我们如何平衡对他人的公平性的自身利益？

人类，就像所有的生物一样，被一种天生的自我保护意识所驱使。但人类也建造了城市和政府，复杂的产业和持久的文化机构——没有长期的合作，这些都是不可能的。

这种合作不仅对对个人福利的渴望，而且是一个社区公平和经济学家称呼社会偏好的感觉。

芝加哥大学认知神经科学家的一项新学习提供了人们如何体重的一瞥自爱反对对他人的公平——并提供证据表明前者优先于后者。

“在日常生活，你不仅影响自己而不是其他人的决定，“基西卡博士博士博士博士学者和第一作者的第一作者表示。”我们如何平衡这些问题？“

使用机器学习进行分析大脑扫描和电生理信号，yoder和Jean Cudety成为道德心理学的主要学者，发现多个皮质网络致力于处理有利于自我和自我利益主导早期阶段的决定决定关门大吉。此外，对自己的公平和对他人的公平具有非重叠的神经激活模式。

结果表明，人们比他们更容易做出自我兴趣的选择，而不是制定对他人的公平性的选择，而且还揭示了一旦遇到个别需要，公平是一个重要的考虑因素。

扫描完成，而个人参加了一个三方最终游戏。该研究发现，接受公平货币优惠的参与者更有可能接受公平向第三方的优惠。

“如果人们已经为自己拥有了足够的东西，他们就会对别人更公平，”戴西蒂说，他是欧文·b·哈里斯杰出服务心理学和精神病学教授。“为了生存，你首先要关心自己。这并不意味着你不关心别人，但你首先要活下去。”

发表在杂志上神经心理学，该研究设立了一个匿名“提议者”的实验，他们将在自己，参与者和中立观察者之间划分12美元。超过几十个交易所，推荐人提供了四种可能的优惠：一个让自己留下几乎所有资金的优惠;一个将钱分成三部分;两者与参与者或观察者分享了金钱 - 只需一美元就会离开另一美元。

因为这些提议是假设的，参与者接受或拒绝的决定并不是由实际的经济激励驱动的。约德说:“这项任务真正触及了底层的、真实的公平偏好。”

研究人员将游戏分成两组:32人接受功能核磁共振扫描，40人接受高密度脑电图(EEG)，追踪大脑的电活动。脑电图数据的差异尤其显著:机器学习分析可以在200毫秒内预测自利决策，但要预测确保的决策则需要近600毫秒公平为他人。

结果，yoder表示，有助于深入了解底部的基本神经机制更复杂的决定。

“我们必须弄清楚如何公平地分配资源，”Yoder说。“了解人们如何使这些决定非常重要。这些计算可以得到非常复杂的，人们倾向于依靠启发式，他们会使用快捷方式。似乎拒绝不公平的提供功能，因为启发式 - 人可以做出这一决定非常非常迅速。“

---

---