錢一敏,潘發(fā)達

(南通大學 教育科學學院，江蘇 南通 226000)

1 引言

認知努力是大腦加工必不可少的存在，與人類生活息息相關，甚至努力的支出會誘發(fā)情緒結果。個體在日常生活中一直在面臨決策，在此過程中認知努力扮演著重要角色。通常被認為是決策成本，即在決策前根據(jù)成本和效益的權衡決定資源調動的過程。生活中充滿了選擇，是選擇投入努力完成任務還是避免付出努力而放棄任務，其內在的機制還在被不斷探尋。當前主流的思想認為，認知努力是一種厭惡信號，人們?yōu)榱吮苊馀υ跊Q策時通常采用努力最小化原則[30,32]。結合經濟學觀點，認為努力的支出會降低事物的價值。近年來，又有學者提出截然相反的觀點，認為努力可以增加價值，甚至努力本身也是一種次級強化物。當前，越來越多的研究利用神經科學對認知努力的發(fā)生通路進行研究，發(fā)現(xiàn)努力主要的加工腦區(qū)為前扣帶皮層(ACC)、輔助運動區(qū)(SMA)、前腦島(AI)和前額葉皮層(PFC)[5,24]，并提出動機心理模型對努力決策進行解釋[40,46]，建立一種可理解的成本-收益的權衡機制[30,42,48]。

鑒于我國在認知努力相關方面的研究較少。因此，本文從努力的界定、測量指標、理論解釋、加工機制及相關研究五個方面進行論述，以期為開展認知努力相關研究提供一定的參考。

2 認知努力

2.1 認知努力的定義

認知努力通常被定義為目標導向的心理努力。Kahneman(1973年)認為努力是一種特殊的喚醒狀態(tài)，這種狀態(tài)與個體的主動行為相關。Russo& Dosher (1983年)認為，認知努力是參與有限能力中央處理的比例，實施的基本處理的數(shù)量[6]，或認知資源消耗的持續(xù)時間[11]。Dunn等人(2019年)認為認知努力是抉擇控制行為選擇是否位于某一任務的元認知評估。Inzlicht(2018年)認為，認知努力指個體完成任務的可能性、任務本身的特性與個體實際完成任務的程度之間的一種調節(jié)過程?；谇叭说亩x，認知努力是個體根據(jù)任務完成可能性和動機強度來決定認知資源的投入的調節(jié)過程。

認知控制是指根據(jù)任務目標統(tǒng)合復雜的認知活動與個體情緒活動，調控具體心理過程的大腦功能。而認知努力要完成的任務是復雜的、非自動的，需要有控制的反應，并且涉及連續(xù)的、容量有限的加工[21,40]，而這些都是認知控制的特征。此外，越來越多的證據(jù)將認知控制的行為和生理指標與認知努力相聯(lián)系。認知努力從根本上涉及到認知控制的調節(jié)[13,32,42]，許多研究都將認知努力視為參與認知控制決策中的一個變量。但也并非所有認知控制過程中都存在認知努力的參與，比如高自動化控制過程中就可能沒有或少有認知努力的參與。最近的許多研究指出這可能與控制權的來源的決定有關[23,27,32,42]。

縱覽前人的定義，認知努力往往與任務難度相聯(lián)系。處理任務的數(shù)量不同、完成的可能性不同，付出的認知努力也存在一定的差異。但認知努力不能等同于任務難度，前者是執(zhí)行成分，被定義為主體認知資源的投入，而后者則是一個客體本身的任務成分，兩者在面對待解決的任務時被緊密聯(lián)系起來。因此理解認知努力可以從決定是否繼續(xù)從事高要求的任務，這個最有潛在價值的認知努力框架入手。

2.2 認知努力的測量指標

大量生理指標可以跟蹤努力完成任務時的投入程度，通過周邊血管收縮和脈搏容量的改變、心率變異分析和收縮壓等心血管指標[10,12,18]，以及包括皮膚導電反應[31,45]和瞳孔擴張[46]。在內的其他交感反應變量的測量數(shù)據(jù)作為認知努力的指標。使用任務誘發(fā)瞳孔反應(TEPRs)來推斷認知努力是目前的研究傾向，在認知努力任務中，瞳孔大小隨著任務難度的增加而增加。同時，功能性核磁共振中背側紋狀體的血氧信號水平[37,43]、腦電圖中頻譜標記與ERP中P3a成分[19]、大腦活動的尺度不變性[28]均可用來表征認知努力。

