认知努力：一个趋利避害的心理资源调节机制

钱一敏,潘发达

(南通大学 教育科学学院，江苏 南通 226000)

1 引言

认知努力是大脑加工必不可少的存在，与人类生活息息相关，甚至努力的支出会诱发情绪结果。个体在日常生活中一直在面临决策，在此过程中认知努力扮演着重要角色。通常被认为是决策成本，即在决策前根据成本和效益的权衡决定资源调动的过程。生活中充满了选择，是选择投入努力完成任务还是避免付出努力而放弃任务，其内在的机制还在被不断探寻。当前主流的思想认为，认知努力是一种厌恶信号，人们为了避免努力在决策时通常采用努力最小化原则[30,32]。结合经济学观点，认为努力的支出会降低事物的价值。近年来，又有学者提出截然相反的观点，认为努力可以增加价值，甚至努力本身也是一种次级强化物。当前，越来越多的研究利用神经科学对认知努力的发生通路进行研究，发现努力主要的加工脑区为前扣带皮层(ACC)、辅助运动区(SMA)、前脑岛(AI)和前额叶皮层(PFC)[5,24]，并提出动机心理模型对努力决策进行解释[40,46]，建立一种可理解的成本-收益的权衡机制[30,42,48]。

鉴于我国在认知努力相关方面的研究较少。因此，本文从努力的界定、测量指标、理论解释、加工机制及相关研究五个方面进行论述，以期为开展认知努力相关研究提供一定的参考。

2 认知努力

2.1 认知努力的定义

认知努力通常被定义为目标导向的心理努力。Kahneman(1973年)认为努力是一种特殊的唤醒状态，这种状态与个体的主动行为相关。Russo& Dosher (1983年)认为，认知努力是参与有限能力中央处理的比例，实施的基本处理的数量[6]，或认知资源消耗的持续时间[11]。Dunn等人(2019年)认为认知努力是抉择控制行为选择是否位于某一任务的元认知评估。Inzlicht(2018年)认为，认知努力指个体完成任务的可能性、任务本身的特性与个体实际完成任务的程度之间的一种调节过程。基于前人的定义，认知努力是个体根据任务完成可能性和动机强度来决定认知资源的投入的调节过程。

认知控制是指根据任务目标统合复杂的认知活动与个体情绪活动，调控具体心理过程的大脑功能。而认知努力要完成的任务是复杂的、非自动的，需要有控制的反应，并且涉及连续的、容量有限的加工[21,40]，而这些都是认知控制的特征。此外，越来越多的证据将认知控制的行为和生理指标与认知努力相联系。认知努力从根本上涉及到认知控制的调节[13,32,42]，许多研究都将认知努力视为参与认知控制决策中的一个变量。但也并非所有认知控制过程中都存在认知努力的参与，比如高自动化控制过程中就可能没有或少有认知努力的参与。最近的许多研究指出这可能与控制权的来源的决定有关[23,27,32,42]。

纵览前人的定义，认知努力往往与任务难度相联系。处理任务的数量不同、完成的可能性不同，付出的认知努力也存在一定的差异。但认知努力不能等同于任务难度，前者是执行成分，被定义为主体认知资源的投入，而后者则是一个客体本身的任务成分，两者在面对待解决的任务时被紧密联系起来。因此理解认知努力可以从决定是否继续从事高要求的任务，这个最有潜在价值的认知努力框架入手。

2.2 认知努力的测量指标

大量生理指标可以跟踪努力完成任务时的投入程度，通过周边血管收缩和脉搏容量的改变、心率变异分析和收缩压等心血管指标[10,12,18]，以及包括皮肤导电反应[31,45]和瞳孔扩张[46]。在内的其他交感反应变量的测量数据作为认知努力的指标。使用任务诱发瞳孔反应(TEPRs)来推断认知努力是目前的研究倾向，在认知努力任务中，瞳孔大小随着任务难度的增加而增加。同时，功能性核磁共振中背侧纹状体的血氧信号水平[37,43]、脑电图中频谱标记与ERP中P3a成分[19]、大脑活动的尺度不变性[28]均可用来表征认知努力。

