🧬 biology

Using Theory of Mind to Arbitrate between Social and Non-social Learning

Dieses Paper schlägt ein Modell des rationalen Mentalisierens vor und validiert dieses, indem es zeigt, dass Menschen die Theory of Mind nutzen, um rational zwischen sozialem und nicht-sozialem Lernen abzuwägen, indem sie den Nutzen der Beobachtung anderer gegenüber direkter Exploration abschätzen.

Ursprüngliche Autoren: Lance Ying, Ryan Truong, Joshua B. Tenenbaum, Samuel J. Gershman

Veröffentlicht 2026-07-31

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Lance Ying, Ryan Truong, Joshua B. Tenenbaum, Samuel J. Gershman

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie stehen an einer Kreuzung in einer belebten Stadt und versuchen, den besten Taco-Truck zu finden. Sie haben zwei Möglichkeiten: Entweder wandern Sie selbst herum und prüfen jede Gasse, bis Sie einen finden (was Zeit und Energie kostet), oder Sie beobachten einen Fremden, der die Straße entlangläuft. Wenn Sie sehen, dass er auf eine bestimmte Ecke zusteuert, könnten Sie beschließen, ihm zu folgen, in der Annahme, dass er einen guten Ort kennt. Aber der Haken dabei ist: Was, wenn dieser Fremde eigentlich auf der Suche nach einem Pizza-Laden ist und nicht nach Tacos? Wenn Sie ihm blind folgen, werden Sie hungrig und verwirrt enden. Dieses alltägliche Dilemma – zu entscheiden, wann man von anderen lernt und wann man die Dinge selbst herausfindet – ist ein zentrales Rätsel im Bereich der Kognitionswissenschaft. Wissenschaftler untersuchen, wie Menschen und Tiere Informationen sammeln, aber eine entscheidende Frage bleibt: Wie wissen wir, wann wir aufhören sollten, zuzuschauen, und anfangen sollten, zu handeln? Um dies zu beantworten, verlassen sich Forscher auf Konzepte wie „Soziales Lernen“ (vom Lernen durch andere) und „Theory of Mind“ (die Fähigkeit zu erraten, was jemand anderes denkt, wie etwa dessen Ziele oder Wissen). Während wir wissen, dass wir diese Dinge tun, ist es eine schwierige Aufgabe, die exakte „mentale Mathematik“ zu entschlülüsseln, die wir verwenden, um das Verhältnis zwischen den Kosten des Beobachtens und dem Nutzen des Lernens abzuwägen.

In dieser Arbeit schlagen Forscher von Harvard und dem MIT einen neuen Weg vor, diesen Entscheidungsprozess zu verstehen, den sie das Modell des „Rationalen Mentalisierens“ nennen. Betrachten Sie dieses Modell als einen superintelligenten, internen Rechner, der nicht nur beobachtet, was Menschen tun, sondern auch versucht herauszufinden, warum sie es tun. Die Autoren entwickelten eine Computersimulation eines Spiels, bei dem ein Spieler (Sie) eine rote Figur auf einer Rasterkarte steuert. Das Ziel ist es, eine Schatzkiste zu finden, aber der Pfad ist durch farbige Barrieren blockiert, die nur durch ein passendes „Amulett“ geöffnet werden können, das einer der mehreren Zauberer hält. Die Wendung dabei ist: Sie wissen nicht, welcher Zauberer das echte Amulett besitzt. Sie können entweder Ihre eigene Figur bewegen, um die Zauberer selbst zu überprüfen (was Zeit und Anstrengung kostet), oder Sie halten inne und beobachten einen Nicht-Spieler-Charakter (NPC), der sich umherbewegt. Wenn Sie beobachten, macht der NPC einen Schritt, während Sie stillstehen, was Ihnen einen Hinweis darauf gibt, wo sich das Amulett befinden könnte.