2.3 認知努力的研究范式

認知努力的付出程度受任務難度影響，表現(xiàn)在在一定難度范圍內，任務難度越難，付出努力的水平越高。故當前的大部分研究通過操縱任務難度水平來操縱認知努力程度，以下列舉幾個常用的范式。

2.3.1 Stroop范式

經典的Stroop任務要求被試對不一致的刺激做出正確的反應,由于同一個刺激的兩個維度(或特征)產生相互干擾,由此激活兩種競爭性反應[3]。在針對認知努力相關的研究中，數(shù)字Stroop范式[37]、情緒Stroop范式[23]和性別Stroop范式[45]等變式Stroop均為廣泛應用。其中，數(shù)字Stroop范式是通過操控一組數(shù)字的物理大小與數(shù)值大小之間的相似性來進行研究的范式，其中物理大小是相關刺激，數(shù)值大小是無關刺激，參與者通過物理大小進行選擇[37]。其中數(shù)對的物理差異越小即相似性的增加會讓辨別大小的困難性增加，從而需要付出更大的認知努力。該范式通過區(qū)別物理大小差異與數(shù)值大小差異對認知努力與認知控制進行簡單區(qū)分，具有簡單易操作的特性。

2.3.2 任務轉換范式

一種通過不同任務之間的切換的設計，通常指在連續(xù)試次序列中不同任務試次之間進行轉換，在此范式中轉換成本用來表示認知努力的支出。例如，任務轉換范式中呈現(xiàn)帶有數(shù)字的卡片，數(shù)字為“2-9”中任意一個，有大小任務與奇偶任務兩種任務，參與者根據(jù)線索顏色進行任務轉換并做出判斷，當線索顏色為“黑”則按照目標數(shù)字與“5”比大小進行判斷，當線索顏色為“紅”時則按照目標數(shù)字的奇偶性進行判斷[30]。該范式通過轉換成本預測認知努力的支出，具有一定的可操作性，但此時認知努力并不能與認知控制很好的區(qū)分開來。

2.3.3 短期記憶任務范式

Sternberg(1966年)提出短時記憶任務范式，通過呈現(xiàn)不同數(shù)字組成的字符串，操縱字符串長度使被試判斷新字符是否來源于字符串。該任務通過操縱字符長度控制任務難度，在進行努力任務時，常常使用任務難度對努力進行操作性定義，故該任務也被用來控制努力水平[44]。該范式本質上用短時記憶廣度作為難度操縱努力水平，具有一定的可操作性，不過使用時任務材料需要提前進行計算與評定，注意字符串內的數(shù)字的頻次問題。

2.3.4 認知努力折扣范式

Westbrook(2013年)基于行為經濟學路徑發(fā)展出來衡量主觀認知努力成本和回報收益關系的范式，通過N-back任務控制任務難度，當個體選擇付出高努力(即高任務難度任務)時會得到高報酬，選擇付出低努力(即低任務難度任務)時會得到低報酬，高低努力通過兩種顏色線索進行提示，每次報酬調整數(shù)量是前一次調整里量的一半。該范式用主觀價值表明認知努力的偏好選擇，是從經濟學視角出發(fā)的一個全新的范式，用主觀價值量化了認知努力成本，使用認知負荷作為任務難度的決定因素，大大提高了該范式的有效性。

3 認知努力的理論解釋

在獎賞加工中，認知努力是一種調節(jié)機制，目前圍繞這個觀點有兩種方向的爭議。一種觀點被稱之為努力折扣理論，認為認知努力的付出是為了得到獎賞，人們對努力消耗資源具有厭惡性，因此往往避免付出努力[30,32]。傳統(tǒng)的經濟學視角認為，付出的努力越多，獲得的獎賞價值越低,因而努力作為一種成本，能夠降低價值。另一觀點是努力增強理論，又稱對比理論，認為努力可以增加價值，個體更加珍視通過努力獲得的結果,越是努力獲得的東西，它們被賦予的價值越大，甚至努力本身會作為一種次級強化物,因而努力能夠增加價值。這兩種理論均從認知努力的屬性出發(fā)，對努力意義進行闡釋。

