從大腦預測政治立場

政治，不只是社會選擇，而是大腦神經網路的運算結果

過去我們普遍認為，政治立場深受家庭背景、社會環境與教育程度的影響。然而，一項在 2022 年發表於《PNAS Nexus》的科學研究，提出一個更具顛覆性的觀點：我們的政治傾向，可能早已在大腦區間留下了線索。

來自俄亥俄州立大學（Ohio State University）、紐約大學（New York University）與匹茲堡大學（University of Pittsburgh）的研究團隊，透過功能性磁振造影（Functional Magnetic Resonance Imaging，fMRI），分析 174 名受試者在執行八種認知任務時以及在靜息狀態下的大腦活動。

研究團隊進一步使用一種名為 BrainNetCNN 的 AI 人工智慧模型，並搭配機器學習（Machine Learning）方法，根據不同腦區之間的「功能性連結」（Functional Connectivity，FC），預測個體的政治傾向，並獲得幾項具有指標意義的關鍵發現：

1. 在進行與「同理心」和「獎勵」認知任務時，大腦展現出的神經反應模式最能明顯地對應特定的意識形態。
2. 大腦對「獎勵」與「風險」的處理方式，是預測政治極端主義（非常保守或非常自由）的關鍵，而同理心任務則更與溫和立場相關。
3. 腦部掃描的預測準確度與政治學界公認最強的指標「父母政治立場」不相上下；而當研究者將大腦資料與人口統計（年齡、性別、收入、教育）結合後，綜合模型呈現最高的預測能力，比傳統政治學最強指標「父母政治立場」還高出約 10%。
4. 即便受試者放空、不思考政治，大腦固有的結構特徵仍能揭示其立場。

政治科學的生物面向

在過去的幾十年間，政治學研究主要透過社會化理論來解釋政治行為。你投給誰，通常取決於你的父母支持誰、你住在哪裡，以及你接受了什麼樣的教育。但隨著神經科學的進步，科學家開始追問：如果政治是一種認知過程，那麼大腦的神經結構是否扮演了決定性的角色？

早期的研究傾向於在大腦中尋找一個特定的「政治區」，例如杏仁核（Amygdala）與保守派的關聯。然而，這次發表的論文將研究層次提升到了「全腦網絡」的層級。科學家不再只是尋找「單一的政治腦區」，而是分析大腦各區域之間如何像交響樂團一樣協作，也就是「功能性連結」的核心概念。

實驗設計

研究團隊招募了 174 位受試者，先透過問卷了解他們的政治立場，再讓他們在執行 8 種不同的認知任務時接受 fMRI 掃描，並比較兩者的數據。為確保實驗結果不受影響，這些認知任務完全不涉及政治問題。除了任務狀態，研究者也收集了大腦在靜息狀態（Resting State）的掃描數據。這是為了探討：政治意識形態究竟是大腦受到刺激時的即時反應，還是它早已潛藏在大腦的基礎運作模式中？

初步研究發現

研究結果顯示，基於「反應（Affect）」、「提取（Retrieval）」、「同理心（Empathy）」與「獎勵（Reward）」等功能性連結（FC）所建立之模型，均展現穩定且具相當程度的預測能力。基於研究樣本數，這些模型的預測表現與基於「父母政治立場」之指標相比，並無顯著差異。這顯示功能性連結模型在預測表現上，最少能達成與重要指標相符的準確度，並進一步提供政治意識形態與大腦功能連結之間可能存在關聯的實證支持。

所有任務中，「同理心」是唯一與代表溫和派的中間政治立場有顯著關聯，符合其他先前的研究發現。政治思考有很大程度上是建立在「社會情緒處理」之上的。這意味著溫和派的大腦可能在調和不同社會訊息、處理人際同理心時，更能展現出一種比較平衡的神經網路協作。

論文中最令人驚豔的發現之一，是大腦處理「獎勵」與「風險」的方式。研究指出，當受試者參與「金錢獎勵延遲」的任務時，FC 模型能有效地辨識出政治立場處於極端（極度自由左派或極度保守右派）的人。

