通过整合统计学习与因果推理推断群体的内部结构

看到社会生活的隐形网络

走进一个新的工作场所、教室或运动队，你会很快判断出谁说了算、谁是亲密朋友，以及谁在悄悄指导他人。然而你通常只看到寥寥几次短暂互动。本文探讨人们如何从这些稀疏且噪声很大的行为片段中重建出影响日常生活的隐形社交地图——并表明我们的头脑可能在背后运作着一种出人意料的复杂数据分析与因果推理机制。

我们如何从稀少线索中读出结构

作者认为，人类不仅仅追踪谁与谁互动；我们将统计学习与日常“民间社会学”结合起来以推断更深层的结构。从统计角度看，我们注意人们互动的频率与方式模式，并据此在心中将个体聚类为子群体。从社会学直觉来看，我们携带着对权威、友谊和指导等关系的直观期待——谁倾向于下达命令、谁通常邀请谁社交、谁可能寻求或提供建议。通过结合这两种能力，我们不仅能猜测哪些关系存在，还能推断这些关系如何影响未来的行为。

从嘈杂视频到隐形社交地图

为检验这一想法，研究者向在线参与者展示了短小的卡通风格视频，片中五个彩色人物在办公室场景中互动。在每个片段里，一个人物会走近另一个，发送一个代表命令、社交邀请或寻求建议的符号，随后收到积极或消极的回应。仅凭几次这样的互动，观众就被要求判断哪一种候选图最能反映该群体的内部结构——例如特定的指挥链、朋友小团体模式或指导网络。尽管信息有限且有时互动相互矛盾，人们持续选择与潜在模式相匹配的图示，并且在多种结构都显得合理时表现出不同程度的信心水平。

预测接下来会发生什么

研究团队接着考察人们是否利用这些推断出的结构来预测未来行为。在第二组研究中，参与者再次观看互动序列，但随后被告知，例如某位员工不在办公室，另一位需要分配任务、邀请下班后聚会，或请教建议。参与者评价每位剩下的同事被选中的可能性。他们的预测并不容易被诸如“选择与其互动次数最多的人”之类的简单规则解释。相反，这些预测与一个计算模型高度一致：该模型首先推断潜在的社交结构，然后在给定该结构以及关于命令、邀请或建议的常识性期待的情况下，判断在新情境中谁是最自然的互动对象。

跟随社会影响的流向

最后一项实验通过在同一群体中混合三种互动类型——命令、邀请和寻求建议——使情境更贴近现实。随后，参与者被问到谁最容易影响某人的周末安排：说服他们加班、去看电影或选修一门可选课。不同问题牵扯到不同类型的关系：加班通常沿着权威线发生，电影计划反映友谊，而选课决定则体现指导关系。再次证明，人们的答案最好地被一个模型所捕捉，该模型会针对每种决策有选择地依赖合适的关系类型，而不是依赖诸如“接触最频繁”之类的通用规则。

这对理解社会智能有何意义

综上，这些研究表明普通成年人能够从极少的证据中迅速构建出丰富的群体结构内部地图，并利用这些地图来解释、预测和规划社交行为。该工作显示，我们不仅仅知道谁属于哪个群体：我们还会推断谁位居高位、谁彼此亲近、谁影响谁的选择，即使证据是片段化的。用日常语言来说，我们的大脑不断将零散的互动转换为关于办公室政治、友谊网络和指导链的工作模型——这一模型足以指导我们关于向谁接近、信任谁以及如何融入的决定。

引用: Davis, I., Jara-Ettinger, J. & Dunham, Y. Inferring the internal structure of groups through the integration of statistical learning and causal reasoning. Nat Commun 17, 1959 (2026). https://doi.org/10.1038/s41467-026-68754-0

关键词: 社交网络, 等级结构, 统计学习, 因果推理, 社会认知