Die Forscher führten vier verschiedene Versionen dieses Spiels durch, um zu sehen, wie Menschen sich verhalten. In einigen Versionen gab es nur einen NPC und ein Ziel; in anderen gab es mehrere NPCs mit unterschiedlichen Zielen oder einen „Anfänger“-NPC, der die Karte nicht so gut kannte wie ein „Experte“. Sie fanden heraus, dass Menschen bei diesem Kompromiss unglaublich klug sind. Wir kopieren nicht einfach jeden, noch ignorieren wir jeden. Stattdessen führen wir unbewusst eine mentale Simulation durch: „Wenn ich dieser Person noch ein paar Schritte lang zusehe, werde ich genug lernen, um mich davor zu bewahren, blind umherzuwandern?“ Wenn die Antwort ja lautet (vielleicht führt die Person zu einer anderen Schatzkiste als der, die wir wollen), schauen wir zu. Wenn die Antwort nein lautet (vielleicht sucht die Person nach etwas anderem), hören wir auf zuzuschauen und bewegen uns selbst.

Um dies zu beweisen, verglich das Team echte menschliche Spieler mit drei verschiedenen Computermodellen. Das erste Modell, der „Naive Beobachter“, beobachtete einfach blind jeden. Das zweite Modell, der „Rationale Beobachter“, führte eine Kosten-Nutzen-Analyse durch, versuchte aber nicht, die Gedanken der anderen Person zu verstehen. Das dritte Modell, der „Mentalisierende Beobachter“, versuchte zwar, die Ziele der anderen Person zu erraten, kümmerte sich aber nicht um die Kosten des Beobachtens. Keines dieser einfachen Modelle konnte das Verhalten der Menschen vollständig erklären. Das Modell des „Rationalen Mentalisierens“, das das Erraten dessen, was die andere Person will, mit der Berechnung kombiniert, ob es die Zeit wert ist zuzuschauen, entsprach jedoch fast perfekt dem menschlichen Verhalten. Tatsächlich waren die Vorhersagen des Modells so genau, dass sie dem menschlichen Verhalten so nahe kamen, wie es zwei verschiedene Menschen untereinander tun würden.

Die Studie legt nahe, dass unser Gehirn ständig diese komplexen Berechnungen durchführt. Wir kopieren nicht einfach erfolgreiche Menschen; wir denken aktiv über deren verborgene Ziele und Überzeugungen nach, um zu entscheiden, ob ihre Handlungen uns etwas Nützliches lehren können. Wenn wir merken, dass jemand nach etwas sucht, das uns nicht wichtig ist, oder dass jemand genauso verwirrt ist wie wir selbst, hören wir auf zuzuschauen und gehen unseren eigenen Weg. Die Forscher fanden heraus, dass Menschen schlechtere Entscheidungen trafen, wenn sie diese mentalen Berechnungen ignorierten – entweder indem sie zu viel beobachteten, ohne über die Kosten nachzudenken, oder indem sie beobachteten, ohne die Ziele der anderen Person zu verstehen. Diese Arbeit deutet darauf, dass das Geheimnis unserer sozialen Intelligenz nicht nur in unserer Fähigkeit liegt, in die Köpfe anderer zu schauen, sondern in unserer Fähigkeit, dieses Gedankenlesen zu nutzen, um unsere eigene Zeit und Energie zu sparen. Es stellt sich heraus, dass ein guter Lerner nicht nur darin besteht, aufmerksam zu sein, sondern genau zu wissen, wann man wegsehen muss.

