即使在这些远离社会的日子里，我们也始终牢记与他人的关系图：家人，朋友，同事以及他们之间的关系。加利福尼亚大学戴维斯分校的脑与脑研究中心的最新研究表明，我们将这种社交地图放在一起的方式与组装物理位置和事物地图的方式几乎相同。

加州大学戴维斯分校心理与心理研究中心助理教授埃里·博尔曼(Erie Boorman)表示：“当我们学习导航现实世界时，我们并不会从看到整个地图开始。”“我们对世界进行采样并对其进行重建。”这项工作发表在7月22日的《神经元》杂志上。

研究表明，动物通过大脑中外部世界的表征来导航。不管是迷宫中的老鼠还是新城市中的人们，他们都会先将内部地图拼成碎片，然后将它们缝合在一起。该作品因约翰·奥基夫(John O'Keefe)，May-Britt Moser和爱德华·莫塞特(Edvard Moset)在2014年获得了诺贝尔生理学或医学奖。

Boorman和UC Davis的同事Seongmin Park，Douglas Miller和Charan Ranganath以及牛津大学的Hamed Nili都想知道我们的大脑是否以同样的方式代表了抽象的关系，例如社交网络。

为了找出答案，他们向志愿者提供了有关两组人的信息，这些人是根据感知的相对能力和受欢迎程度进行排名的。志愿者只被告知一次在一个级别上有所不同的一对人之间在一个维度上的关系：例如，爱丽丝比鲍勃更受欢迎，但鲍勃比查尔斯更胜任。

真正的社会等级制度可以映射为由能力和知名度的维度定义的二维网格，但这并未向志愿者展示。他们只能通过一次在一个维度上整合成对的个体之间零散的学习关系来推断它。

他们还了解了小组之间少数人的相对等级。

组装地图

后来，他们被问到网格中新人们对之间的关​​系，而研究人员使用功能磁共振成像来测量大脑活动。在没有提示的情况下，仅基于成对比较，志愿者将信息组织成大脑中的二维网格。该二维图存在于三个大脑区域，分别是海马，内嗅皮层和腹膜前额叶皮层/眼眶额叶皮层。

基于两组之间有限的比较，他们还可以推广到其余组。例如，如果第1组的辛西娅比第2组的David受欢迎，则与第1组相比，第2组的其他成员的排名受到影响。

Boorman说，没有告诉志愿者以这种方式考虑数据。仅通过成对比较，他们就可以推断出整个集合的其余层次结构。

帕克说：“如果您知道两个社交网络之间的相互关系，您可以在不经历直接体验之前就对两个人在不同社交网络中的关系做出很好的推断。

该研究指出了我们根据过去的经验做出决策的基本原则。无论是记住物理世界中的路线，还是了解一组朋友和熟人，我们都从一个模板(例如2-D拓扑和一些地标)开始，并在它们周围添加新数据。

帕克说：“我们的研究结果表明，我们的大脑以结构形式(如地图)来组织从单独的经验中学到的知识，从而使我们能够利用过去的经验做出新的决定。”

这使我们能够根据过去的经验迅速适应新情况。这可能有助于解释人类在概括从一项任务到另一项任务的经验方面的非凡灵活性，这是人工智能研究中的关键挑战。