相較於同理心與溫和派之間 0.342 的相關係數（Correlation Coefficient），獎勵與極端派的相關係數則高達 0.750。這意味著，如果你在政治上展現出強烈的偏好，這可能反映出你的大腦在面對潛在收益或風險時，有著不同於常人的敏感度或神經路徑。這項發現挑戰了我們對政治極端主義的理解。極端立場可能不只是心理上的固執或是價值觀差異，而是生理上對獎勵回饋的一種特定反應模式。

跨領域的 AI 運用

這項研究之所以能處理如此龐大且複雜的神經數據，關鍵在於研究人員導入了名為 BrainNetCNN 的 AI 人工智慧。BrainNetCNN 是一種專門用來分析「大腦連結網絡」的神經網路模型。它不像一般 AI 只看影像或單一區域，而是學習整個大腦各區域之間如何彼此互動，並從這些連結模式中找出與行為或態度相關的訊號。

受試者於實驗開始前回答一系列的問卷問題，包括年齡、性別、個人教育程度與收入、父母教育程度與收入、父母政治保守程度、其成長城市與現居城市的保守傾向等。除了年齡與性別之外，其餘問題皆採用六點李克特量表（Likert scale）作答。研究團隊將這些變數（Covariates）用來建立政治意識形態的基準（Benchmark）預測模型，以評估功能性連結（FC）在預測政治立場上的效用。

接著，研究人員將大腦掃描圖切成 268 個區域，得到一個  268 x 268 的對稱矩陣（Symmetric Matrix），並訓練 AI 模型將數萬個腦區建置成 FC 模型，再使用「曲線下面積（Area Under the Curve，AUC) 」的量化方式，將 FC 模型與基準模型進行比對。

在機器學習和數據分析領域中，「曲線下面積（Area Under the Curve，AUC) 」是一種用來衡量二元分類模型（Binary Classifier）預測效能的常用指標，數值介於 0 到 1 之間。高於 0.5 代表模型具有預測價值，比隨機預測好；低於則代表比隨機預測差，趨近零則可作為反指標。

研究發現，僅使用大腦掃描所建立的功能性連結（FC）模型，其 AUC 的平均值約為 0.625 至 0.674，與傳統「父母政治立場」的基準預測模型的 0.726 相差不大。而當研究團隊進一步將 FC 模型的腦部數與受試者的年齡、性別、收入等統計數據結合後，所建立的「綜合模型」AUC 則提升至 0.835。這顯示 FC 模型的大腦數據能提供傳統人口統計以外獨特的預測資訊。

極端政治立場不一定源自天生的劣根性

這份論文引發了一個深刻的科學辯論：究竟是我們的大腦決定了政治立場，還是政治立場重塑了大腦？

巧妙的是，研究團隊發現，大腦在「靜息狀態」下的功能連結也能用來預測政治立場。即使你什麼都不做，大腦也仍在表態。這支持著大腦基礎結構可能決定了我們傾向哪種價值觀的假說。

然而，研究團隊也強調，由於樣本偏向 18 至 40 歲的年齡群，且具有極端政治立場的受測樣本不足，因此目前的發現無法武斷地證明天生的大腦結構能形成後天的政治立場。團隊指出，長期的政治參與、社會環境的浸淫，也可能透過神經可塑性，在多年後改變了大腦的功能連結模式。目前的研究雖然證實了兩者之間有高度的連結性，但要解開因果關係的謎團，仍需要更長期的追蹤研究。

極端化社會的神經基礎

面臨當今日益嚴重的政治極端化，這項研究在傳統的社會科學面向外，提供了一個冷靜的生物科學視角。如果一個人的政治傾向與他大腦處理獎勵、同理心等的基本方式有關，那麼僅僅透過事實或邏輯的爭論來試圖「說服」對方，其效果必然有限。

這項研究最重要的啟示或許不是「政治可被預測」，而是理解意識形態的生物基礎，或許能讓我們更謙卑地面對彼此可能來自「天生」的差異。承認對方的觀點可能源自深層的神經運作，有助於我們從「對錯之爭」轉向「多元認知」。

這份發表在《PNAS Nexus》的原始研究，無疑是理解人類社會行為的一個里程碑。它告訴我們，當我們投下手中那一票時，不只是我們的價值觀在作戰，更是我們大腦中數十億個神經連結多年來累積與運作的成果。大腦不僅是我們思考的工具，更是我們政治靈魂的生理載體。