Technisches Resümee: Nutzung von Theory of Mind zur Arbitrierung zwischen sozialem und nicht-sozialem Lernen

Problemstellung

Soziales Lernen ermöglicht es Agenten, Informationen von anderen zu erwerben, doch Menschen verlassen sich nicht wahllos darauf. Sie müssen entscheiden, wann sie beobachten, wen sie beobachten und wie lange sie zusehen, wobei sie den potenziellen Informationsgewinn gegen die kognitiven und zeitlichen Kosten der Beobachtung gegenüber der unabhängigen Exploration abwägen. Bestehende computergestützte Modelle des sozialen Lernens lassen sich im Wesentlichen in zwei Kategorien unterteilen:

Heuristische Ansätze: Diese basieren auf festen Regeln (z. B. „kopiere die Mehrheit“ oder „kopiere die Prestigeträchtigen“) und behandeln beobachtetes Verhalten als ein Signal, das gewichtet werden muss, wobei die generativen mentalen Zustände (Ziele und Überzeugungen), die das Verhalten hervorbrachten, ignoriert werden.
Reinforcement Learning (RL)-Ansätze: Diese gewichten soziale Informationen basierend auf der geschätzten Zuverlässigkeit der Quelle (Volatilität), behandeln das Verhalten jedoch ähnlich wie ein verrauschtes Signal und nicht als Evidenz für zugrunde liegende mentale Zustände.

Beide Ansätze haben Schwierigkeiten, effizientes Lernen aus spärlichen, indirekten Beobachtungen zu erklären, bei denen die entscheidende Inferenz nicht darin besteht, was ein Agent getan hat, sondern warum er es getan hat (d. h. seine Ziele und Überzeugungen). Zudem ist die Erweiterung der Literatur über aktive Informationssuche auf soziale Quellen komplex, da die Informationsreichhaltigkeit einer Beobachtung von den latenten Zielen und Überzeugungen des beobachteten Agenten abhängt, die sich von denen des Beobachters unterscheiden können.

Methodik

Experimentelles Paradigma

Die Autoren führerten ein neuartiges Grid-World-Spiel (12x11) ein, um parametrisch steuerbare Abwägungen zwischen sozialem und nicht-sozialem Lernen zu schaffen.

Setup: Ein von einem Menschen gesteuerter „roter Agent“ muss eine spezifische Schatzkiste bergen. Der Pfad ist durch farbige Barrieren blockiert, die passende Amulette erfordern, welche von spezifischen Zauberern (unter Dekoys) gehalten werden.
Mechanik: In jedem Zeitschritt kann der Agent entweder handeln (einen Schritt bewegen, was Kosten von 3 Punkten verursacht) oder einen ausgewählten Nicht-Spieler-Charakter (NPC) beobachten (was Kosten von 1 Punkt pro Schritt verursacht, während in dieser Zeit nur der NPC sich bewegt).
Variablen: Die Studie variierte:
- Zielunsicherheit: Einzelne vs. mehrere Schatzkisten (Experiment 1 vs. 2).
- Verfügbarkeit von Agenten: Einzelner vs. mehrere NPCs (Experiment 3).
- Expertise der Agenten: Experte (kennt den Standort des Amuletts) vs. Novize (kennt ihn nicht) (Experiment 4).
Kostenstruktur: Bewegung kostet 3 Punkte, die Interaktion mit einem Zauberer kostet 5 Punkte und Beobachtung kostet 1 Punkt. Die Teilnehmer wurden motiviert, die Gesamtkosten zu minimieren.

Das Modell des Rationalen Mentalisierens (Rational Mentalizing Model)

Die Autoren schlagen ein Rational Mentalizing-Modell vor, das Bayesianische Theory of Mind (ToM) mit einer rationalen Kosten-Nutzen-Analyse integriert. Das Modell arbeitet durch den Vergleich des erwarteten Nutzens eines sofortigen Handelns gegenüber einer Beobachtung.

