📈 economics

Information, entropy and the paradox of choice: A model for understanding human choice behavior

本文提出了一个基于相对熵和有效信息的定量框架，用以解释“选择悖论”，证明了满意度随选择集规模呈现倒U型曲线变化，因为适度的选项能使有效信息最大化，而过多的备选方案则会引发认知不确定性。

原作者： Mojtaba Madadi Asl, Kamal Hajian, Saeideh Ramezani Akbarabadi, Rouzbeh Torabi, Mehdi Sadeghi

发布于 2026-07-30

📖 1 分钟阅读☕ 轻松阅读

原作者： Mojtaba Madadi Asl, Kamal Hajian, Saeideh Ramezani Akbarabadi, Rouzbeh Torabi, Mehdi Sadeghi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

过多选择背后的科学

想象你正站在一座巨大的图书馆里。如果书架上只有一本书，你完全没有选择；如果有百本书，你可以挑选出自己最喜欢的那一本。但如果有一百万本书呢？突然间，庞大的选项数量可能会让你感到瘫痪、焦虑，或者仅仅是对最终选定的任何东西都不满意。这种感觉被称为“选择过载”或“选择悖论”，是心理学家和经济学家研究多年的一个现象。它表明，虽然拥有选项通常是好事，但拥有太多选项实际上可能会适得其反，让我们对自己的决定感到不满意。

为了理解为什么会发生这种情况，科学家经常研究两个核心概念：信息（information）与熵（entropy）。可以将“信息”理解为你对想要什么的清晰程度。当你明确知道自己热爱哪本书时，你就拥有高信息量。“熵”是一个描述混乱或困惑的专业术语。如果你完全摸不着头脑，且每本书看起来都一样，那么你的困惑度（熵）就达到了最大值。这篇由来自伊朗和土耳其机构的研究人员撰写的论文，试图在这些概念与我们的幸福感之间建立一座数学桥梁。他们提出了这样一个问题：我们能否衡量在选择时拥有的“心理清晰度”，以及这种清晰度是否能解释为什么我们在某些选择中感到快乐，而在另一些选择中感到糟糕？

论文的核心观点：选择的“黄金分割区”

研究人员提出了一种观察决策的新方法，使用了他们称之为**有效信息（effective information）**的概念。想象你的大脑是一个正在试图破解谜题的侦探。“有效信息”就是你的大脑为破解案件而成功收集到的有用线索的数量。如果你只有极少数嫌疑人（较小的选择集），找到真凶很容易，但你可能会担心错过了真正的坏人。如果你有数百万个嫌疑人（巨大的选择集），线索就会变得模糊，你的大脑会因为不堪重负而开始随机猜测。

论文指出，我们对选择的满意度取决于我们的偏好在完全混乱的状态中有多么突出。当你完全困惑时，每个选项感觉起来都同样可能（就像掷骰子一样），此时你的满意度很低。当你拥有强烈的偏好时，一个选项感觉比其他选项要明显得多，你的满意度就会很高。研究人员建立了一个计算机模型来测试这一点。他们模拟了一个人在从几个到几十个选项的集合中进行选择的过程。他们发现，随着选项数量的增加，一个人区分其最喜爱项的能力最终会撞上一堵墙。

主要发现： 研究证实，满意度遵循倒U型曲线。

较小的集合： 你拥有的选项很少，因此你可能会错过完美的匹配。满意度尚可，但并不完美。
中等的集合： 你有足够的选项来找到真正喜欢的东西，且你的大脑仍能处理这种比较。这就是满意度达到顶峰的“甜点区”（sweet spot）。
较大的集合： 选项太多了，以至于你的大脑感到疲劳。你开始把所有额外的选项视为同类（随机猜测），这降低了你的“有效信息”。你的满意度随之下降。

研究人员进行了一项现实世界的实验来证明这不仅仅是一个计算机游戏。他们要求 240 名学生观察陶瓷马克杯的照片。他们将学生分为六组，每组提供不同数量的马克杯供其选择：4、8、12、16、20 或 24 个。

