Nature重磅！下一代AI系統雛形？MIT團隊：從推理100+新游戲開始

即使沒玩過一個新游戲，人類也能憑借游戲規則，判斷它是否公平、有趣。人工智能（AI）系統要掌握這種能力，就需要學會如何靈活處理未遇到的新問題，并決定下一步行動。

關于這種能力究竟是如何實現的，一篇最新發表在權威科學期刊 Nature 上的研究論文給出了答案：麻省理工學院團隊及其合作者基于 121 種游戲的大規模行為研究，提出了“直覺玩家”（Intuitive Gamer model）計算認知模型，以解釋人類在面對新游戲時，如何快速評估、形成判斷和行動。

論文鏈接：https://www.nature.com/articles/s41586-026-10722-1

研究團隊在文中指出，相比于完整、深入的推演，人類判斷更接近少量、快速、淺層的目標導向模擬。即使沒有經驗，人類面對新游戲時，也能系統地評估并采取相對合理的行動?；谠摍C制的“直覺玩家”模型，在多項任務中都比替代模型更接近人類表現。

這項工作也為構建更靈活、更接近人類推理方式的 AI 系統提供了啟示：未來的 AI 不僅需要學會解決新任務，也需要判斷哪些任務值得進一步思考。

直覺玩家模型：新手推理的計算框架

不同于先前依賴深度搜索的游戲推理模型，“直覺玩家”模型為新手游戲推理提供了一種計算性解釋。它強調少量、淺層、目標導向且帶有概率性的心理模擬，用以說明人們在缺乏經驗時如何評估新游戲并選擇行動。具體而言，直覺玩家模型由玩家模塊和推理模塊構成：

1.玩家模塊：用于解釋行動選擇。它根據目標導向的啟發式規則評估可選動作價值。這些規則既考慮如何推進自身目標，也考慮如何阻止對手達成目標。隨后，模型根據動作價值，以概率方式選擇下一步行動。

2.推理模塊：用于解釋人們對游戲屬性的判斷。它調用玩家模塊進行少量自我對弈模擬，推斷勝利、失敗或平局等結果；這些模擬可以運行到游戲結束，也可以提前停止，最終估計不同結果出現的可能性。

圖｜直覺玩家模型與先前游戲推理模型的比較。

為研究新手如何推理新游戲，研究團隊開展了一項大規模行為研究，招募 1000 余名參與者，并設計了121 個雙人策略棋盤游戲。 這些任務以井字棋、五子棋等連線玩法為原型，但在棋盤大小和具體規則上各不相同。設計既保留了基本玩法的熟悉性，也能考察人們面對新規則時的判斷和行動。

圖｜新游戲數據集和一組游戲任務。

為判斷直覺玩家模型是否更接近人類表現，研究團隊還設置了幾類對照模型，用來比較不同推理方式：專家玩家進行更深、更復雜的搜索；隨機玩家只是隨機行動；蒙特卡洛樹搜索使用計算量更大的樹搜索方法；基于游戲描述或語言信息的模型，則不顯式模擬游戲過程。

實驗結果如何？

整體來看，人類并不是靠完整、深入的推演來做判斷，而是主要依靠腦中進行少量、快速、淺層的目標導向模擬。在多項任務中，“直覺玩家”模型也比替代模型更接近人類表現。具體結果如下：

1.游戲公平性

“直覺玩家”模型與人類評價高度一致。研究團隊讓 238 名參與者在從未玩過相關游戲的情況下，僅根據規則和空白棋盤評估游戲結果。模型預測與人類判斷的相關性達到 0.81，接近人類數據本身的可解釋上限 0.82。

消融分析進一步顯示，目標導向、概率選擇、淺層推理和少量模擬都會影響模型表現。移除任一設定，模型擬合效果都會下降；其中，模擬次數約為 5-7 次時，模型與人類判斷最為一致。

在 78 個可以計算最優收益的游戲中，人類判斷總體上與理論最優結果方向一致；不過，在預測人類實際給出的公平性判斷時，“直覺玩家”模型比單純依據最優收益得到的結果更準確。

