🧬 biology

People use fast and flat simulation to reason about new games

通过大规模行为研究和计算“直觉玩家”模型，本文证明了人类利用快速、有限深度的概率模拟来对新颖游戏进行系统且适应性的推理，为开发更具灵活性、类人化的人工智能系统提供了见解。

原作者： Katherine M. Collins, Cedegao E. Zhang, Lionel Wong, Mauricio Barba da Costa, Graham Todd, Adrian Weller, Samuel J. Cheyette, Thomas L. Griffiths, Joshua B. Tenenbaum

发布于 2026-07-14

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Katherine M. Collins, Cedegao E. Zhang, Lionel Wong, Mauricio Barba da Costa, Graham Todd, Adrian Weller, Samuel J. Cheyette, Thomas L. Griffiths, Joshua B. Tenenbaum

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下，你手里拿着一款从未见过的全新桌游。规则很奇怪：也许是在 10x10 的网格上连成四子就算赢；又或者，第一个连成三子的人反而会输。你还没玩过一回合，没有策略指南，也没有教练。

那么，你如何判断这个游戏是否公平？你如何决定它是否有趣？如果你必须做出第一个动作，你会怎么做？

大多数人认为，要玩好一个游戏，你需要成为一名经过多年训练、能计算数百万种未来可能性的国际象棋大师，就像一台在“如果……会怎样”的决策树中深挖的超级计算机。但一项大规模的新研究表明，当我们遇到新事物时，大脑并不是这样运作的。相反，我们更像是直觉玩家（intuitive gamers），使用一种“快速且扁平化”的心理捷径。

你脑中的“直觉玩家”

由来自麻省理工学院（MIT）、普林斯顿大学和剑桥大学的研究团队领导的研究小组，研究了 1000 多人正在玩（或仅仅是在思考）的 121 种不同的、主要是新颖的双人策略游戏。他们发现，当我们面临新问题时，我们并不会进行那种预判 20 步之后的深度、高成本模拟。那太耗费脑力了。

相反，我们的脑中运行的是一个快速、扁平且基于概率的模拟。

可以这样理解：想象你是一个只能看一步未来的电子游戏角色。你看着棋盘，问自己两个简单的问题：

“如果我把棋子放在这里，是否能让我离获胜更近？”
“如果我把棋子放在这里，是否能阻止对手获胜？”

你并没有计算整个游戏的终局。你只是进行了一次快速、浅层的窥探。然后，你根据这次窥探做出一个猜测。如果你需要判断一个游戏是否公平，你不会去解数学题；你只是在脑海中进行大约 5 到 7 次这种快速的“窥探”模拟，看看通常会发生什么。如果在大多数这些快速运行中，玩家 1 获胜，你就猜这个游戏是不公平的。如果经常出现平局，你就猜它是平衡的。

论文称之为**“直觉玩家”模型**。这表明人类在这方面表现得惊人地出色。当研究人员将该模型与真实人类进行对比测试时，它对人们关于公平性看法和所做动作的预测准确率达到了 81%（R² 为 0.81）。这几乎与人类数据本身的“噪声”水平相当，这意味着该模型捕捉到了我们可以解释的人类思维中的几乎所有内容。

我们“不是”在做什么

该研究明确反对认为新手在进行深度、专家级的思考。

我们不是深度潜水者： “专家玩家”模型模拟的是向前看约 5 步的思考方式（类似于国际象棋大师），其表现远不如直觉玩家模型。此外，该模型在计算机上的运行速度比简单的“直觉玩家”模型慢了 700 倍。
我们不是随机行为者： 我们并不是通过掷骰子来随机选择动作。代表完全随机选择动作的“随机玩家”模型与人们实际玩游戏的方式完全不符。
我们不是完美的计算器： 我们没有一个知道绝对最佳动作的完美“神谕”。我们是资源受限的。我们在极小的精神能量下做到最好。

“趣味”因素

研究人员还询问了人们：“在你开始玩之前，你觉得这个游戏有趣吗？”
他们发现，我们对趣味性的判断也不是随机的，而是基于同样的快速模拟。

平衡性： 我们喜欢那些胜负在开局时并不明显的游戏。如果先手玩家总是赢，游戏会很枯燥；如果总是以平局结束，则会令人沮丧。
思考回报： 我们喜欢那些“思考”确实能比随机移动更有助于获胜的游戏。
长度： 我们喜欢长度适中的游戏，既不太短也不太长。这就像是一个“金发姑娘区”（Goldilocks zone，意指恰到好处）。

