（Vicky W/编译）人类有进食的欲望，有喝水的欲望，有繁衍的欲望。好奇心也没什么区别，卡耐基梅隆大学的心理学和经济学教授乔治•勒文施泰因（George Loewenstein）说。我们无法满足的不断学习、发明、探索和研究的欲望 “值得与其他欲望拥有同等的地位。”

然而，好奇心的奇怪之处在于它似乎并不与任何具体奖励相关。“好奇心所带来的理论谜题就是，按照定义，好奇心驱使下获得的信息无法给人带来任何外在的好处，那为什么人们还会如此强烈地被它们吸引呢？”勒文施泰因曾写道。有机体寻求食物、饮水、交媾、住处、休憩、财富，或者其他无数能提供营养或使之愉悦的东西是说得通的，但推断重力的本质或登上月球又能带来什么好处呢？

除了满足好奇心本身，好奇似乎没有任何外在的好处。图片来源：dailymail.co.uk

一个简单的答案是，我们永远不知道今天学到的知识明天是否会有用。以蠕虫为例。加州索尔克研究所的神经生物学家斯里坎特•查拉萨尼（Sreekanth Chalasani）称它们为百折不挠的乐观主义者。他研究秀丽隐杆线虫（Caenorhabditis elegans），一种常见的只有毫米长的线虫。在实验中，他会将一只虫子放进一大片细菌（它最喜欢的食物）中，周围是充足的潜在配偶。“它会做什么呢？它会离开这片饲料地，去寻找别的东西。”他说，“根本没有证据表明外面有什么更好的东西，这已经是你能给它的最好的食物了。真是疯了。”

无论仅仅是放弃自己的饲料地，还是飞向宇宙，探索似乎的确有些疯狂——不过当然，你永远无法真的知道食物是否会被耗尽。从演化的角度来看，查拉萨尼说，不断寻找是有着充分理由的。信息能帮助我们更好的选择，适应不断变化的环境。或许哪天我们就会需要月球基地呢。

但好奇心并不仅仅是探索漫游的欲望。我们会对特定的事物感到好奇，而不同的人所好奇的特定事物也并不相同。有人专门研究一项东西，有人什么都爱。这种兴趣上的区别告诉我们，一定有某种东西将我们引各自独有的着迷对象，而不只是有单纯的漫游倾向而已。。

的确，研究好奇心机制的科学家们发现，好奇心在本质上是一种概率算法——我们的大脑不断计算着哪种途径或行为最有可能让我们用最少的时间、获得最多的知识。如同维基百科页面上的链接一样，好奇心建立在其本身的基础上，每个问题都导向下一个。也正如浏览维基百科的这个无底洞一样，你在哪里开始决定了在哪里结束。这就是好奇心的有趣之处：它更多是关于我们的已知，而非未知。

维基百科的问题：在好奇心的驱使下，不知会点到哪个页面，也不知会点多久……图片来源：xkcd

用最基本的术语来说，你可以将好奇心描述为动机加方向的函数。前者并不像看上去那么明确：口渴、饥饿、性欲——我们的其他欲望都有清晰的动机。但好奇心是由什么激发的呢？

好奇心，取决于你已经知道的东西

十九世纪的德国哲学家阿图尔•叔本华（Arthur Schopenhauer）相信，生活的首要任务是“生存下去”，紧接着就是“躲避如同猛禽般盘旋在我们上空、准备在生活缺少需求时侵袭的乏味情绪。”感到满足就是感到乏味，而好奇心则是解决方案。人类学家拉尔夫•林顿（Ralph Linton）的看法则更进一步。“比起社会或自然需求，也许人类感到乏味的能力才是人类文化进步的根本。”他在1936年写道。换言之，人类积累的无数知识——语言，泰姬陵，Snuggie毛毯——都是因为我们厌恶无聊。

但乏味本身并不能完全解释好奇心。“老观点是，好奇心和乏味情绪是同一个连续谱的两端。”勒文施泰因说。而新的观点认为，乏味之于好奇心，并非饥饿之于饱腹，或干渴之于满足。相反，乏味是“大脑产生的信号，意味着你没有利用好一部分大脑”，就像坐在脚上太久时产生的发麻感一样。乏味提醒我们要动动脑筋，但除了好奇心以外，其他东西也能解决乏味感——比如食物或性。此外，就算我们并没有感到无聊，好奇心也会突然产生。事实上，我们很容易放弃自己想要或喜爱的东西以学习新的。

