她感到胸中紧张感上升。她的呼吸变得短促。她的思绪像肺里的呼吸一样在脑海中来回穿梭。她摸了摸自己的脸，注意到一个明显的迹象：它麻木了。她伸进口袋，那里保存着一颗小药丸，以备不时之需。一种药物复位按钮。
关于支持科学新闻
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您正在帮助确保有关当今塑造我们世界的发现和想法的具有影响力的故事的未来。
巴洛从高中起就患有惊恐发作——第一次是因为社交戏剧，第二次是因为她的科学老师告诉她，如果她拒绝解剖猪，她将一事无成。她怀疑她的发作与她的父母有关，他们艰难的婚姻经常迫使她在他俩之间做出选择。一位治疗师解释说，这是一种“不可能的选择”，一种有永久性后果但没有明确答案的选择。现在，作为一个成年人，当面临一个没有明确答案的决定时——即使是预订火车票这样简单的事情——她的大脑也会被编程为恐慌。
巴洛是一位能干而自信的专业人士，她的工作是每天做出数百个决定。为什么她看不到与哪个父母在一起和乘坐哪趟火车之间的区别？肯定还有其他事情在发生。
焦虑作为一种学习问题
迈克尔·布朗宁是一位执业精神科医生，他指导着牛津大学的计算精神病学实验室。我是在四年级医学生时遇到布朗宁的。我曾从耶鲁大学休学六个月，在沃内福德医院工作，这是一座 1826 年建造的美丽的石灰岩建筑。布朗宁的最新论文《焦虑个体难以学习厌恶环境的因果统计》在我到达的几个月前发表在《自然神经科学》杂志上，我很高兴能在梦想之城学习最前沿的神经科学。
布朗宁是一个看起来很令人愉快的人——身高正常，体格正常，秃顶（我个人希望这是正常的）。我第一天，布朗宁带我参观了实验室，向我介绍了其他研究生和博士后。“这是丹尼尔·巴伦，他从美国的一所大学来这里做一些项目，”他会用平淡的苏格兰口音说。他告诉我“厕所”在哪里，我们在哪里喝茶，如果作为一个德克萨斯人，我喜欢在下雨天穿上我的牛仔靴和帽子，我可以在哪里放它们。
虽然布朗宁在医学院时喜欢心脏病学和肾病学，但他之所以成为一名计算精神科医生，是因为他发现精神疾病更具吸引力。心脏病学家将心脏视为泵，他们测量和计算泵的工作效果如何。肾病学家将肾脏视为过滤器，并测量和计算过滤器的工作效果如何。精神科医生真的不知道如何看待大脑。而且我们也不知道如何测量或计算大脑的工作效果如何。这就是布朗宁想要做的。
在完成精神病学住院医师实习后，布朗宁开始治疗患有重度抑郁症和双相情感障碍的患者，并注意到焦虑在这些患者中有多么普遍。知道某人有认知症状——比如在预订火车票时出现惊恐发作——在临床上很有用，因为它暗示了一个治疗目标（即预订车票而不恐慌），这可以通过认知行为疗法（CBT）等临床干预措施来解决。
CBT 帮助患者以一种新的、不那么威胁的方式看待引起焦虑的情况。您可以通过 CBT 成功治疗焦虑症，这表明 CBT 是有帮助的。但在更根本的层面上，这也表明患者可以学会如何不焦虑。布朗宁还指出，反过来推论，这也意味着焦虑涉及一个出错的学习过程。
在（咖啡）跑中的学习
衡量我们如何学习很难。在实验中，我们可以观察人们的行为；例如，某人是否正确回答了一个问题？或者他们是否按照教导完成了任务？这把大脑当作一个黑匣子，其中认知“东西”会发生，并且决策会神奇地出现。
学习理论提供了一种通过数学来窥视这个黑匣子的方法。学习理论描述了大脑如何构建世界模型，目的是了解如何行动。根据学习理论，人们根据他们行动的结果来开发关于世界的模型（“我做了 X，结果发生了 Y，所以 X 给我 Y”）。
