在這一集，我想用最貼近日常的方式，帶你拆解一個看似「不理性」卻很常見的行為：我們做決策時，常常比起整體證據，更容易重複上一次的選擇。這種現象在強化學習裡被稱為選擇遲滯（choice hysteresis）。最新研究用演化模擬的方法，比對了兩種導致選擇遲滯的機制——正向偏誤（positivity bias；非對稱更新）與逐漸堅持（gradual perseveration）——結果顛覆我們對「偏誤＝壞事」的直覺：在許多環境下，偏誤其實是演化會選擇的好策略。
Hoxha_PNAS_2025
本集重點你會聽到
兩種「看起來偏心」的學習方式：
正向偏誤：好結果學得快、壞結果學得慢；能把高報酬與低報酬的差距「放大」，讓決策更抗噪。
逐漸堅持：不管上次好壞，都更傾向重複剛剛的選擇；像是把「習慣」慢慢刻進策略裡。
什麼時候偏誤最有用：
多數情況：正向偏誤被穩定選中，因為它像一種降噪濾波器，讓你不被隨機起伏牽著走。
環境很穩、很簡單、或很「肥」（到處都有好回饋）：逐漸堅持才比較佔上風。
環境高度多變（常翻盤）：逐漸交替反而更好（不是堅持），因為你得主動切換以跟上翻轉。
為什麼這跟生活與AI都很有關：
面對有雜訊的世界，「一點點樂觀」可以幫你聚焦在真正好的選項，不被偶發壞運氣嚇退。
設計AI時，適度且可調的偏誤，在部分回饋、需探索—利用權衡的情境下，可能勝過零偏誤的學習器。
Hoxha_PNAS_2025
生活化的例子（你一定有感）
去餐廳點餐，上次不算好吃，但這次還是想再點一次？這就是逐漸堅持在作祟。
考高分時相信方法超有效；考低分就怪自己運氣不好或題目太難——這是正向偏誤的日常版本。
公司策略常常翻轉時，學會切換比「硬撐到底」更重要；持續用同一招，代價其實很高。
參考文獻
Hoxha, I., Sperber, L., & Palminteri, S. (2025). Evolving choice hysteresis in reinforcement learning: Comparing the adaptive value of positivity bias and gradual perseveration. Proceedings of the National Academy of Sciences, 122(36), e2422144122.
https://doi.org/10.1073/pnas.2422144122
--
Hosting provided by
SoundOn
