H人类有吃东西的欲望。我们要去喝酒。我们有繁殖的动力。卡内基梅隆大学(Carnegie Mellon University)经济学和心理学教授乔治•洛文斯坦(George Loewenstein)表示，好奇心也不例外。我们永不满足的学习动力——不断地发明、探索和研究——“应该和其他动力一样享有同样的地位。”
然而，好奇心的奇妙之处在于，它似乎与任何特定的奖励无关。Loewenstein曾经写道:“好奇心带来的理论难题是，为什么人们会如此强烈地被那些没有任何外在利益的信息所吸引。”对生物体来说，寻找食物、水、性、住所、休息、财富或其他生命中无数滋养和愉快的事物是有意义的。但是，推导引力的本质或者去月球有什么好处呢?
一个简单的答案是，我们永远不知道今天学到的东西明天是否会派上用场。以蠕虫为例。他们是无可救药的乐观主义者，加州索尔克生物科学研究所的神经生物学家斯里坎斯·查拉萨尼说。他研究秀丽隐杆线虫，一种常见的毫米长的蛔虫。在实验过程中，他会把一只蠕虫放在一大片细菌(它最喜欢的食物)上，周围有很多潜在的伴侣。“它会做什么?它会离开那个补丁，去寻找更多的东西，”他说。“没有证据表明外面有更好的东西。这是你能给它的最好的食物。这是疯狂!”
不管你是简单地放弃你的食物区，还是飞向太空，探索看起来确实有点疯狂——当然，除非你永远不知道食物是否会耗尽。Chalasani说，从进化的角度来看，有很好的理由继续寻找。信息帮助我们做出更好的选择，并适应不断变化的环境。也许有一天我们会需要一个月球基地。
好奇心不是关于你不知道什么，而是关于你已经做了什么。
然而，好奇心不仅仅是一种旅行欲望。我们对特定的事物感到好奇，不同的人对不同的特定事物感兴趣。有些人是业余爱好者，是神秘的探索者，有些人是万事通。这种兴趣的分歧告诉我们，一定有某种超越漫游倾向的东西在引导着我们各自独特的痴迷。
事实上，研究好奇心机制的科学家发现，好奇心的核心是一种概率算法——我们的大脑不断地计算哪条路径或行为可能在最短的时间内获得最多的知识。就像维基百科页面上的链接一样，好奇心是建立在自身基础上的，每个问题都会引出下一个问题。就像在维基百科的虫洞中旅行一样，你从哪里开始就决定了你可能会在哪里结束。好奇心的有趣之处在于:它更多的是你已经做了什么，而不是你不知道什么。
我用最基本的术语来说，你可以把好奇心描述为动机加上方向的函数。第一部分并不像看起来那么明显。口渴、饥饿、性欲——我们的其他欲望都有明确的动机。但是，是什么激发了人们的好奇心呢?