Generatives Modell des beobachteten Agenten: Der Beobachter modelliert den NPC als nahezu optimalen Planer in einer teilweise beobachtbaren Umgebung. Der Beobachter pflegt eine Posterior-Verteilung über die latenten Ziele ( $g$ ) und Überzeugungen ( $b$ ) des NPC mittels eines Partikelfilters (Sequential Inverse Plan Search, SIPS).
Simulation und Vorhersage: Für jede Hypothese $\theta = (g, b)$ $θ = (g, b)$ simuliert der Beobachter die zukünftige Trajektorie des NPC unter Verwendung einer Boltzmann-Policy. Er prognostiziert:
- $T^i$ : Die Anzahl der Beobachtungsschritte, die erforderlich sind, damit die Trajektorie des NPC das Kandidatenset des Beobachters auf einen einzigen Zauberer einschränkt (oder die Hypothese falsifiziert).
- $C^i_{plan}$ : Die verbleibenden Explorationskosten, mit denen der Beobachter nach Erwerb dieser Information konfrontiert wäre.
Nutzen-Arbitrierung: Das Modell berechnet die erwarteten Kosten der Beobachtung eines Agenten $j$ $j$ :
$Q^j_{obs}(t) = \sum_i p^i_t [c_{obs} T^i + C^i_{plan}]$
wobei $p^i_t$ $p_{t}^{i}$ das Gewicht der Hypothese $i$ $i$ ist.
Der Beobachter vergleicht dies mit den Kosten des sofortigen Handelns, $C_{self}(b_t)$ $C_{se l f} (b_{t})$ (geschätzt über einen gierigen Planer).
- Wenn $Q^j_{obs}(t) < C_{self}(b_t)$ , beobachtet das Modell Agent $j$ .
- Andernfalls handelt es.
- In Multi-Agenten-Settings wählt das Modell den Agenten $j^*$ , der $Q^j_{obs}(t)$ minimiert.

Ablationsstudien

Um die Beiträge spezifischer Komponenten zu isolieren, verglichen die Autoren das vollständige Modell mit drei Ablationen:

Rationaler Beobachter: Führt eine Kosten-Nutzen-Analyse durch, verfügt aber nicht über ToM (inferiert keine Ziele/Überzeugungen).
Mentalisierender Beobachter: Inferiert Ziele/Überzeugungen, verfügt aber nicht über eine Nutzenabschätzung (wägt Beobachtungskosten nicht gegen Explorationskosten ab).
Naiver Beobachter: Beobachtet wahllos basierend auf festen Regeln (z. B. beobachten bis zur ersten Interaktion mit einem Zauberer) ohne Inferenz oder Kostenargumentation.

Kernergebnisse

Quantitative Passgenauigkeit

Über vier Experimente mit zunehmender Komplexität hinweg erreichte das Rational Mentalizing Modell eine hohe Treue bei der Erfassung des menschlichen Beobachtungsverhaltens:

Korrelation: Die Pearson-Korrelationen pro Experiment lagen zwischen $r = 0,90$ und $0,95$.
Konkordanz: Die gepoolte Lin's Concordance Correlation Coefficient (CCC) betrug 0,89 (95% KI [0,84, 0,92]), was nahe an der oberen Grenze der menschlichen Inter-Participant-Reliabilität ( $r_{SB} = 0,83-0,92$ ) liegt.
Vergleich: Alle Ablationsmodelle schnitten signifikant schlechter ab (CCC $\leq 0,21$ ).

Qualitative Muster und Erkenntnisse aus den Ablationen

Zielunsicherheit (Exp 2): Wenn das Ziel des NPC mehrdeutig war, beobachteten Menschen und das vollständige Modell länger, um die Mehrdeutigkeit aufzulösen. Der Mentalisierende Beobachter beobachtete übermäßig viel, da er zwar über Ziele argumentieren konnte, aber versäumte, die Beobachtungskosten gegen den Nutzen abzuwägen. Der Rationale Beobachter beobachtete zu wenig, da er nicht antizipieren konnte, dass die Trajektorie des NPC informativ sein würde.
Agenten-Selektion (Exp 3): Wenn zwei Experten anwesend waren, beobachteten Menschen und das vollständige Modell selektiv den Agenten, dessen Trajektorie am wahrscheinlichsten informativ für das spezifische Ziel des Beobachters war. Die Naiven und Rationalen Beobachter konnten zwischen den Agenten nicht unterscheiden, während der Mentalisierende Beobachter den informativen Agenten zwar richtungsbezogen identifizierte, aber die Beobachtungszeit nicht effizient zuweisen konnte.
Expertise-Kalibrierung (Exp 4): Wenn ein Experte und ein Novize anwesend waren, änderten Menschen und das vollständige Modell die Beobachtung dynamisch basierend auf der Umgebung (z. B. Beobachtung des Novizen, wenn dessen Pfad in spärlichen Zauber-Karten diagnostischer war). Der Mentalisierende Beobachter beobachtete den Novizen übermäßig oft in Fällen, in denen der Informationsgewinn die Kosten nicht rechtfertigte. Die Rationalen und Naiven Beobachter defaulteten auf den Experten und scheiterten daran, das kontrafaktische Signal des Novizen zu nutzen.