圖｜在從未玩過的情況下評估游戲。

2.游戲趣味性

在趣味性判斷上，“直覺玩家”模型同樣接近人類評分。研究團隊讓 246 名參與者在沒有經驗的情況下評估游戲趣味性，并從模型模擬中提取平衡性、決策質量和游戲長度三項特征進行預測；三項特征結合后，擬合度達到 0.57，接近人類數據本身的可解釋上限 0.60。

泛化測試結果也表明，基于這三項特征的“直覺玩家”模型，比隨機玩家、專家玩家以及僅依賴表層游戲特征的模型，更能預測人類對游戲趣味性的判斷。

圖｜在從未玩過的情況下評估游戲是否可能有趣。

3.首次游戲行動

“直覺玩家”模型比專家玩家和隨機玩家更能預測人類行動。研究團隊讓 302 名參與者在 40 個新游戲和井字棋中各玩一局。結果顯示，“直覺玩家”模型對新手玩家實際游戲收益的解釋度為 0.72；在行動預測任務中，該模型同樣優于專家玩家和隨機玩家，并在 41 個游戲中的 32 個游戲里解釋了超過 50% 的行動概率分布。

研究團隊進一步檢驗了首次游戲中的決策機制。結果顯示，新手行動并不符合專家模型所代表的深度搜索，而更接近“直覺玩家”模型的快速淺層推理。

圖｜建模人們在第一次遇到新游戲時的行動，以及對預測行動的分布。

4.預測下一步行動

“直覺玩家”模型同樣比專家模型和隨機模型更接近人類判斷。研究團隊讓新的參與者觀看新手玩家的游戲視頻，并預測他們下一步可能采取的行動；在 249個棋盤狀態上，“直覺玩家”模型與人類預測更一致。與專家模型相比，TVD 差異為 -0.15；與隨機模型相比，TVD 差異為 -0.09，二者均達到顯著水平。

從案例來看，人類預測下一步時，通常會同時考慮幾個可能走法，有時也會明顯傾向于其中一步；“直覺玩家”模型給出的預測往往與這種模式相近。相比之下，專家模型有時偏向少數收益較高、但對新手來說不直觀的走法；有時在判斷當前局面最終必敗后，給出的預測又過于分散。

圖｜真實游戲中，人類與模型對下一步行動的預測分布示例。

5.是否繼續游戲

“直覺玩家”模型還被用于分析玩家是否愿意繼續游戲。研究團隊共分析了 142 次平局請求，其中 83 次被接受、59 次被拒絕。結果顯示，基于繼續游戲的期望收益、預期成本和游戲趣味性等特征建立的預測模型，能夠較好刻畫玩家是否接受平局請求；移除“直覺玩家”模型中的評估函數后，擬合效果下降。

不足與未來方向

不過，研究團隊指出，盡管直覺玩家模型能夠解釋人們在新游戲中的多類判斷和行動，它仍然存在適用范圍、推理過程和游戲創造等方面的不足。具體如下：

在適用范圍方面，當前模型主要研究雙人競爭性棋盤游戲，這些游戲大多是在井字棋、五子棋這類連線游戲基礎上改變規則，并不是完全陌生的游戲類型。未來還需要檢驗它在更復雜游戲中的適用性，例如圍棋、國際象棋，以及多 Agent 情境。

在推理過程方面，當前模型還缺少更細粒度的過程和個體解釋。研究團隊認為，未來需要關注幾類問題：人們會不會提前停止模擬，不同模擬之間是否會相互影響，是否有人根本不進行模擬，以及模型該如何捕捉這些差異。

在學習和調整方面，當前模型還無法說明人們如何更新自己的判斷規則：是在同一個游戲中不斷修正，還是會把經驗遷移到其他游戲。未來還需要進一步探究經驗、風險、時間限制、思考成本和策略偏好等因素，如何影響游戲推理。

在游戲創造方面，當前模型尚不能說明人們如何創造和修改游戲。研究團隊指出，人類不僅會學習和參與新游戲，也會主動設計和調整游戲規則。未來，仍需探索這類快速、淺層模擬的模型，能否解釋人們設計和改造規則時的判斷，并延伸到科學和數學探索等更開放的場景。

更多技術細節，詳見原論文。

作者：夏千斯

如需轉載或投稿，請直接在本文章評論區內留言