结果与他们的理论完美契合。

当学生面对 4 个马克杯时，他们感到有些受限。
当他们面对 12 个马克杯时，他们是最快乐的。他们觉得找到了完美的杯子，同时又不会感到头疼。
当他们面对 24 个马克杯时，他们感到不知所措、困惑，并且对选择的满意度降低了，尽管他们拥有的选项更多。

数据显示，随着马克杯数量的增加，学生报告感到更加“不知所措”和“困惑”。他们的大脑基本上放弃了区分额外马克杯的过程，将它们全部视为概率相等的模糊整体。模型计算出，他们的“有效信息”（即选择的清晰度）在 12 个选项左右达到顶峰，然后开始下降。事实上，当研究人员用曲线拟合其模型的预测时，顶峰满意度对应的选项数为 13.39 个，这与学生实际报告最快乐时的 12 个选项极其接近。

这意味着什么（以及它不意味着什么）

这篇论文并不是声称已经解开了人类幸福感的终极奥秘。相反，它表明“选择悖论”之所以发生，是因为我们的大脑对同时处理的信息量存在限制。当我们超过这个限制时，我们就停止做出明智、知情的选择，转而做出随机的选择，这让我们感到不满意。

作者谨慎地指出，这是一个普遍规律。他们认为，“完美”的选择数量因人而异；这取决于你的智力水平、你拥有的时间以及物品的复杂程度。例如，如果你是一名资深的咖啡饮用者，你处理 20 种咖啡类型的能力可能比初学者要强。但从人群的平均水平来看，这项研究表明，并非越多越好。

研究人员还指出，他们的模型是一种简化。它假设当我们感到不知所措时，会将额外的选项视为完全相同的个体。在现实生活中，我们可能会使用一些技巧，比如忽略昂贵的款式，或者挑选照片拍得最好的那一个。但即便有了这些简化，该模型也成功重现了实验中学生所感受到的幸福感与困惑感的精确曲线。

因此，下次当你盯着一份有 50 种意面类型的菜单并感到压力时，请记住：这不仅仅是因为你个人的问题。你的大脑正在试图处理过多的信息，并且正在失去它用来获得幸福感所需的“有效信息”。有时候，一份较小的菜单并非一种限制，而是一份让你能尽情享受美食的礼物。

技术摘要：信息、熵与选择悖论

问题陈述
本文探讨了“选择悖论”或“选择过载”现象，即过多的备选方案非但不能增加效用，反而会导致决策满意度下降。虽然行为学证据一致表明，选择集规模与满意度之间存在倒 U 型关系（即满意度在中间数量的选择时达到顶峰，并随着选项增加而下降），但将信息处理与这种主观体验联系起来的定量框架仍不够完善。现有的模型通常依赖于收益与成本之间的定性权衡，缺乏一个严谨的信息论基础来解释满意度对集合规模的这种普遍的非单调依赖关系。