假设有一天下午，你想喝一杯真正好喝的咖啡。为了得到它，你需要步行到附近的两个咖啡店之一：一个是一家国际连锁店，另一个是由一些当地的潮人经营的。连锁咖啡店有很多优点：有标准的菜单；咖啡几乎每次都以相同的方式制作；播放相同的公司指定音量的音乐；wifi 总是有效。上次你去的时候，你离开时喝了一杯相当不错的咖啡，所以，用学习理论的话来说，这次咖啡之行以一个很小的预测误差结束，这意味着你期望的大致是你得到的。如果有人问你这种情况发生的频率，你会给出一个大概 75% 的时间，因为你觉得总的来说，连锁店是一个非常稳定、安全的赌注，即使你并不总是能喝到一杯真正好喝的咖啡。
现在考虑一下潮人咖啡店：季节性菜单是当地采购的，所以你最喜欢的现做糕点可能不一定有；轮流“咖啡艺术家”在每种饮料中都加入自己的特色；有时有爵士乐，有时是重金属；有时 wifi 有用，通常没用。当星星对齐时，你会得到绝对最好的咖啡体验。但是，由于每隔几周潮人就会改变一些东西，你经常会没有糕点，而且无论拉尔斯想给你做什么。这导致了很大的预测误差，而且至关重要的是，你永远无法确定会发生什么。从学习理论的角度来看，潮人咖啡店是一个不稳定的环境。
现在假设你在两个地方连续有三次不好的经历：你接下来去哪里？由于连锁店总体来说有 75% 的可能性相当不错，所以这三次罢工并不会对你对连锁店的信念产生太大影响，你很可能会回去。但是潮人咖啡店更加不稳定，因此在三次罢工后，你可能会决定这个地方已经变得糟糕，并且再也不会回来了。
在这两种情况下，都存在预测误差（尽管你期望喝到一杯好咖啡，但你得到了三次坏咖啡），但是由于潮人咖啡店是一个更不稳定的地方，你更重视新信息，并且在你的整体信念方面从新信息中学到了更多。预测误差在多大程度上塑造你的信念被称为学习率。你对每个咖啡店的学习率取决于其波动性。
大脑作为一台学习机器
当他开始在牛津大学工作时，布朗宁渴望衡量人们如何学习。蒂莫西·贝伦斯和几位同事最近设计了一个奖励游戏，参与者试图赢得一笔钱。为了获得这笔钱，他们必须点击一个绿色或蓝色的矩形，这将使他们更接近（或不）那笔钱。由于不清楚他们需要选择哪个矩形（蓝色或绿色），玩家通过反复试验学习哪个更有可能带来奖励，同时玩游戏。就像通过多次光顾不同的咖啡店来学习去哪家咖啡店一样。
与咖啡店的类比类似，贝伦斯开发了该游戏的两个版本：一个稳定版本，蓝色矩形在 75% 的情况下会带来奖励，以及一个不稳定版本，奖励有时会跟随蓝色，有时会跟随绿色。每个人都玩了这两个版本的游戏，这使得贝伦斯可以查看他们学习每个版本的速度有多快。
为了获胜，人们必须在任何时间点对游戏的波动性进行心理建模。贝伦斯想看看人类大脑与“理想学习者”或计算机相比表现如何，“理想学习者”经过训练可以在每一步都做出获胜的决定。这似乎需要大量的计算量。
但是贝伦斯惊讶地发现，人们的表现相当不错，与理想的学习者不相上下。贝伦斯还发现，他可以测量人们玩游戏的方式如何因任务的波动性而异。当游戏从稳定的 75% 版本切换到波动性更大的版本时，人们以一种数学上严谨的方式调整了他们的学习率。人类的大脑实际上可以计算连锁咖啡店与潮人咖啡店的不同之处。
贝伦斯创造了一个允许他将大脑视为决策机器的场景。通过测量某人玩游戏的方式，贝伦斯可以判断某人的大脑是否在理想状态下工作。
当然，布朗宁患者的大脑并没有在理想状态下工作。他们很焦虑。由于他怀疑焦虑与学习有关，他想知道是否可以使用贝伦斯的游戏来衡量他患者的决策机器在何处以及如何崩溃。
衡量很复杂
布朗宁想要衡量人们如何学习；一些整洁的东西，他可以与患者讨论：“罗宾逊夫人，我们担心您的学习率。”
