“管理就是决策。”半个多世纪以前，西蒙的这一论断道出了管理科学的核心。然而，长期以来，无论是经济学的理性选择模型，还是管理学的行为研究，大多停留在对决策“输入”与“输出”的描述上，这使得我们能观察到人们选择了什么，却难以回答决策在大脑中究竟如何发生。当决定我们行为与心智的器官还是一个“黑箱”时，对人类决策行为的任何解释都难免隔靴搔痒。正是在这一困境中，认知神经科学与决策科学的交叉融合，催生了决策神经科学（Decision Neuroscience）这一新兴方向。它借助先进的脑成像与电生理工具直接深入大脑内部，观察经济与管理决策背后的神经机制，既为现有决策理论寻找更深层的基础，也试图建立涵盖生理变量、更加准确的决策模型。今天，决策神经科学已成为经济管理领域最具活力的跨学科前沿之一。

　　走进个体决策的“黑箱”之内

　　回望个体决策研究的演进，可以清晰地看到一条递进的脉络：早期研究多从行为层面入手，观察特定情境下人们的选择；随着研究的深入，视角延伸到心理与认知层面；最终递进到生理层面，揭示决策行为更底层的机制。这一“行为—认知—神经”的递进，正是决策神经科学得以确立的逻辑起点。

　　支撑这一递进的，是多学科方法的深度融合。功能性磁共振成像（fMRI）以较高的空间分辨率精确定位脑区，事件相关电位（ERP/EEG）以毫秒级的时间分辨率刻画决策的动态进程，眼动追踪记录视觉信息加工，功能性近红外光谱与皮肤电、心率等生理信号则进一步丰富了观测维度。经济学、管理学、心理学、神经科学乃至计算科学在此交汇，共同指向一个问题：决策何以发生。

　　在中国，这一方向的开拓与浙江大学密切相关。2006年，马庆国教授率先提出“神经管理学”概念，系统梳理了神经经济学、神经决策学、神经营销学、神经信息系统等分支，并在浙江大学建立了中国第一家神经管理学实验室。作为神经管理学的核心组成部分，决策神经科学由此在中国生根。

　　从揭示机制到计算建模

　　二十年来，中国决策神经科学研究系统探讨了神经经济学、消费者神经科学、风险与含糊决策、金融决策的神经学基础等议题，也为实证研究奠定了基础。依据结果概率是否可知，不确定性决策可分为风险决策与含糊决策。聚焦于不确定性决策的神经机制，借助ERP技术的研究发现，相比于风险决策，含糊决策会诱发更小的P300波幅，这意味着个体在含糊情境下需要调用更高的工作记忆负荷，从神经层面解释了人们普遍的“含糊厌恶”。进一步研究发现，决策偏好并非一成不变：在高情绪唤醒水平下，个体反而更偏好含糊，信息的过滤与聚焦也会改变决策者调用的认知资源与风险感知。这些研究表明，看似“非理性”的偏好反转，背后有着可被观测的神经机制。

　　在此基础上，作为决策神经科学一次重要的范式跃迁，其关注点从“揭示机制”转向“预测行为”。在消费者神经科学领域，神经数据不仅能解释消费者为何如此选择，更能预测其即将发生的选择。尤为引人注目的是，借助伏隔核、前额叶皮质等脑区的活动，研究者甚至能用实验室的小样本，预测一首歌曲的下载量、一支广告的市场反响乃至整个市场的消费走向，其预测效力往往优于传统的自我报告。这一视角还可拓展到组织与管理决策。运用ERP技术，研究者可以考察管理者在评价员工、作出解雇或排斥决策时大脑的精细加工过程，并以神经证据检验经典的双系统理论，发现管理者的决策远非由无意识阶段单向决定，而是随情境与目标动态展开的复杂过程。决策神经科学由此从实验室走向真实的管理情境，为组织行为研究提供了新的微观基础。

　　进一步地，相关研究迈向了决策过程的计算建模。决策并非瞬间完成，而是大脑对证据的逐步积累。借助反应时、鼠标轨迹等过程数据，并引入以漂移扩散模型为代表的序贯抽样模型，我们得以刻画决策“如何随时间展开”，并将其分解为先验倾向、谨慎程度与价值评估等可计算的成分。例如，在合作与惩罚这一组织管理与商业伦理的核心问题上，研究发现，惩罚并非简单的直觉冲动，而更像是“精打细算”的价值计算过程，通过“证据累加”过程收集并评估相关信息进行审慎考虑；在跨期决策中，个体基于“收益”与“时间”等属性信息的动态比较来进行决策，属性信息的时序差异会因果性地左右决策的耐心程度，据此调整属性信息的呈现顺序便可作为一种温和的“助推”。这些研究结果表明，融合行为、过程与计算的模型，能够比传统方法更准确地描述并预测人的决策。

　　迈向脑机智能管理决策

　　如果说过去决策神经科学解决了“能不能打开黑箱”的问题，那么数智时代的到来，正在重新定义它的研究对象与研究方法。今天，决策神经科学研究指向了一个更具象的图景——“双脑”的会聚。所谓“双脑”，一端是人脑，一端是电脑；一端是脑科学，一端是机器智能。长期以来，二者沿着各自的轨道发展，而决策恰恰是它们交汇的天然枢纽。计算建模正是连通“双脑”的关键一步：当人的决策过程能够被刻画为可计算的模型，人脑的认知规律便有了与机器智能对话的共同语言。由此，理解人如何决策与设计机器如何决策，不再是两个彼此隔绝的问题。

　　沿着这一方向，探索脑科学与机器智能在管理决策中如何协同增效的“脑机智能管理决策”就成为了研究的重点。一方面，数字经济催生了直播营销、新零售等全新场景，人机交互日益成为决策常态。在算法推荐与智能体辅助下，个体决策的过程与机制已完全不同于以往，亟须借助多模态的生理—心理—行为数据加以刻画。另一方面，人类决策的认知与神经规律，可以成为理解、评估乃至对齐人工智能决策系统的重要参照。而人与机器如何分工、如何协同、如何彼此校正，正是“脑机智能管理决策”试图回答的新课题。

　　真正的跨学科绝非简单的工具借用，而是问题层面的深度对话与研究范式的有机融合。认知神经科学的工具若不与管理学、经济学的真问题结合，便只是单一的技术；而经管研究若忽视大脑机制，对决策的理解也难免浮于冰山之上。从打开决策的“黑箱”到走向“双脑”会聚的脑机智能，决策神经科学的发展历程，不仅反映了学科交叉融合所带来的视角、工具与范式之变，更昭示着一个新兴领域的广阔前景。与此同时，挑战亦不容回避。其一是要避免反向推理的陷阱：一个脑区可能参与多种认知活动，神经信号与决策行为之间往往并非一一对应，需要综合多重指标审慎推断。其二是外部有效性：神经科学研究多在实验室进行，样本有限性、实验情境与真实情境之间的差异，都会使结论的推广面临考验。其三是伦理边界：当我们能够通过神经指标洞察乃至影响个体决策时，如何保护个体的隐私与决策自主，是研究者不能回避的问题。此外，不同文化背景下的决策机制存在差异，构建立足本土情境的研究范式尤为必要。展望未来，随着社会科学与脑科学、计算科学的持续交融，决策神经科学必将为经济管理研究提供更具现实意义的理论价值与实践智慧。

　　（作者系浙江大学求是特聘教授，浙江省哲学社会科学重点实验室—浙江大学神经管理学实验室主任）