方法论
作者提出了一个基于信息论的理论框架，具体利用了香农熵（Shannon entropy）和相对熵（Kullback-Leibler 散度）。

理论模型：
- 偏好表示： 规模为 $N$ 的选择集中的个体偏好被建模为一个概率分布 $P = \{p_1, p_2, ..., p_N\}$ ，该分布是通过对主观评分进行 Softmax 函数处理得出的。
- 基准状态： 将“无差异”状态定义为所有选项等概率出现（ $p_i = 1/N$ ）的状态，这对应于最大香农熵（ $H_{max} = \log_2 N$ ）和最小满意度。
- 有效信息 ( $I$ )： 作者将选择满意度定义为有效信息，其量化方式为观测到的选择分布（ $P'$ ）与基准无差异分布（ $P$ ）之间的相对熵。数学表达式为 $I = H_{max} - H_{obs}$ ，其中 $H_{obs}$ 是个体偏好的观测熵。
- 最优集合规模 ( $m$ )： 模型引入了一个认知约束参数 $m$ $m$ ，代表个体能够有效评估的最大备选方案数量。
  - 当 $N \leq m$ 时：个体可以在选项之间进行区分，从而产生非均匀分布，使得 $H_{obs} < H_{max}$ 。随着 $N$ 的增加， $H_{max}$ 的增长速度快于 $H_{obs}$ ，导致 $I$ （满意度）上升。
  - 当 $N > m$ 时：认知限制阻碍了充分的评估。模型假设未处理的选项（ $s = N - m$ ）被分配了相等的概率（即遗漏的选择），这导致分布变得更加趋于均匀。因此， $H_{obs}$ 趋向于 $H_{max}$ ，导致 $I$ 下降。
- 模拟： 该模型使用 C++11 实现，用于模拟概率分布并计算不同集合规模（以及参数 $m$ 以及控制遗漏选择概率质量的参数 $a, b$ ）下的有效信息。
行为实验：
- 参与者： 240 名学生被分为六组（ $N=4, 8, 12, 16, 20, 24$ ）。
- 任务： 参与者对陶瓷马克杯（设计/颜色各异）进行 7 点李克特量表评分。
- 测量指标：
  - 调查 1： 评分被转化为选择概率，以计算模型输入。
  - 调查 2： 四个李克特量表项用于测量感知的丰裕度、不知所措感、困惑感以及选择满意度（具体为：“如果我要买一个马克杯，我会选择我的首选目标”）。
  - 分析： 使用统计比较方法（ANOVA、t 检验）对调查响应进行分析。将参与者评分转化为选择概率以计算模型输入。

核心贡献

满意度的定量指标： 本文引入了有效信息（相对于无差异基准的不确定性减少量）作为一种稳健的、定量的选择满意度指标。
机制解释： 它为倒 U 型关系提供了原则性的推导。模型证明了满意度的非单调性是因为它在信息的增益（随着 $H_{max}$ 增加而增加的更多选项）与认知的成本（由于遗漏选择导致 $H_{obs}$ 向 $H_{max}$ 靠拢而增加的认知负担）之间取得了平衡。
实证验证： 研究通过行为数据验证了该理论框架，表明源自参与者评分的有效信息与观察到的主观满意度呈现出高度一致的倒 U 型模式。

结果

实验发现：
- 感知的丰裕度、不知所措感和困惑感随选择集规模呈单调递增。
- 选择满意度对集合规模表现出显著的倒 U 型依赖关系（ $F(5, 234) = 7.13, p < 0.001$ ）。 $N=12$ 时的满意度显著高于 $N=4$ 和 $N=24$ 。
模型表现：
- 模型成功重现了倒 U 型曲线。
- 对模型有效信息预测值的二次拟合显示决定系数 $R^2 = 0.947$ 。
- 模型预测的峰值满意度出现在 $N^* \approx 13.39$ ，这与实验观察到的峰值 $N=12$ 非常接近。
- 分析确认，选择概率的结构（特别是由于认知限制导致的大规模集合中趋向于均匀分布的倾向）是决定满意度曲线的关键因素。

意义与主张
本文声称通过将主观满意度直接与偏好的信息结构联系起来，为选择悖论提供了一个“原则性的理论解释”。

理论价值： 它超越了定性的权衡模型，提供了一个数学框架，在该框架下，满意度被定义为从无差异状态中区分选项的能力。
普适性： 该框架被呈现为一种通用的机制，适用于各种领域（从消费品到人生抉择），表明倒 U 型关系是源于异质性认知约束的群体水平倾向。
实践意义： 作者指出，研究结果意味着决策环境的优化不应是通过最大化多样性，而是通过构建信息，使其便于在个体的处理能力范围内进行有效比较。
局限性说明： 作者明确承认了局限性，指出模型将最优集合规模（ $m$ ）视为一个固定参数而非动态生成的参数，假设了简化的替代方案表示（忽略了多维属性），并且目前尚未区分物理环境与在线环境。他们将该模型定位为一个理解具有丰富备选方案环境下的决策行为的简约起点。

过多选择背后的科学

论文的核心观点：选择的“黄金分割区”

这意味着什么（以及它不意味着什么）

类似论文