在我的医学轮转期间，我记得筛选患者已知的心脏泵功能障碍原因，心脏病风险因素，如高血压、胆固醇和吸烟。告诉患者“您患心脏病的风险很低”时，有一种深深的胜利感，好像我们共同避免了一场灾难。将心脏病简化为三个风险因素的想法是一个经典的还原论调。而且，按设计来说，这是一个骗局。
心脏病很复杂，当然，不能完全用高血压、胆固醇和吸烟来解释。事实上，我们不（也可能永远不会）了解每个人的心脏病的一切——基因、运动、工作或爱情带来的压力、水中的某些东西等等，都可能发挥一些关键但未定义的作用。毫无疑问，只关注三个风险因素会歪曲心脏病的复杂性，但研究表明，这是一个有用的简化。
临床医生似乎很习惯将心脏病简化为三个风险因素——毕竟，我们谈论的只是一个泵。但是，当我们以同样的简化视角来审视我们的内心生活、我们的情绪和精神状态时，我们往往会感到不安。
想象一下，你是巴洛的心理医生。她在拒绝解剖猪后不久来到你的办公室。她情绪激动，双手捂脸哭泣，“如果我一事无成怎么办！”你了解到她的童年，她在父母之间艰难的选择。你与她产生了共鸣，你理解她，你想帮助她。
现在考虑你的下一步：你会让她坐在电脑前，点击蓝色和绿色的矩形来赢得一笔假钱吗？你对这种临床测量有多大信心？你认为你能说服巴洛，通过盒子游戏测量的她的学习速率与她的焦虑有很大关系吗？
在这里，我也会质疑我对还原论的执着。这个盒子游戏似乎太抽象，太脱离恐慌的原始临床现实了。
但回想一下，心脏病专家曾经也有过这种感觉——心脏病发作、血压和胆固醇之间的联系并不明显。血压的存在本身并不明显——尽管人们已经看到血液从血管中喷出几千年了，但在 18 世纪之前，没有人想到要测量血压。
三百年前，人们偶尔会出现胸痛，然后有一天就突然去世了。我想知道，三百年前，当你担心胸口这种奇怪的、偶尔的疼痛去看医生时，会是什么样子。我猜想医生会追溯你的病史：“多跟我说说你的疼痛。”或许在谈话期间，医生会在你的手臂上放上水蛭来“清洁”你的血液，也许他甚至会割开你的手臂来去除“多余”的血液。在没有其他工具或干预的情况下，你的就诊主要是一次谈话；一个好的临床医生可能是一个好的健谈者。听诊器和血压计的出现——这两者都要求患者和临床医生保持沉默——将这种关系从对话转向了数据。也许我们在沉默中失去了一些东西：医生在你前臂上放水蛭时发生的微妙而巧妙的谈话。
心脏病学家变得有用，并不是因为他们想出了更聪明的问题来问他们的病人，而是因为他们开发出了将复杂疾病简化为可以测量、研究和治疗的工具。
仅仅弄清楚死亡有原因——而不仅仅是命运或命运之轮——本身就是一次巨大的智力飞跃。仔细的调查将死亡归结为特定原因，如心脏病引起的心脏病发作。只有对数千名患者进行的长达数十年的研究（例如弗雷明汉心脏研究）帮助我们将心脏病从模糊的主观症状简化为特定的、可测量的风险因素。数据让我们对还原论感到放心，因为数据引导我们找到了重要的解决方案。
所以布朗宁想要收集数据，因为他想将焦虑简化为有用的衡量标准。然而，还原论是有代价的。在巴洛的案例中，代价可能是失去很多真实的东西：她的故事。为了测量焦虑，我们可能会抛弃巴洛与她母亲互动中的丰富性和复杂性。但也许这种丰富性并不像我们想的那么重要。似乎没有人渴望“水蛭对话”的黄金时代。
一个焦虑的机器
在贝伦斯的实验进行的同时，布朗宁开始与牛津大学的计算神经科学家索尼娅·毕晓普合作。毕晓普热衷于测量焦虑如何影响学习，特别是焦虑的人如何思考未来的负面事件。