動機心理模型從努力決策角度進行闡釋，認為個體并不厭惡努力行為本身，對需要付出努力的事件的判定是根據(jù)努力的潛在成果進行評價[5]。從動機層面看，個體付出努力的動機來自于對正性獎賞的追求與對負性情感信號的避免，是一種趨利避害的過程。在個體進行努力決策時，付出的認知成本(耗時、誤差可能性)[14]、動機(認知需要、獎賞)、任務難度、認知疲勞[26]等因素均會對認知努力的支出程度造成影響。在認知努力的屬性上，控制理論持相異的觀點，該理論認為目標導向行為需要認知控制，而控制的運用需要付出努力，這種認知努力本質上是厭惡性的，因此人們傾向于避免認知要求高的任務[21,28,46]。該過程被認為建立了一種神經認知機制，個體通過權衡控制的好處(報酬等)和相關努力成本來調節(jié)控制水平，決定所要付出的努力[42,48]。

在個體進行努力決策時，努力水平反映了努力成本與回報之間的平衡[30,42,48]。一般來說，努力成本會隨著時間的推移增加，相應地，在任務中努力的投入會減少[32]。有研究指出，在過程較長的任務中，會出現(xiàn)中間卡滯效應[8]，指個體努力的投入在任務開始和結束時較多，而在任務進行中投入較少，這與大腦感知努力的成本與回報之間的逐時變化有關[16]。

4 認知努力的加工機制

認知努力是一個機動的調節(jié)機制，通過權衡努力的成本與收益來決定努力支出水平，該過程在一個額葉網絡進行加工。成本與收益之間的差值稱為凈值，在個體進行努力的凈值評估時，這片腦區(qū)處于活躍狀態(tài)。該回路主要涉及前扣帶皮層(ACC)、輔助運動區(qū)(SMA)、前腦島(AI)和前額葉皮層(PFC)[5,42]。前扣帶回(ACC)可以通過代表行為與結果之間的聯(lián)系來促進目標導向行為的努力的付出[22]。Shenhav (2013年)認為，ACC對認知努力成本進行編碼加工，同時利用可以得到的獎賞值和需要付出的認知控制成本來調控認知努力的強度。Aben(2020年)認為背側前扣帶回(dACC)、前腦島(AI)和頂內溝(IPS)構成一個努力反應網絡，揭示認知努力的神經執(zhí)行包括了任務相關區(qū)域的dACC啟動敏感性。當認知努力需求高時，dACC活動增加，這種激活模式可能是與認知努力本身的厭惡性有關。Arulpragasam(2018年)通過決策任務得出相似結論，dACC和AI的活動反映了努力折扣與主觀價值預測誤差信號，其中AI在輔助預測與預測錯誤編碼中起的作用最強。另外，ACC可以對付出努力決策的困難程度進行表征，Pine(2009年)發(fā)現(xiàn)，當獎勵值和努力需求不同的認知成本選擇最接近時，ACC反應最強。

紋狀體也是認知努力相關神經網絡的一部分，其功能是優(yōu)化需要認知努力的決策。Robertson(2015年)研究發(fā)現(xiàn)，背側紋狀體(DS)的活動可以表征認知努力，但在此過程中背側紋狀體旨在對認知控制進行調節(jié)而非認知努力本身。Dobryakova (2017年)驗證腹側紋狀體(VS)的激活與努力行動的結果有關。Silveira(2018年)通過一個大鼠認知努力任務分離了腹側紋狀體和背側紋狀體的作用，研究發(fā)現(xiàn)，背內側紋狀體(DMS)損傷會造成無法組織注意力和反應控制過程，說明DMS在認知努力的決策中有重要作用。而VS的核心區(qū)域伏隔核(Nacc)受損則導致嚴重的行為障礙，使大鼠無法成功完成任務，說明NAcc不活躍阻礙了對復雜認知任務的反應。當個體進行努力決策時，勢必要對努力的成本與收益進行比較，權衡后做出選擇。Arulpragasam(2018年)通過一個努力順序決策任務，通過時間順序分分離了努力成本和回報，結果發(fā)現(xiàn)腹內側前額葉皮層(vmPFC)在獲得完整信息之前，編碼了預期的主觀價值，dACC和AI則對努力成本進行編碼，進而進行努力決策，形成了一個努力反應網絡。

在接受一個信息后，ACC監(jiān)測信號，紋狀體接受來自前額皮質、前扣帶回和杏仁核的信號并對其進行優(yōu)化整合與決策，而ACC則在努力行為的選擇和維持中起關鍵作用。在進行認知努力決策時，大腦會進行努力成本考量，Dunn(2019年)的研究發(fā)現(xiàn)，時間需求和任務的錯誤可能性是努力成本的一部分。個體付出認知努力的水平，受個體本身大腦的加工容量[39]、對付出努力的偏好性以及成本-收益權衡的影響，在后續(xù)加工過程中會產生資源消耗效應，即個體付出努力的意愿會隨著任務的進行而減少。

