为什么动脑子这么难？因为大脑看不到回报

你有没有发现，大脑特别抗拒深度思考？宁愿刷手机也不愿思考难题，宁愿疼痛也不愿做复杂的记忆任务。这不是你懒，而是大脑的本能。最新研究揭示：当大脑看不到回报，就不想努力。这也解释了为什么有些学习让你痛苦，有些却能让你进入心流。 详细解析，请看下文～

20 世纪 30 年代，心理学家 R. H. Waters 将一个早已确立的观点，即生物会想尽办法省力，直接应用到学习研究中。他的发现很有趣：学生会本能地选择最省脑力的路径。更有意思的是，即使明知更费脑的方法能带来更深刻的理解，他们仍然会选择省力的那条路。

在那个时代，心理学被行为主义主导，教育界满是毅力和纪律的道德说教。Waters 的观点因此显得格外刺耳。努力被视为美德，而非可研究的变量。

Waters 认为学习者会主动减少认知努力，不是因为懒惰，而是一种基本的认知策略。这个观点既不合常规，又超前于时代。你看，好的科学研究，总能揭示人性中那些反直觉的真相。

那个时期的研究，包括 Waters 1937 年的论文，显示迷宫实验中的动物经常避开物理距离最短的路线,转而选择最简单、最可预测、认知负担最轻的路径。这些动物偏好那些能减少不确定性、决策点和出错风险的路线，即使这意味着要走更远的路。

这个区分很重要：「最省力」不只是节省体力，而是最小化认知复杂性。从这个角度看，Waters 的主张不再是行为主义时代的怪论，而是现代认知科学的早期预言。现代认知科学用「认知负荷」「深度思考」「控制成本」等概念，把这个原理系统化了。这种跨越时代的对应，正是科学史最迷人的地方。

人们普遍厌恶努力

为什么思考感觉如此艰难？我在这里所说的「思考」，并非指白日做梦，而是指专注于复杂的事情或需要控制的认知：那种深思熟虑、缓慢而费力的脑力劳动，需要你记住信息、更新信息、排除干扰、进行比较，并始终关注重要的事情。不知何故，我们的大脑就是不想做这些。事实上，它宁愿去做任何其他事情。考虑到思考的显而易见的益处，这在我看来是一种奇怪的进化适应。

在沃特斯提出这一论断近一个世纪后，现代神经科学仍在努力理解「努力最小化」这一概念，如今人们不再将其视为一种行为怪癖，而是将其视为大脑的基本组织原则。

心理学家在研究努力程度时，经常会用到 N-back 任务。这是一种看似简单的工作记忆测试，屏幕上会逐个出现字母，你需要判断当前字母是否与N 步前出现的字母匹配。1-back 任务要求你与前一个字母进行比较；3-back 任务则要求你不断地处理和更新三个字母。随着 N 的增加，认知负荷也会急剧上升。

让人在 1-back 和 3-back 之间做选择，他们几乎总是会选择更简单的。即使增加赌注，提供金钱奖励，他们仍然会避免更难的选项。如果用轻微的身体疼痛代替难度极高的 N-back，许多人会选择承受疼痛。这并非不理性，而是符合逻辑、可预测且由来已久的。

但问题在于：为什么努力会让人感觉代价高昂？许多模型只是简单地假设努力是有代价的，但很少有模型解释这种代价的来源。

认知努力成本的三种理论

事实证明，这不是性格缺陷，也不是动机问题。Otto、Westbrook 和 Daunizeau 的一篇新论文，对为什么脑力劳动让人感到代价高昂、为什么即使我们知道困难任务对我们有益，大脑仍会抵制它们，给出了迄今为止最清晰的解释。

作者梳理了三种不同的理论解释，每种都源自不同的科学传统，在不同的分析层次上提供解释。这些框架呼应了认知科学中长期存在的争论：诺贝尔奖得主 Kahneman 关于注意力和努力的奠基性工作、受控加工与自动加工的区分，以及计算神经科学家 Marr 提出的计算、算法和实现三层次的解释框架。每种理论都揭示了其他理论忽略的认知努力方面。

这种多层次的理论整合，正是认知科学研究的魅力所在。它不满足于单一解释，而是试图从不同角度逼近真相。

理论一：认知瓶颈与机会成本

核心观点：受控思考依赖有限资源，用在一处就无法用在别处。

第一种解释将努力成本定位于认知控制的架构约束上。受控思考依赖于有限的共享资源。当你将这种资源分配给一项任务时，你就无法将它用于其他任何事情。这产生了机会成本：你本可以用这些相同的处理资源做其他事情产生价值。

这一视角与 Kurzban 的机会成本模型以及当代关于认知疲劳的解释相呼应。大脑会持续估计它用有限的注意力容量还能完成什么。随着任务需求增加，例如从 1-back 工作记忆任务转移到 3-back，更多的瓶颈资源被占用。机会成本加剧，努力的主观体验也随之加剧。

这种解释回答了几个熟悉的问题:

为什么多任务处理的表现如此糟糕?