2.3 认知努力的研究范式

认知努力的付出程度受任务难度影响，表现在在一定难度范围内，任务难度越难，付出努力的水平越高。故当前的大部分研究通过操纵任务难度水平来操纵认知努力程度，以下列举几个常用的范式。

2.3.1 Stroop范式

经典的Stroop任务要求被试对不一致的刺激做出正确的反应,由于同一个刺激的两个维度(或特征)产生相互干扰,由此激活两种竞争性反应[3]。在针对认知努力相关的研究中，数字Stroop范式[37]、情绪Stroop范式[23]和性别Stroop范式[45]等变式Stroop均为广泛应用。其中，数字Stroop范式是通过操控一组数字的物理大小与数值大小之间的相似性来进行研究的范式，其中物理大小是相关刺激，数值大小是无关刺激，参与者通过物理大小进行选择[37]。其中数对的物理差异越小即相似性的增加会让辨别大小的困难性增加，从而需要付出更大的认知努力。该范式通过区别物理大小差异与数值大小差异对认知努力与认知控制进行简单区分，具有简单易操作的特性。

2.3.2 任务转换范式

一种通过不同任务之间的切换的设计，通常指在连续试次序列中不同任务试次之间进行转换，在此范式中转换成本用来表示认知努力的支出。例如，任务转换范式中呈现带有数字的卡片，数字为“2-9”中任意一个，有大小任务与奇偶任务两种任务，参与者根据线索颜色进行任务转换并做出判断，当线索颜色为“黑”则按照目标数字与“5”比大小进行判断，当线索颜色为“红”时则按照目标数字的奇偶性进行判断[30]。该范式通过转换成本预测认知努力的支出，具有一定的可操作性，但此时认知努力并不能与认知控制很好的区分开来。

2.3.3 短期记忆任务范式

Sternberg(1966年)提出短时记忆任务范式，通过呈现不同数字组成的字符串，操纵字符串长度使被试判断新字符是否来源于字符串。该任务通过操纵字符长度控制任务难度，在进行努力任务时，常常使用任务难度对努力进行操作性定义，故该任务也被用来控制努力水平[44]。该范式本质上用短时记忆广度作为难度操纵努力水平，具有一定的可操作性，不过使用时任务材料需要提前进行计算与评定，注意字符串内的数字的频次问题。

2.3.4 认知努力折扣范式

Westbrook(2013年)基于行为经济学路径发展出来衡量主观认知努力成本和回报收益关系的范式，通过N-back任务控制任务难度，当个体选择付出高努力(即高任务难度任务)时会得到高报酬，选择付出低努力(即低任务难度任务)时会得到低报酬，高低努力通过两种颜色线索进行提示，每次报酬调整数量是前一次调整里量的一半。该范式用主观价值表明认知努力的偏好选择，是从经济学视角出发的一个全新的范式，用主观价值量化了认知努力成本，使用认知负荷作为任务难度的决定因素，大大提高了该范式的有效性。

3 认知努力的理论解释

在奖赏加工中，认知努力是一种调节机制，目前围绕这个观点有两种方向的争议。一种观点被称之为努力折扣理论，认为认知努力的付出是为了得到奖赏，人们对努力消耗资源具有厌恶性，因此往往避免付出努力[30,32]。传统的经济学视角认为，付出的努力越多，获得的奖赏价值越低,因而努力作为一种成本，能够降低价值。另一观点是努力增强理论，又称对比理论，认为努力可以增加价值，个体更加珍视通过努力获得的结果,越是努力获得的东西，它们被赋予的价值越大，甚至努力本身会作为一种次级强化物,因而努力能够增加价值。这两种理论均从认知努力的属性出发，对努力意义进行阐释。