“直觉玩家”模型可以以 57% 的准确率预测这些“趣味”评分，这已经非常接近人类意见的最大可能准确度（因为人类意见因人而异）。

奇迹背后的数字

这项研究不仅仅是猜测，它还进行了测量。

他们测试了 121 种不同的游戏，规则包括“连成 3 子获胜”、“连成 4 子失败”或“玩家 2 在第一回合可以走两步”等。
他们让 238 人在不玩游戏的情况下判断游戏的公平性。
他们让 302 人在第一次接触 40 种游戏时进行实际操作。
他们让 314 人观看他人玩游戏的视频并预测下一步动作。
“直觉玩家”模型仅需运行约 6 次模拟（k=6）即可匹配人类判断。
在速度方面，直觉玩家模型比一种名为蒙特卡洛树搜索（MCTS）的标准 AI 方法快了近 40,000 倍，比“专家玩家”模型快了 700 倍。

核心结论

论文指出，当我们面对一个全新的局面时——无论是奇怪的桌游还是一种新的问题类型——我们不需要成为天才或超级计算机才能做出明智的判断。我们只需要进行几次快速、浅层的心理模拟，专注于我们的目标并阻挡对手。

这种“快速且扁平”的思维方式是非常高效的。它并不完美，也不像经过多年训练的国际象棋大师那样深邃，但它是**适应性理性（adaptively rational）**的。对于一个需要在做出决策的同时不至于耗费整天时间去思考的人类大脑来说，这是完美的工具。

作者承认，这是一个关于我们如何思考“游戏”（特别是完全信息博弈类棋类游戏）的模型，并暗示它可能适用于生活的其他领域，例如科学家如何选择研究课题。但就目前而言，证据是充分的：当我们遇到一个新游戏时，我们都是直觉玩家，通过快速的心理竞赛来观察谁会获胜，而且我们做得相当不错。

技术摘要：人类利用快速且扁平的模拟进行新游戏的推理

问题陈述

尽管人工智能和认知科学已广泛研究了在既定游戏（如国际象棋、围棋）中的专家级和超人类表现，但在理解人类如何对从未遇到过的新颖问题设定进行推理方面，仍存在显著空白。现实世界的决策通常要求个体在没有先验经验的情况下，应对复杂的规则和奖励系统，然而现有的游戏人类模型通常假设存在深度树搜索和广泛的经验，这对于新手来说在计算上是难以实现的。本文旨在解决的核心问题是：在完全没有任何先验接触的情况下，人们是如何快速评估、选择行动并预测全新策略环境中的结果的？

研究方法

实验设计

作者进行了一系列大规模行为研究，涉及超过 1,000 名参与者以及一个包含 121 种不同两人制策略棋类游戏的数据集。这些游戏源自 M-N-K 系列（例如井字棋、四子棋），但在棋盘维度、获胜条件（如 $K$ 连珠、错失规则/misère rules）以及转换动态（如开局移动、不对称规则）方面进行了系统性的变化。至关重要的是，几乎所有的游戏对参与者而言都是新颖的。

研究在三种不同的设定下评估了推理能力：

游戏评估（零样本）： 参与者仅根据自然语言描述和棋盘图像，在开始游戏前对游戏进行评估。任务包括估计胜/平概率（客观公平性）和评分预期“趣味性”（主观参与度）。
行动选择： 参与者在与另一名新手进行的单轮新颖游戏中进行对弈。记录其移动选择，以分析初次决策过程。
行动预测： 参与者观看他人进行新颖游戏的视频，并预测特定下一步行动的可能性，从而评估他们模拟他人推理的能力。