他们一起修改了贝伦斯的奖励游戏——不是选择正确的矩形来赢得金钱，而是选择错误的话就会被电击。为了了解波动性如何影响学习速率，他们偶尔会改变被电击的可能性。他们称之为“厌恶学习任务”，并用它来衡量具有不同焦虑水平的人如何应对令人不快的局面。
他们发现，与贝伦斯的原始研究一样，不焦虑的人可以感觉到游戏何时更具波动性，并像“理想学习者”一样调整策略——任务越稳定，意外电击对他们未来事件的信念的影响就越小。但是，一个人越焦虑，他们在波动性游戏中识别和调整学习速率的能力就越差。焦虑的人似乎无法识别和学习波动性（这让我想知道，潮人咖啡店是否会吸引焦虑的顾客）。
在他们发表在《自然神经科学》上的论文中，布朗宁和他的同事们想知道，对波动性的认知盲目是否会让世界看起来更不可预测，负面结果更难以避免——也许就像把每一个不明确的决定都看作是巴洛无法选择的选择？这反过来可能会进一步加剧一个人的整体焦虑水平，形成一个加剧焦虑和其他精神疾病（如抑郁症）的螺旋。
虽然布朗宁的研究需要扩展和重复，但波动性和学习速率之间提出的关系具有明确的临床意义。它将临床重点从认知症状（例如，是否解剖猪？）转移到已出错的特定、可测量的过程。临床医生可以不再治疗某人对解剖猪的恐惧（这只是一个潜在的“不可能的选择”问题的体现），而是可以测量人们感知和学习波动性的能力，以及这种能力如何随着治疗而改变。
火灾
“所以，我两周前家里着火了，”当我问巴洛以前的治疗师是否测量过她的焦虑时，也许是用临床症状量表时，她告诉我。在她进行为期四个月的厨房改造结束的前两天，她的承包商在地板上留下了一些油腻的抹布。一夜之间，一些清漆固化，抹布着火了。“我失去了一堆东西——我可能还有那些量表，但它们可能被毁了。”
“等等。对不起，你说什么？”我说，我很惊讶，在花了近一个小时谈论她的情绪高潮和低谷之后，巴洛竟然忘记告诉我她家最近着火了。同一个被买火车票的前景吓得瘫痪的人，却对公寓火灾不以为然。
“真正的损失来自水和烟，”她冷静地提到，“消防部门把我的公寓彻底冲洗了一遍。”当她说话时，我想起了我去年自己的厨房改造——从看似无限种类的橱柜、旋钮和灯具等中进行选择。无数的选择。我提到了这堆决定，她笑了，“我在选择墙壁的颜色时很困难，现在，我可能必须选择墙壁的位置。但真的，我不认为我有那些测量值，”她说，从灾难无缝地回到临床量表。
巴洛说，她的治疗师通常只是问她是否感觉好些了，这个问题我经常问自己的病人。每次我这样做时，我都对自己有点恼火——一个患有心脏病的人可能会走上一段陡峭的楼梯，感觉到胸口隐隐作痛，但他们肯定不会感觉到血液中的胆固醇有多少，或者他们的冠状动脉变得有多窄。临床测试的存在是因为症状很少反映潜在的疾病过程，而这种过程对我们来说往往是不可见的。
像胆固醇或血压一样，布朗宁提醒我，学习速率提供了一个潜在的治疗靶点。人们可以想象一种旨在帮助焦虑的人更好地理解不断变化的环境中波动性的 CBT 干预措施。或者，也许药物可以改变大脑固有的学习速率，使人们能够更好地将“不可能的选择”与简单的差事区分开来。但同样像胆固醇或血压一样，学习速率捕捉到了一些不可见且不直观的东西，一些如果我们没有工具来测量它，我们就永远不会看到或纳入我们临床决策中的东西。
也许布朗宁有所发现。也许测量学习速率可以有益于临床实践。我抱有希望，但如果测量和治疗心脏病的历史可以作为参考，那么找到焦虑的清晰衡量标准将需要多年来的大规模合作努力。学习的测量仍处于实验阶段，因此最好保持健康的怀疑态度，拥有健康的学习速率。“很有希望，”布朗宁警告说，“没有的是大量的数据。” 希望我们几年后会有更好的答案。