为什么持续维持信息感觉特别费力?

为什么工作记忆和认知控制表现出如此严重的容量限制?

瓶颈观点提供了一些答案。它还与心智带宽理论相联系，表明稀缺性本身会放大努力的主观成本。这让我想起穆来纳森在《稀缺》一书中的洞察：稀缺不仅仅是资源不足，它还会改变我们的认知方式。

然而，这种解释面临挑战。仅凭机会成本难以解释类似任务中主观努力的细微差异。如果替代活动的价值保持不变，为什么 2-back 会比 1-back 感觉费力得多?答案可能在于单位时间内瓶颈的密度，更高的负荷水平在每次试验中施加更密集的资源需求。但这需要关于机会成本如何累积的额外假设。

理论二：信息论与信念更新的成本

核心观点：每次改变想法都要消耗能量，改变越大，消耗越多。

第二个框架植根于计算神经科学，将努力成本解释为更新内部表征的信息成本。每次你从对下一个刺激的不确定性过渡到识别出刺激是某个特定字眼时,你都会产生能量成本。换句话说，每一次解决不确定性的行为都会带来代谢代价。你预期的内容与你学到的内容之间的差距越大，代价就越高。

这一逻辑源自信息论。在信息论中，推理的成本可以通过一种叫做 Kullback-Leibler 散度(简称 KL 散度)的数学工具来量化，它衡量先验和后验信念分布之间的差异。简单来说：更大的认知更新，那些减少更大不确定性的更新，需要更多能量。

用一句话概括：努力，就是不断精准调整认知的感觉。

这种解释自然地与预测加工(也称预测编码)框架相联系，后者将大脑描述为一台不断努力最小化惊奇的预测机器。它还与能量高效神经编码的原理以及关于学习和记忆的代谢成本的发现相联系。正如动物的长期记忆形成会产生可测量的代谢需求一样，在复杂认知任务期间持续更新信念的工作也是如此。

在 N-back 范式中，信息成本随负荷而增加。更高的 N 水平需要追踪更多项目、解决更大的不确定性，并在每次试验中执行更多更新。刺激前和刺激后大脑状态之间的差异随 N 增长，产生相应更大的主观努力成本。

这个框架提供了一种优雅的统一：它将主观努力建立在深层计算原理上，同时与已知的神经代谢生物学约束相联系。然而，它仍然有些抽象。它指定了努力成本的形式结构，但没有完全解释信念更新的生物学实现本身如何促成努力体验。这正是理论研究的常见困境：越是精确，越是抽象；越是具体，越难普适。

理论三：网络控制理论与到达不稳定状态的能量

核心观点：有些大脑状态天生难以到达和维持，需要消耗大量控制能量。

第三种解释提供了最直接的生物学解释。它将大脑视为一个动力系统，其状态，即任何给定时刻跨区域的活动模式，随时间演化。

有些状态很容易到达，因为它们与大脑的内在动力学一致，这些对应自动过程。其他状态难以到达，因为它们不稳定或短暂，需要大量控制能量来获得和维持，这些对应受控过程。

网络控制理论源自工程学，提供了正式工具来预测在给定结构架构的情况下，将系统引导到目标状态所需的能量。不同的大脑区域表现出不同程度的可控性。前额叶皮层由于其独特的连接特征，表现出高「模态可控性」(modal controllability，即能够灵活地将大脑推向不同状态的能力)。它处于理想位置，可以将大脑移动到难以到达的状态，尽管代价是相当大的能量成本。

从这个角度来看，依赖前额叶皮层的受控过程对应本质上难以获得和维持的目标大脑状态。工作记忆表征往往随时间失去稳定性，就是这类状态的例证。成功完成 2-back 任务需要维持比 1-back 任务更多的不稳定状态，因此需要更大的控制能量。努力的主观体验直接映射到这种能量消耗上。

这种解释与早期关于自动化的工作相联系。一旦技能变得自动化，它就有效地移动到大脑状态空间中更容易到达的区域。它不再需要主动控制能量来维持。在此之前，控制系统必须持续消耗能量来对抗系统的自然动力学。「深度思考消耗燃料」这一熟悉的观察，在这个框架中获得了基于神经网络物理学的精确计算解释。

这种解释的独特之处在于其特异性。它不仅仅断言努力是有代价的，它解释了为什么某些认知操作比其他操作需要更多能量，这是大脑结构组织的结果。大脑连接的拓扑结构限制了哪些状态可以有效到达。主观努力反映了穿越这一景观的能量代价。这让我想起复杂系统理论中的一个基本洞察：结构决定功能，约束塑造可能性。