5 認知努力的相關研究

5.1 認知努力與記憶

短時記憶中認知努力的測量可能會提供關于潛在的與表現(xiàn)準確性和記憶潛伏期有關的信息。Kim(2018年)通過短時記憶圖片廣度任務誘發(fā)瞳孔反應(TEPRs)來研究短時記憶任務中失語癥患者(PWA)的認知努力，結果發(fā)現(xiàn)盡管失語癥患者與對照組付出了相似程度的認知努力，但是根據(jù)TEPRs的測量，失語癥患者的任務表現(xiàn)明顯差于對照組。這說明如果沒有相應的短時記憶廣度的能力，足夠的認知努力是不足以提高任務表現(xiàn)的，這可能是由于PWA沒有充分分配認知資源來彌補短時記憶容量減少的問題。這是關于短時記憶與認知努力加工過程中的研究，而Oren(2019年)則加入年齡因素，研究了認知努力與年齡是如何影響個人的記憶力的。研究監(jiān)測了老年人和年輕人認知努力前后的海馬的靜息狀態(tài)功能連接(RSFC)，研究發(fā)現(xiàn)老年人左海馬與右海馬的RSFC較年輕人要少，說明隨著認知努力和年齡的增長，靜息狀態(tài)功能連接相關性發(fā)生了改變，由此說明認知努力引起的腦內記憶功能的變化可以預測隨著年齡的增長而產生的記憶功能問題。 對認知努力的研究常常與工作記憶負荷相聯(lián)系，甚至許多研究默認使用工作記憶負荷表征認知努力，目前并未有研究證明兩者是相獨立的個體，但Kardan等人(2020年)從工作記憶容量有限這一特點出發(fā)，利用大腦活動尺度不變性與工作記憶容量極限的關系進行探索，發(fā)現(xiàn)在超過工作記憶容量的情況下，大腦抑制尺度不變性活動仍舊繼續(xù)，努力可以繼續(xù)通過工作記憶能力進行活動，證明了不能將工作記憶負荷完全等同于認知努力。

5.2 認知努力與情緒

Garbarino & Edell(1997年)最早研究認知努力和努力誘導的消極情緒對選擇結果的影響，結果發(fā)現(xiàn)，認知努力會帶來消極情緒，在處理任務時，不同的認知努力水平有不同的負面影響。Inzlicht(2018年)認為這是由于人們對努力產生的潛在成果的評價而非對努力本身的厭惡造成。Tae(2021年)結合時間進程探究了任務成功后努力的情緒屬性，發(fā)現(xiàn)高努力對應著積極的效價。這給予我們努力情緒屬性與時間進程之間關系的提示。Ansari & Derakshan(2011年)使用指導線索偏移和目標起始間隔(CTI)的混合反掃視任務，來比較低焦慮和高焦慮個體的目標前準備時認知努力的偶然性負變異(CNV)活動的不同。研究表明在中長期CTI試驗中，高焦慮參與者相較于低焦慮的參與者會表現(xiàn)出更大的認知努力，這是通過前額CNV活動(表明認知資源分配增加)來衡量的。IAPE模型認為，個體在不同情感狀態(tài)下執(zhí)行認知任務的困難程度不同，快樂與憤怒狀態(tài)下大腦對任務難度的主觀評價降低，從而付出較少的努力；而悲傷、恐懼與厭惡條件下個體評定任務的主觀難度增加，從而付出較多的努力[18]。Silvestrini(2018年)擴展了內隱情感對行為的研究，發(fā)現(xiàn)疼痛導致參與者增加任務的感知難度，并導致在容易的任務中比控制條件下付出更強的努力，在困難的任務中付出更低的努力。痛苦和認知表現(xiàn)涉及共同的認知過程，且認知資源是有限的，因此，內隱疼痛對認知努力的影響可能是通過調動認知資源來進行任務執(zhí)行的。

5.3 認知努力與獎勵

成本效益權衡模型認為，在進行控制加工時，相對于較小的獎賞，人們會在給與較高獎賞時提高認知努力支出水平[10];例如，在Stroop任務中，較大的潛在獎勵增強了任務相關刺激信息的處理，從而導致更快更準確的反應[31]。這一研究表明，獎勵激勵可以有效減少或抵消感知努力成本，與此同時，“調動”為目標導向行為服務的認知加工資源[11]。