动机心理模型从努力决策角度进行阐释，认为个体并不厌恶努力行为本身，对需要付出努力的事件的判定是根据努力的潜在成果进行评价[5]。从动机层面看，个体付出努力的动机来自于对正性奖赏的追求与对负性情感信号的避免，是一种趋利避害的过程。在个体进行努力决策时，付出的认知成本(耗时、误差可能性)[14]、动机(认知需要、奖赏)、任务难度、认知疲劳[26]等因素均会对认知努力的支出程度造成影响。在认知努力的属性上，控制理论持相异的观点，该理论认为目标导向行为需要认知控制，而控制的运用需要付出努力，这种认知努力本质上是厌恶性的，因此人们倾向于避免认知要求高的任务[21,28,46]。该过程被认为建立了一种神经认知机制，个体通过权衡控制的好处(报酬等)和相关努力成本来调节控制水平，决定所要付出的努力[42,48]。

在个体进行努力决策时，努力水平反映了努力成本与回报之间的平衡[30,42,48]。一般来说，努力成本会随着时间的推移增加，相应地，在任务中努力的投入会减少[32]。有研究指出，在过程较长的任务中，会出现中间卡滞效应[8]，指个体努力的投入在任务开始和结束时较多，而在任务进行中投入较少，这与大脑感知努力的成本与回报之间的逐时变化有关[16]。

4 认知努力的加工机制

认知努力是一个机动的调节机制，通过权衡努力的成本与收益来决定努力支出水平，该过程在一个额叶网络进行加工。成本与收益之间的差值称为净值，在个体进行努力的净值评估时，这片脑区处于活跃状态。该回路主要涉及前扣带皮层(ACC)、辅助运动区(SMA)、前脑岛(AI)和前额叶皮层(PFC)[5,42]。前扣带回(ACC)可以通过代表行为与结果之间的联系来促进目标导向行为的努力的付出[22]。Shenhav (2013年)认为，ACC对认知努力成本进行编码加工，同时利用可以得到的奖赏值和需要付出的认知控制成本来调控认知努力的强度。Aben(2020年)认为背侧前扣带回(dACC)、前脑岛(AI)和顶内沟(IPS)构成一个努力反应网络，揭示认知努力的神经执行包括了任务相关区域的dACC启动敏感性。当认知努力需求高时，dACC活动增加，这种激活模式可能是与认知努力本身的厌恶性有关。Arulpragasam(2018年)通过决策任务得出相似结论，dACC和AI的活动反映了努力折扣与主观价值预测误差信号，其中AI在辅助预测与预测错误编码中起的作用最强。另外，ACC可以对付出努力决策的困难程度进行表征，Pine(2009年)发现，当奖励值和努力需求不同的认知成本选择最接近时，ACC反应最强。

纹状体也是认知努力相关神经网络的一部分，其功能是优化需要认知努力的决策。Robertson(2015年)研究发现，背侧纹状体(DS)的活动可以表征认知努力，但在此过程中背侧纹状体旨在对认知控制进行调节而非认知努力本身。Dobryakova (2017年)验证腹侧纹状体(VS)的激活与努力行动的结果有关。Silveira(2018年)通过一个大鼠认知努力任务分离了腹侧纹状体和背侧纹状体的作用，研究发现，背内侧纹状体(DMS)损伤会造成无法组织注意力和反应控制过程，说明DMS在认知努力的决策中有重要作用。而VS的核心区域伏隔核(Nacc)受损则导致严重的行为障碍，使大鼠无法成功完成任务，说明NAcc不活跃阻碍了对复杂认知任务的反应。当个体进行努力决策时，势必要对努力的成本与收益进行比较，权衡后做出选择。Arulpragasam(2018年)通过一个努力顺序决策任务，通过时间顺序分分离了努力成本和回报，结果发现腹内侧前额叶皮层(vmPFC)在获得完整信息之前，编码了预期的主观价值，dACC和AI则对努力成本进行编码，进而进行努力决策，形成了一个努力反应网络。