三种理论的共同结论

每种理论都解释了思考为何困难的一部分。它们共同汇聚于一个核心原则：

认知努力成本很高，因为受控思维需要转换、更新和稳定大脑状态，而这些过程耗费能量、机会成本高昂且计算量大。

这与「努力悖论」的理论不谋而合：我们既避免努力，又重视努力，这种矛盾在认知科学和教育心理学中均有体现。这也解释了为什么学生往往更倾向于程序性流畅性而非概念性理解：前者需要奋力向上攀登，而后者则如同顺风顺水。

理解这一点有助于我们设计出符合大脑结构而非与之对抗的教学方法。这正是认知科学对教育实践的最大贡献：它让我们理解人性的约束，从而在约束中寻找可能性。

当大脑看不到收获时，努力就会很费劲

这篇论文最打动我的洞察是：主观努力程度或许与其说是与消耗的能量多少相关，不如说是与感知到的这种能量消耗在实现认知目标方面的低效性相关。

换句话说，努力之所以感觉代价高昂，并非仅仅因为大脑在努力运转，而是因为大脑无法感知这种运转是否产生了结果。即使我们明明知道付出努力是值得的，我们却会自相矛盾地认为它实际上并不值得付出努力。

这有助于解释长期以来困扰努力研究的一个难题：为什么有些高难度任务感觉毫不费力，而另一些却感觉异常艰难？答案可能在于作者所称的「控制球」，即大脑状态空间中难以触及的状态区域。

当一项任务需要大脑持续地在这个区域内移动时，大脑的自我监控系统难以检测到进展。随着任务难度的增加，元认知敏感性会降低，从而降低能量投入的感知效率。因此，在 3-back 任务中，分配处理资源的效果不如在 1-back 任务中那么明显，即使绝对能量差异不大，3-back 任务在主观上也会感觉更加费力。

相比之下，心流状态之所以让人感觉毫不费力，并非因为其本身容易，而是因为进步是可感知的。正如齐克森米哈里所观察到的，当挑战与技能相匹配且进步可察觉时，心流便会产生。

网络控制理论对此给出了精确的解释：心流状态涉及大脑在易于达到的状态间的转换，在这些状态下，自我监控系统可以追踪进展，从而补偿能量消耗并提升感知到的认知效率。大脑每投入单位能量，就能获得明显的提升。

所有这些都对学习和教学设计有着深远的影响。设计糟糕的任务会让学生感到努力付诸东流，因为他们耗费精力却看不到任何进展；他们如同在控制圈中摸索，没有任何明显的参照物。

相反，精心设计的任务则会让学生感到付出是值得的，因为每一次努力都能带来可感知的进步。这不仅仅是让任务变得更容易，而是要合理安排任务结构，使学习者的进步清晰可见。当学生能够监控自身的进步，当他们能够感受到认知投入的回报时，即使客观要求依然很高，主观上的付出成本也会降低。

认知超载关乎架构，而非态度

所有这些都重塑了人们对懒惰的认知。教师通常将学生的学习困难解读为动机问题：学生不够努力、参与度不够、缺乏韧性，但最近的证据表明，真正的问题在于学习结构。

然而，这项研究表明，认知努力的主观成本可能源于以下几个方面：必须持续维护的不稳定表征、信念反复修正带来的大量更新需求、相互竞争的认知过程之间的高度干扰，以及瓶颈控制资源的饱和。当这些因素同时出现时，无论动机如何，任务都会让人感到异常艰难。

认知负荷理论在此很有帮助，因为它强调了教学设计不当会导致这种情况。当任务要素之间相互作用频繁时，学生需要同时记住多个相互依存的信息，从而增加内在负荷。

而那些与学习没有直接关联的认知工作，则会削弱学习的成就感，并加剧主观成本。减少这些负荷来源，任务的吸引力几乎会立即降低，这并非因为学生的学习动机增强，而是因为任务本身的难度降低了。

好消息是，如果努力成本是架构性的，那么它也是可控的：我们可以采取一些措施。我们无法改变学生的认知架构，但我们可以改变我们对它的要求。

精心设计的课程和教学可以通过合理的顺序安排来减少干扰，通过实例讲解和支架式教学来稳定认知表征，通过以易于理解的方式引入新信息来应对更新需求，并通过消除无关信息来避免控制资源的饱和。

这使得责任的重心从学生品格转移到教学质量。当学生觉得某项任务难以承受时，首先应该考虑的不是他们的动机，而是任务本身的设计。

我们是否要求他们同时记住太多信息？是否引入了不必要的干扰因素？我们是否提供了适当的辅助，以减少他们必须维持的认知表征的不稳定性？这些问题我们可以通过改进教学设计来解答，也可以通过改进教学设计来解决。

本文来自微信公众号“开智学堂”（ID：openmindclub），作者：Carl Hendrick，36氪经授权发布。