19世纪德国哲学家亚瑟·叔本华(Arthur Schopenhauer)认为，生命的主要任务是“生存下去”，紧随其后的是“避开无聊，无聊就像一只猛禽，盘旋在我们头顶，一旦看到生命不再需要，它就会坠落。”满足就是无聊，好奇就是我们出去的门票。人类学家拉尔夫·林顿(Ralph Linton)走得更远。他在1936年写道:“人类感到无聊的能力，而不是人类的社会或自然需求，似乎是人类文化进步的根源。”换句话说，人类已经积累了无法衡量的知识——语言、泰姬陵、温暖毯——因为我们厌恶单调。
但仅仅是无聊还不能完全解释好奇心。Loewenstein说:“古老的观点认为，好奇心和厌倦是同一个连续体的两端。”新的观点是:无聊不是好奇，饥饿是饱，渴是消。相反，无聊是“来自大脑的一个信号，表明你没有好好利用大脑的某个部分”，就像你坐得太久的一只脚的刺痛感一样。无聊提醒我们需要锻炼我们的思维，但除了好奇，还有解无聊的药，比如食物或性。更重要的是，好奇心会在我们不无聊的时候产生。事实上，为了学习新的东西，我们很容易放弃我们想要或喜欢的东西。
当实验对象对答案有一个很好的猜测，但不太确定的时候，好奇心达到了顶峰。
就像Chalasani的蠕虫离开它们完美的食物，人类和其他灵长类动物会不断地用奖励换取信息。为了衡量这种倾向，研究人员使用了“强盗任务”——一种参考老虎机(“独臂强盗”)的方法——让实验对象必须在几个图像或其他选项中反复选择。不同的选项有不同的奖励概率(通常是钱)，随着时间的推移，受试者会知道哪些选项最有可能奖励他们，并会持续地选择那些选项。但当一个新选项出现时，受试者通常会选择那个选项，放弃一个可能的奖励，希望这个新选项能带来更好的回报。
大脑研究表明，这种“新奇的奖励”——我们给予新选择的额外权重——至少部分源于它给我们带来的愉悦感。例如,2007年的一项研究发现，就像巴甫洛夫的狗看到铃声就流口水一样，当我们期待发现新东西时，大脑中处理爱和糖果等奖励的部分就会激活，即使这种期待没有实现。研究人员总结说，这些发现“提高了新鲜感本身被处理成类似于奖励的可能性。”
所以我上维基百科也许是真的，就像叔本华说的，为了“避免无聊”。但我在那儿待未来三小时阅读蒙古入侵日本的部分原因是,在潜意识里,我就像多巴胺匆忙从点击连接同一匆忙开车我祖先在澳大利亚和北极圈,发明了陶器,雕刻Willendorf的金星。
但为什么要跟着蒙古人深入兔子洞呢?为什么不研究一下威拉德乌黑的头发，或者维基百科的“随机文章”按钮扔给我的其他理论上有趣的话题呢?为什么好奇心在召唤我们这的方式,而不是那？
我n1994年的一篇论文勒文施泰因的理论认为，好奇心的方向是由“信息缺口”决定的，即你突然意识到自己不知道什么，并立即渴望填补这一缺口。这种可感知的差距可以存在于物质世界(这个奇怪的虫子是什么?)或者精神世界(什么是爱?)他的理论很好地用语言解释了为什么Upworthy的标题如此令人无法抗拒(该死，什么是22倍的原因，我可能已经海牛范？），为什么好奇心被视为既是优势也是劣势（你知道海牛乳头位于腋窝？）。
然而，信息鸿沟不能太大(标题是用葡萄牙语写的)，也不能太小(一个事实是，海牛住在佛罗里达州)。在2009年的一项研究中，一组研究人员(包括勒文施泰因)将受试者置于功能磁共振成象机中，然后问他们一系列琐碎的问题:什么乐器是被发明出来听起来像人类唱歌的?地球所在的星系叫什么名字?1对于每个问题，受试者估计他们对答案的自信程度。研究人员还要求受试者评价他们对这个问题的好奇程度，并监测他们大脑的奖励中心被激活的程度——这是另一种测量好奇心的方法。
正如预期的那样，受试者对他们认为自己知道的答案最不好奇。但他们也对自己毫无头绪的问题不感兴趣。相反，当实验对象对答案有一个很好的猜测，但不太确定的时候，好奇心达到了顶峰。好奇心的最佳兴奋点似乎是一个金发姑娘式的信息水平——不多也不少。
