脑力劳动的代价

每一天，我们都面临着无数关于认知控制的决定，或者为了更好地完成任务而抑制自动或习惯性反应的过程。

布朗大学的Amitai Shenhav博士和他的实验室正致力于了解影响这一决策过程的因素。拥有更高的水平认知控制是什么让我们能够完成困难的任务，如数学问题或密集的阅读，所以我们可以期望，最佳的做法是在任何时候都施加高度的控制。

实验表现表明，事实并非如此:人们倾向于选择简单的任务而不是困难的任务，需要更多的钱来完成更难的任务，并且付出更多脑力劳动随着奖励价值的增加。这些行为都表明，被试的自动状态并没有处于尽可能高的控制水平。

Shenhav的研究主要围绕着为什么我们会看到控制水平的差异。因为认知控制是一个代价高昂的过程，我们所能发挥的作用肯定是有限度的。这些成本可以理解为控制水平和其他大脑功能之间的权衡，以及与困难任务(如压力)相关的负面情感变化的后果。

为了理解人们如何在认知控制方面做出决策实时Shenhav开发了一种名为“控制期望值模型”(Expected Value of Control, EVC)的算法，主要研究个人如何权衡增加控制的成本和收益。

运用这个模型帮助Shenhav和他的同事识别出人们可能会选择投入大量认知控制的情况。在一项研究中，Shenhav通过改变奖励是只与正确的反应配对，还是随机给予，模拟了控制效果的变化。他们发现，人们很快就能知道增加自己的努力是否会增加获得奖励的可能性，并相应地调整自己的控制:当人们知道自己的努力与获得奖励的可能性之间存在相关性时，他们更有可能投入更多的努力奖励而不是与绩效无关的奖励分配。

另一项研究探讨了我们在完成困难任务后如何调整策略。认知实验控制通常依赖于Stroop这样的范例任务在该实验中，受试者被要求识别目标线索(颜色)，同时面对干扰物(单词与其文本颜色不一致)。Shenhav发现，当受试者面临困难的考验或犯错误时，他们会通过减少对干扰物的注意力来进行调整。

从Shenhav的研究中，最后一个有趣的发现告诉我们，努力工作的价值可能部分在于工作本身:人们看重完成一项任务后的奖励，这种奖励与他们在这项任务中付出的努力成正比。