计算模型：“直觉玩家”（The Intuitive Gamer）

作者提出了一个名为直觉玩家的计算认知模型来解释人类的表现。该模型由四个核心机制定义：

快速（Fast）： 它依赖于少量的心理模拟（ $k \approx 5\text{--}7$ ），而非穷尽式搜索。
扁平（Flat/深度受限）： 玩家模块在选择行动时仅执行单步前瞻（深度为 1），而非深度树搜索。
目标导向（Goal-Directed）： 行动估值基于抽象的、局部可评估的启发式函数，这些函数评估实现自身目标的即时进度（ $U_{self}$ ）以及阻碍对手进度的程度（ $U_{opp}$ ），外加一个辅助的中轴偏好启发式函数（ $U_{aux}$ ）。
概率性（Probabilistic）： 行动通过基于估计值的 Softmax 分布进行选择，而推理过程涉及通过采样多个自我博弈轨迹来估计结果分布。

对比基准

将“直觉玩家”模型与以下模型进行了对比：

专家玩家（Expert Gamer）： 一个具有更深搜索（约深度 5）和更复杂价值函数的模型，该模型针对特定游戏中的人类专家表现进行了校准。
随机玩家（Random Gamer）： 一个均匀随机选择行动的模型。
蒙特卡洛树搜索（MCTS）： 一种作为近似先知使用的计算密集型 AI 算法。
语言/特征模型（Linguistic/Feature Models）： 仅依赖于表面游戏描述而无需模拟的模型。

关键结果

1. 游戏评估（预演阶段）

客观公平性： “直觉玩家”模型在人类对游戏收益（公平性）的估计上实现了 $R^2 = 0.81$ 的相关性，与人类数据的半数拆分信度（split-half reliability, $R^2 = 0.82$ ）相匹配。它显著优于专家玩家（ $R^2 = 0.65$ ）、MCTS（ $R^2 = 0.60$ ）和随机模型。
主观趣味性： 使用源自“直觉玩家”模拟特征（平衡性、思考回报和游戏长度）的回归模型预测了人类的趣味性评分，其 $R^2 = 0.57$ ，接近人类数据可解释方差的上限（ $R^2 = 0.60$ ）。
组件分析： 消融实验证实，移除四个核心组件中的任何一个（快速性、扁平性、目标导向性或概率模拟）都会显著降低模型对人类判断的拟合度。

2. 行动选择与预测

首次对弈： “直觉玩家”能最好地预测新手在单轮游戏中的实际移动，在对数似然检验中显著优于专家玩家和随机模型（ $p < 0.001$ ）。
分布预测： 在预测移动分布的任务（观察并预测任务）中，“直觉玩家”预测的分布最接近人类判断（以全变差距离/Total Variation Distance 衡量），通常达到了人类的噪声上限。
平局决策： 人类接受或拒绝平局请求的决策，通过结合“直觉玩家”的期望值和游戏长度的逻辑回归模型得到了最好的建模，这表明玩家在客观回报与主观参与（趣味）及时间成本之间进行权衡。

3. 效率

“直觉玩家”的计算效率比其他替代方案高出数个数量级。在墙钟时间（wall-clock time）方面，它比专家玩家快约 700 倍，比 MCTS 快约 40,000 倍，同时仍能比这些资源密集型模型更准确地捕捉人类行为。

意义与主张

本文声称提供了一种关于**前专业阶段推理（pre-expertise reasoning）的新计算解释。作者认为，人类在陌生领域的认知并不依赖于深度、穷尽式的搜索（如专家所示），也不是纯粹随机的。相反，人们采用了一种资源理性（resource-rational）**策略：运行快速、扁平、目标导向且具有概率性的心理模拟。

主要贡献包括：

经验证据： 证明了一个简单的、深度受限的模拟模型，在涵盖 121 种不同新颖游戏的广泛领域内，比复杂的专家模型更能捕捉人类的推理。
统一框架： 展示了同一个“直觉玩家”机制既可以解释对游戏属性（公平性、趣味性）的评估，也可以解释在游戏内的行动选择。
AI 设计启示： 表明更灵活、更像人类的 AI 系统不应仅仅专注于通过最大化计算量来解决任务，而应整合能够快速评估一项任务是否值得投入精力参与的机制，从而模仿人类在有限资源下对新颖事物进行推理的能力。

作者对研究范围保持了谦逊的态度，指出其模型目前仅限于熟悉类型内的完全信息、两人制竞争性棋类游戏。他们认为，理解这些“直觉游戏论”是构建更广泛的人类推理模型（包括科学探究和创造性问题解决）的一步。