在接受一个信息后，ACC监测信号，纹状体接受来自前额皮质、前扣带回和杏仁核的信号并对其进行优化整合与决策，而ACC则在努力行为的选择和维持中起关键作用。在进行认知努力决策时，大脑会进行努力成本考量，Dunn(2019年)的研究发现，时间需求和任务的错误可能性是努力成本的一部分。个体付出认知努力的水平，受个体本身大脑的加工容量[39]、对付出努力的偏好性以及成本-收益权衡的影响，在后续加工过程中会产生资源消耗效应，即个体付出努力的意愿会随着任务的进行而减少。

5 认知努力的相关研究

5.1 认知努力与记忆

短时记忆中认知努力的测量可能会提供关于潜在的与表现准确性和记忆潜伏期有关的信息。Kim(2018年)通过短时记忆图片广度任务诱发瞳孔反应(TEPRs)来研究短时记忆任务中失语症患者(PWA)的认知努力，结果发现尽管失语症患者与对照组付出了相似程度的认知努力，但是根据TEPRs的测量，失语症患者的任务表现明显差于对照组。这说明如果没有相应的短时记忆广度的能力，足够的认知努力是不足以提高任务表现的，这可能是由于PWA没有充分分配认知资源来弥补短时记忆容量减少的问题。这是关于短时记忆与认知努力加工过程中的研究，而Oren(2019年)则加入年龄因素，研究了认知努力与年龄是如何影响个人的记忆力的。研究监测了老年人和年轻人认知努力前后的海马的静息状态功能连接(RSFC)，研究发现老年人左海马与右海马的RSFC较年轻人要少，说明随着认知努力和年龄的增长，静息状态功能连接相关性发生了改变，由此说明认知努力引起的脑内记忆功能的变化可以预测随着年龄的增长而产生的记忆功能问题。 对认知努力的研究常常与工作记忆负荷相联系，甚至许多研究默认使用工作记忆负荷表征认知努力，目前并未有研究证明两者是相独立的个体，但Kardan等人(2020年)从工作记忆容量有限这一特点出发，利用大脑活动尺度不变性与工作记忆容量极限的关系进行探索，发现在超过工作记忆容量的情况下，大脑抑制尺度不变性活动仍旧继续，努力可以继续通过工作记忆能力进行活动，证明了不能将工作记忆负荷完全等同于认知努力。

5.2 认知努力与情绪

Garbarino & Edell(1997年)最早研究认知努力和努力诱导的消极情绪对选择结果的影响，结果发现，认知努力会带来消极情绪，在处理任务时，不同的认知努力水平有不同的负面影响。Inzlicht(2018年)认为这是由于人们对努力产生的潜在成果的评价而非对努力本身的厌恶造成。Tae(2021年)结合时间进程探究了任务成功后努力的情绪属性，发现高努力对应着积极的效价。这给予我们努力情绪属性与时间进程之间关系的提示。Ansari & Derakshan(2011年)使用指导线索偏移和目标起始间隔(CTI)的混合反扫视任务，来比较低焦虑和高焦虑个体的目标前准备时认知努力的偶然性负变异(CNV)活动的不同。研究表明在中长期CTI试验中，高焦虑参与者相较于低焦虑的参与者会表现出更大的认知努力，这是通过前额CNV活动(表明认知资源分配增加)来衡量的。IAPE模型认为，个体在不同情感状态下执行认知任务的困难程度不同，快乐与愤怒状态下大脑对任务难度的主观评价降低，从而付出较少的努力；而悲伤、恐惧与厌恶条件下个体评定任务的主观难度增加，从而付出较多的努力[18]。Silvestrini(2018年)扩展了内隐情感对行为的研究，发现疼痛导致参与者增加任务的感知难度，并导致在容易的任务中比控制条件下付出更强的努力，在困难的任务中付出更低的努力。痛苦和认知表现涉及共同的认知过程，且认知资源是有限的，因此，内隐疼痛对认知努力的影响可能是通过调动认知资源来进行任务执行的。

5.3 认知努力与奖励

成本效益权衡模型认为，在进行控制加工时，相对于较小的奖赏，人们会在给与较高奖赏时提高认知努力支出水平[10];例如，在Stroop任务中，较大的潜在奖励增强了任务相关刺激信息的处理，从而导致更快更准确的反应[31]。这一研究表明，奖励激励可以有效减少或抵消感知努力成本，与此同时，“调动”为目标导向行为服务的认知加工资源[11]。