獎勵表征定位于一個神經區(qū)域的反應網絡，包括紋狀體(特別是腹側紋狀體)、腹內側前額葉皮層(vmPFC)和前額腦區(qū)底部，以及后扣帶回皮層。這個獎勵網絡，包括多巴胺能系統(tǒng)，在引導基于努力的決策的成本-收益信號中起著重要作用。人類神經影像學研究已經發(fā)現(xiàn)，紋狀體負責編碼多巴胺依賴的回應信號，影響認知努力領域的努力付出的動機，表現(xiàn)在紋狀體多巴胺信號放大了認知努力的預期收益與成本，證明紋狀體中多巴胺發(fā)出的預測錯誤信號可能是促使努力付出的基礎[48]。

獎勵評估是高度主觀的，大腦的獎勵回路的關鍵區(qū)域，如VS和vmPFC，對動機和努力的影響表現(xiàn)出敏感性。此外，紋狀體和前額葉的激活被發(fā)現(xiàn)會隨著內在動機水平的降低而降低。即使在一個單一的努力的任務中，神經獎勵信號相關的客觀相等的努力水平由于背景和動機的不同也存在顯著變化。Schouppe(2014年)及其同事的一項研究觀察到，當參與者自由選擇執(zhí)行一項較高的認知努力任務時，紋狀體活動增加(與努力增強相一致)。然而，當參與者被迫完成相同的認知努力任務時，腹側紋狀體表現(xiàn)出相反的模式(低努力者紋狀體活動高于高努力者)。這些發(fā)現(xiàn)表明，情境和動機可以很大程度上改變與決策和結果加工相關的神經價值特征，因此與認知努力評估高度相關。

6 展望

認知努力是一種廣泛涉及的現(xiàn)象，不管是對健康個體還是對部分功能紊亂個體的生活都有著重要的影響。近幾年興起的有關認知努力的相關研究，從認知努力與情緒、記憶、獎賞決策等角度，探索與解釋認知努力本身的加工機制、作用腦區(qū)、認知努力是如何參與認知過程中以及影響努力支出的因素等，對類腦科學研究具有重要的參考意義，未來有望在以下幾方面進一步研究：

首先，認知努力不同加工階段是否存在不同的情緒屬性？當前有關認知努力，出現(xiàn)了兩種理論爭議，一種認為認知努力本身就是一種成本，自帶厭惡屬性，另一種則認為認知努力可以作為一種價值，在人們體會到認知努力可以增加價值，人們會更珍視認知努力后的結果。“努力是一種成本” 從時間進程上來說具有前瞻性的特點; 而“努力增加價值”,更多的是從努力的評價階段進行考慮[1],那么我們是否可以假定這存在于認知努力的不同加工階段，在期待努力階段人們可能認為努力是厭惡性的，當人們付出努力且得到正性反饋后會認為努力是積極性的。再者，中間卡滯效應指出，在個體執(zhí)行長時間的努力任務時，往往在開始和結束時投入較高努力水平，在中間投入較低努力水平，有學者指出這與大腦感知努力的成本與收益水平有關，那么是否可以假設，在此過程中可能伴隨不同的情緒的誘發(fā)機制值得探索。

其次，大腦在決策認知努力前對機會成本是如何加工的呢？有很多變量影響認知努力，包括個體的工作記憶容量、疲勞和動機狀態(tài)。然而，難以知道這些變量如何影響認知努力。對于那些被提出來影響機會成本的外部變量，我們知道的更少。例如，在計算機會性成本時，大腦是追蹤其他可用目標的價值，還是僅僅依賴于當前目標的信息？如果它跟蹤其他可用的目標，它如何確定哪些目標將被跟蹤？它們又是如何影響未來或正在進行的努力決定的呢？這些都是研究的未知區(qū)域。

再次，調節(jié)認知和身體的努力是否存在相同的神經系統(tǒng)？一些關于以體力勞動為基礎的決策研究提出了關于調節(jié)認知努力的系統(tǒng)與體力努力一致的假設，認為監(jiān)測體力勞動指出的神經系統(tǒng)同時可以監(jiān)測認知活動，但目前還是沒有直接證據(jù)表明認知努力和體力努力的決策系統(tǒng)是否是單一的，因此未來研究可以嘗試一些涉及將兩者統(tǒng)合與一個任務之中進行研究。