蔚基德，在罗切斯特大学的神经学家说，婴儿，也有利于新的但不太新的东西。在2012年的一项研究，她和她的同事让7到8个月大的婴儿坐在屏幕前，屏幕上显示三个有图案的盒子，每个盒子里都有一个物体，比如饼干、勺子或一辆汽车。这些物品以特定的模式出现在盒子里，“就像打地鼠一样”。通过更频繁地呈现某些模式，基德可以让某些序列看起来更罕见，从而更令人惊讶。
当婴儿看着屏幕时，一个眼球追踪设备也在观察他们。他们的目光显示出一种明显的偏好:有些令人惊讶但并非完全新颖的模式吸引了他们的注意力;与他们之前看到的图案要么非常相似，要么非常不同，结果就不一样了。(每当婴儿看向别处时，屏幕就会重置为婴儿笑的图像。“我不知道你是否知道，但婴儿喜欢看其他婴儿的照片，”基德说。我没有。好奇。)
基德说，我们的大脑本能地寻找“恰到好处”程度的新奇事物的方式有点像去书店。“你不会想要选择一本儿童读物，或者一本你以前读过很多的书。”另一方面，如果你选择一本你根本看不懂的书，比如一本俄罗斯的天体物理学教科书，你就遇到了类似的问题。“这不会很有趣。”为了学习，你必须抓住一些东西:下一个把手不能离上一个太远——你可能永远都到不了。所以当你的大脑促使你尽可能快地收集信息时，它会本能地引导你避开那些太小或太大的间隙。
机器人是检验这种计算如何工作的良好容器。但由于机器人缺乏动力(好奇心的主要成分)，首先你得给它一些动力。德国波鸿鲁尔大学(Ruhr University Bochum)研究人工智能的博士后Varun Kompella说，要做到这一点，只需给机器人编程，让它去寻求奖励。奖励是什么并不重要(即使是数字也可以)，只要机器人知道奖励存在，并希望获得奖励。同样，它也不知道如何为了获得奖励。就像人类在学习新东西时会产生多巴胺一样，即使这看起来毫无用处，机器人的动力系统也会让学习成为一种奖励。
Kompella和一个iCub一起工作，iCub是一个开源的类人机器人，有奶油色的皮肤、银色的关节、头、眼睛、手臂、手指，甚至有乳头，但没有头发和腿。在他发给我的一段视频中，iCub直接连接到桌子后面的地板。在桌子的中央是一个塑料杯。机器人开始前后摇晃，时而握紧拳头时而松开拳头。一开始，每一个新的行动都会教会它一些东西，而且回报很快就会到来。但很快，它就没有新的东西来学习自己的身体如何运动了。
突然，机器人以这种随意的方式跌跌撞撞地撞翻了杯子。这种邂逅为它赢得了回报，更重要的是，它为我们提供了一条新的知识途径。这是一个水手，在海上航行了几个月后发现了一只水鸟。这是乔治·马洛里，第一次听说珠穆朗玛峰。这就是好奇心，不再是随机的，而是定向的。
下一个什么?答案是由一个概率算法决定的，该算法计算什么行动最有可能赢得机器人的另一个奖励。在这种情况下，算法说，因为在杯子区域移动手臂会导致对一个动作的认知(以及奖励:在同一个区域做一些类似的事情，比起回到完全随机的行动中忽略杯子，或者专注于杯子，但行为完全不同，更有可能产生新技能。为什么要关注杯子?因为它的存在。
Kompella的iCub最终学会了拿起杯子，移动它，然后把它扔到桌子上的某个位置，这就是Kompella想让它做的任务。但在很大程度上，它自学成了一个杯子滴管，因为它被固定在一张桌子前面的地板上，桌子上放着一个杯子。它几乎没有其他选择。
同样，基德的实验旨在追踪婴儿在任何给定时间拥有的信息量——这样基德就可以控制新奇的信息量——同时也限制了婴儿的选择。她说，她用了7和8个月大的婴儿，因为他们达到了能够支撑自己头部重量的最佳状态，但他们还没有学会走路。她说，对婴儿学走路来说，没有什么比走路更有趣了。“你无法与之竞争。”
为了预测甚至控制好奇心会更有效地教，以更好地了解精神疾病，更稳定地招待;生活会无休止地有趣。但学习的好奇心非常困难暗示其无边无际，真正指挥它几乎不可能。现在，只有更多的问题。
扎克·圣乔治(Zach St. George)是一名驻加州的自由撰稿人，主要从事科学和环境方面的报道。在推特上关注他@ZachStGeorge。
铅拼贴来自Keystone-France / Getty Images的一张图片