奖励表征定位于一个神经区域的反应网络，包括纹状体(特别是腹侧纹状体)、腹内侧前额叶皮层(vmPFC)和前额脑区底部，以及后扣带回皮层。这个奖励网络，包括多巴胺能系统，在引导基于努力的决策的成本-收益信号中起着重要作用。人类神经影像学研究已经发现，纹状体负责编码多巴胺依赖的回应信号，影响认知努力领域的努力付出的动机，表现在纹状体多巴胺信号放大了认知努力的预期收益与成本，证明纹状体中多巴胺发出的预测错误信号可能是促使努力付出的基础[48]。

奖励评估是高度主观的，大脑的奖励回路的关键区域，如VS和vmPFC，对动机和努力的影响表现出敏感性。此外，纹状体和前额叶的激活被发现会随着内在动机水平的降低而降低。即使在一个单一的努力的任务中，神经奖励信号相关的客观相等的努力水平由于背景和动机的不同也存在显著变化。Schouppe(2014年)及其同事的一项研究观察到，当参与者自由选择执行一项较高的认知努力任务时，纹状体活动增加(与努力增强相一致)。然而，当参与者被迫完成相同的认知努力任务时，腹侧纹状体表现出相反的模式(低努力者纹状体活动高于高努力者)。这些发现表明，情境和动机可以很大程度上改变与决策和结果加工相关的神经价值特征，因此与认知努力评估高度相关。

6 展望

认知努力是一种广泛涉及的现象，不管是对健康个体还是对部分功能紊乱个体的生活都有着重要的影响。近几年兴起的有关认知努力的相关研究，从认知努力与情绪、记忆、奖赏决策等角度，探索与解释认知努力本身的加工机制、作用脑区、认知努力是如何参与认知过程中以及影响努力支出的因素等，对类脑科学研究具有重要的参考意义，未来有望在以下几方面进一步研究：

首先，认知努力不同加工阶段是否存在不同的情绪属性？当前有关认知努力，出现了两种理论争议，一种认为认知努力本身就是一种成本，自带厌恶属性，另一种则认为认知努力可以作为一种价值，在人们体会到认知努力可以增加价值，人们会更珍视认知努力后的结果。“努力是一种成本” 从时间进程上来说具有前瞻性的特点; 而“努力增加价值”,更多的是从努力的评价阶段进行考虑[1],那么我们是否可以假定这存在于认知努力的不同加工阶段，在期待努力阶段人们可能认为努力是厌恶性的，当人们付出努力且得到正性反馈后会认为努力是积极性的。再者，中间卡滞效应指出，在个体执行长时间的努力任务时，往往在开始和结束时投入较高努力水平，在中间投入较低努力水平，有学者指出这与大脑感知努力的成本与收益水平有关，那么是否可以假设，在此过程中可能伴随不同的情绪的诱发机制值得探索。

其次，大脑在决策认知努力前对机会成本是如何加工的呢？有很多变量影响认知努力，包括个体的工作记忆容量、疲劳和动机状态。然而，难以知道这些变量如何影响认知努力。对于那些被提出来影响机会成本的外部变量，我们知道的更少。例如，在计算机会性成本时，大脑是追踪其他可用目标的价值，还是仅仅依赖于当前目标的信息？如果它跟踪其他可用的目标，它如何确定哪些目标将被跟踪？它们又是如何影响未来或正在进行的努力决定的呢？这些都是研究的未知区域。

再次，调节认知和身体的努力是否存在相同的神经系统？一些关于以体力劳动为基础的决策研究提出了关于调节认知努力的系统与体力努力一致的假设，认为监测体力劳动指出的神经系统同时可以监测认知活动，但目前还是没有直接证据表明认知努力和体力努力的决策系统是否是单一的，因此未来研究可以尝试一些涉及将两者统合与一个任务之中进行研究。