Beobachtung vs. Ausführung

Das vollständige Modell reproduzierte korrekt die positive Kopplung zwischen Beobachtungs- und Ausführungsschritten, die in den menschlichen Daten gefunden wurde (mehr Beobachtung korreliert mit mehr Ausführungsschritten). Die Mentalisierenden und Naiven Beobachter invertierten diese Beziehung (negative Steigungen), während der Rationale Beobachter eine schwächere positive Steigung mit einem Konfidenzintervall zeigte, das die Null einschließt.

Signifikanz und Behauptungen

Das Paper behauptet, dass selektives soziales Lernen durch Theory of Mind im Dienste der Nutzenmaximierung geleitet wird.

Integration von ToM und Nutzen: Die Studie zeigt, dass weder ToM allein noch die Kosten-Nutzen-Analyse allein ausreichend sind. Menschen (und das Modell) benötigen beides: die Fähigkeit, die generativen mentalen Zustände anderer zu inferieren, um die Informativität vorherzusagen, und die Fähigkeit, diesen potenziellen Gewinn gegen die Kosten der Beobachtung zu arbitrieren.
Jenseits der Signalzuverlässigkeit: Im Gegensatz zu RL-Accounts, die basierend auf der Quellen-Zuverlässigkeit (Volatilität) arbitrieren, zeigt dieses Modell, dass die Arbitrierung von den inferierten Zielen der Quelle abhängt. Das Verhalten eines Agenten ist nur dann informativ, wenn seine Ziele mit den Zielen des Beobachters übereinstimmen oder mit ihnen interagieren.
Generative Sicht auf Verhalten: Die Ergebnisse stützen die Sichtweise, dass beobachtetes Verhalten als Evidenz für die Ziele und Überzeugungen behandelt werden sollte, die es hervorgebracht haben, und nicht als ein fixes Signal. Dies ermöglicht effizientes Lernen aus spärlichen, indirekten Daten, in denen Agenten unterschiedliche Ziele verfolgen.
Vereinheitlichter Mechanismus für selektives Vertrauen: Das Paper legt nahe, dass „selektives Vertrauen“ (bevorzugte Experten) und „selektive Beobachtung“ (Wahl des Beobachtungsobjekts) Produkte eines vereinheitlichten Bayesischen Inferenzprozesses über Agentenmodelle sein könnten, statt distinkter kognitiver Systeme.

Die Autoren weisen auf Limitationen hin, darunter die Tatsache, dass das Modell die Beobachtung als den einzigen sozialen Kanal behandelt (Kommunikation/Pedagogie wird ignoriert) und von unabhängigen Versuchen ausgeht, ohne agentenspezifische Priors zu akkumulieren. Zudem unterschätzt das Modell systematisch die absolute Menge der Beobachtungen, die Menschen tätigen, was auf eine Rolle von intrinsischer Neugier oder einer konservativen Evidenzsammlung jenseits strikter Nutzenmaximierung hindeutet. Dennoch erfasst das Modell erfolgreich die relativen Muster des menschlichen Entscheidungsverhaltens in komplexen sozialen Lernumgebungen.