正如查拉萨尼的蠕虫会离开它们完美的饲料地一样，人类和其他灵长类也往往会用手中已有的奖励交换未知的信息。研究者们使用所谓“强盗任务”来衡量这种倾向——起这个名字是因为赌博用的老虎机有个别名叫“独臂强盗”。在强盗任务里，实验对象必须反复地在几个图像或其他选项中做出选择。不同的选项与不同的回报可能性（通常是金钱）相关，而随着时间流逝，实验对象会了解到哪些选项最有可能给他们回报，并会不断选择这些选项。但是，当一个从未见过的选项出现时，人们常常会放弃可能的回报而选择新选项：万一新选项会带来更大的收益呢。

大脑研究表明，这种“新奇加分”——我们加诸新选项的额外分量——至少部分来源于它带给我们的愉悦情绪。例如，2007年的一项研究发现，正如同巴浦洛夫的狗会在铃响时流口水，我们大脑中处理爱意和甜食这类奖励的部分也会在我们期待发现新事物时被激活，就算这种期待最终并没有成真。研究者总结，这些发现“提出一种可能：新奇感本身就像是一种奖励”。

所以，也许我上维基百科的目的就是叔本华所说的“摆脱乏味情绪”。但接下来，我花了三个小时阅读蒙古入侵日本的内容，一部分原因是在潜意识里，我就是喜欢点击链接时所获得的多巴胺刺激——这种同样的刺激驱使着我的祖先们殖民澳大利亚和北极圈，发明陶器，雕刻出维伦多尔夫的维纳斯。

维伦多尔夫的维纳斯雕刻于公元前22000至24000年前，人们对她的起源、含义和创作方法几乎一无所知。图片来源：Wikipedia

但为什么我追随的是蒙古骑兵呢？为什么不研究威氏黑鵙，或者点击“随机条目”时出现的其它理论上也很有趣的文章呢？为什么好奇心以这种方式吸引我们，而非那种呢？

在1994年的一篇论文中，勒文施泰因推论，好奇心的方向是由“信息空缺”决定的，就是突然发现自己不知道某样东西，以及立即产生的填补这一空缺的欲望。这种认知空缺可以是存在于物质世界（这怪虫子是啥？），也可以是精神上的（什么是爱？）。他的理论很好地说明了为什么Upworthy网站的头条都那么无法抗拒（妈的，《也许我早就已经喜欢海牛的22个理由》到底是什么？），以及为什么好奇心既是强项，也是弱点（你知道海牛的乳头长在它们腋下吗？）。

所以海牛哺乳的姿势其实是这样的。图片来源：Imgur

然而，要让我们上钩，信息空缺就既不能太大（标题是用看不懂的葡萄牙语写的），也不能太小（事实之一：海牛生活在佛罗里达州）。在2009年的一项研究中，一组研究者（包括勒文施泰因在内）让实验对象躺进功能性磁共振成像仪中（fMRI），然后询问他们一些小问题：什么乐器被发明来模拟人唱歌的声音？地球所在的星系叫什么？（答案：小提琴；银河系。）对每个问题，实验对象都会估计自己对答案的确信程度。研究者还要求实验对象给自己对问题的好奇程度评级，并记录他们大脑中的奖励中心作出反应的强度——对好奇心的另一量度。

正如人们估计的那样，实验对象对他们认为自己已经知道的答案好奇心最弱。但他们对毫无头绪的问题同样不感兴趣。相反，当实验对象对问题的答案有大致猜测、但并不确信时，好奇心会达到顶峰。好奇心的最佳点似乎是信息的中庸水平：既不要太多也不要太少。

婴儿也同样喜爱新鲜、但又不那么新鲜的事物，罗彻斯特大学的一位神经科学家西莱斯特•基德（Celeste Kidd）说。在2012年的一项研究中，她和她的同事们让七到八月大的婴儿坐在屏幕前，屏幕上展示着三个有图案的盒子，每个盒子里都有一样物品，比如曲奇饼干、勺子和汽车等。盒子里的东西会以某种特定的方式出现，“就像打地鼠一样。”其中一些方式出现得更加频繁，因此基德能让某些出现次序显得更少，因此也更出乎意料。

在婴儿们观看屏幕时，一个眼部追踪设备也在观察他们。他们的视线显示出了清晰的偏好：有点意外、但并非完全新奇的物品出现顺序会吸引他们的注意，和他们见过的方式非常相似或截然不同的则不会。（每次有婴儿看向别处，屏幕上就会出现一个大笑着的婴儿的照片。“我不知道你知不知道，但婴儿都很喜欢看其他婴儿的照片。”基德说。我不知道。有意思。）

基德用眼部追踪装置观察婴儿对新奇程度的偏好。图片来源：J. Adam Fenster/University of Rochester

基德说，我们大脑直觉地寻找 “刚刚好”的新奇程度，就像去书店。“你不会挑儿童书，也不会挑读过很多次的书。”另一方面，如果你选了一本根本无法理解的书，比如俄罗斯的天体物理学课本，那你也会面临同样的问题。“它不会很有趣的。”要想学点什么，你必须有可以着手的地方：下一个支撑点不能离上一个太远，不然你可能够不到。因此，当大脑促使你尽可能快地收集知识时，它会自动引导你避开太大或太小的空缺。

让学习成为奖励本身

要检验这种估算方式是怎么奏效的，机器人是很好的工具。但由于机器人缺乏动机（好奇心的原始配方），你必须首先给它些动机。要做到这一点，只需给机器人设置寻求奖励的程序，德国波鸿鲁尔大学一位研究人工智能的博士后瓦伦•科佩拉（Varun Kompella）说。奖励是什么并不重要（甚至连一个数字都行），只要机器人知道奖励存在，并且想要获得奖励就行了。类似地，它不能知道该如何获得奖励。就像人类在学到新东西时会获得多巴胺刺激一样，即使新知识似乎完全没用，机器人的动机系统也能让学习过程成为奖励本身。

科佩拉用一只iCub机器人来实验，它是一个开源人型机器人，有着奶油色的皮肤，银色的关节、有头、眼睛、手臂、手指甚至乳头，但没有头发，也没有腿。在他发给我的一个视频中，iCub被直接放在地上，面前是一张桌子，桌子中间有个塑料杯。机器人开始前后摇晃，握紧拳头，然后又松开。最初，所有新动作都能教给它一点东西，因此奖励来得很快。但不久之后，它就学完了所有的肢体动作。

接着，突然之间，在向前随机动作的过程中，机器人打翻了杯子。这件事使它获得了奖励，更重要的是，表明了这是获得知识的一种新渠道。这就是在海上航行数月的水手，刚刚发现了一只陆鸟。这就是首次听说珠峰的乔治•马洛里。这就是好奇心，不再是随机的，而是受到了指引。

那接下来呢？计算什么行为最有可能让它获得下一个奖励的概率算法决定了这一问题的答案。在这种情况下，算法会表示，由于在杯子所在区域移动手臂使它学会了新动作（还获得了奖励），所以比起完全无视杯子做些随机动作，或者对杯子做完全不同的事，在相同的区域做类似的事更有可能让机器人学会新的技能。为什么要关注杯子？因为它就在那儿。

最终，科佩拉的iCub机器人学会了抬起杯子、移动杯子，以及把杯子放在桌上的某个点上，而第三个正是科佩拉想让它完成的任务。但在很大程度上，它自学成为了扔杯机，是因为它被固定了在地上，面前还只有一张放着杯子的桌子。它并没有多少选择。

与之类似，基德的实验同样被用来追踪婴儿在某一时点获得的信息量——这使她能够控制新奇的程度，同时限制婴儿的选择。她说，用七到八个月的婴儿是因为他们能支撑起自己的头部重量，但还没开始学走路。对于一个正在学习走路的婴儿来说，没有什么能比走路更有趣了： “你可没法跟那比。”

预测，甚至控制好奇心能帮助我们更有效率地教学，更好地理解精神疾病，更持久地使人快乐；生活的趣味将会无穷无尽。但研究好奇心的困难程度也表现出了它的无尽性，要真正引导好奇心几乎是不可能的。现在，我们只有更多的问题需要回答。（编辑：Ent）