即使未曾接触过一款新游戏，人类也能依据其规则判断其公平与否、趣味高低。人工智能（AI）系统要达到类似能力，就必须掌握如何应对未知问题并决定下一步行动。
一项发表在《Nature》上的最新研究，由麻省理工学院（MIT）团队及其合作者完成，为这一能力的实现提供了见解。他们通过对121款游戏的大规模行为研究，提出了“直觉玩家”（Intuitive Gamer model）计算认知模型。该模型旨在解释人类在面对新游戏时，如何快速进行评估、形成判断并采取行动。
研究者在论文中指出，与进行详尽深入的推演相比，人类的判断过程更倾向于进行少量、快速、浅层的目标导向模拟。即使缺乏经验，人类在面对新游戏时，依然能够系统地评估并采取相对合理的策略。基于此机制的“直觉玩家”模型，在多项评估任务中均展现出比其他对比模型更接近人类的表现。
这项研究也为开发更具灵活性、更贴近人类推理方式的AI系统提供了方向。未来的AI不仅需要能够解决新任务，还需要具备判断哪些任务值得深入思考的能力。
“直觉玩家”模型：新手推理的计算框架
与以往依赖深度搜索的游戏推理模型不同，“直觉玩家”模型提供了一种针对新手游戏推理的计算性解释。它强调进行少量、浅层、目标导向且带有概率性的心理模拟，以此说明在缺乏经验的情况下，人们如何评估新游戏并选择行动。具体而言，“直觉玩家”模型由两个核心模块构成：玩家模块和推理模块。
玩家模块： 该模块负责解释行动选择。它依据目标导向的启发式规则来评估可选动作的价值，这些规则既考虑如何推进自身目标，也考虑如何阻碍对手达成目标。随后，模型根据动作的价值，以概率方式选择下一步行动。
推理模块： 该模块用于解释人们对游戏属性的判断。它会调用玩家模块进行少量的自我对弈模拟，以推断出胜利、失败或平局等可能的结果。这些模拟可以进行到游戏结束，也可以提前终止，最终模型会估计不同结果出现的概率。
为了研究新手如何推理新游戏，研究团队进行了一项大规模行为研究，招募了超过1000名参与者，并设计了121款双人策略棋盘游戏。这些游戏以井字棋、五子棋等连线玩法为基础，但在棋盘大小和具体规则上有所不同。这样的设计既保留了基本玩法的熟悉度，又能考察人们在面对新规则时的判断和行动能力。
为评估“直觉玩家”模型是否更接近人类表现，研究团队还设置了多种对照模型，用以比较不同的推理方式。这些对照模型包括：进行更深、更复杂搜索的专家玩家模型；仅随机行动的随机玩家模型；采用计算量更大的树搜索方法的蒙特卡洛树搜索模型；以及不显式模拟游戏过程、仅基于游戏描述或语言信息的模型。
实验结果分析
总体而言，实验结果表明，人类在做判断时并非依赖完整、深入的推演，而是主要通过脑中进行少量、快速、浅层的目标导向模拟。在多项任务测试中，“直觉玩家”模型均比其他对比模型更贴近人类的表现。具体结果如下：
1. 游戏公平性评估
“直觉玩家”模型在游戏公平性评估上的结果与人类评价高度一致。研究团队让238名参与者在不了解相关游戏的情况下，仅依据规则和空白棋盘来评估游戏结果。模型预测与人类判断的相关性达到了0.81，这接近于人类数据本身可解释的上限0.82。
通过消融分析，研究团队发现目标导向、概率选择、浅层推理和少量模拟等因素都对模型表现产生影响。移除其中任何一个设定，模型的拟合效果都会有所下降；特别指出，当模拟次数约为5-7次时，模型与人类的判断最为一致。
在78个可计算最优收益的游戏中，人类的判断总体上与理论最优结果的方向一致。然而，在预测人类实际给出的公平性判断时，“直觉玩家”模型比单纯依据最优收益得到的结果更为准确。
2. 游戏趣味性评估
在趣味性判断方面，“直觉玩家”模型同样展现出接近人类评分的表现。研究团队让246名参与者在没有经验的情况下评估游戏趣味性，并从模型模拟中提取了平衡性、决策质量和游戏长度这三项特征进行预测。这三项特征结合后，预测的拟合度达到了0.57，接近人类数据本身可解释的上限0.60。
泛化测试结果也表明，基于这三项特征的“直觉玩家”模型，比随机玩家、专家玩家以及仅依赖表层游戏特征的模型，更能准确预测人类对游戏趣味性的判断。
3. 首次游戏行动预测
“直觉玩家”模型在预测人类首次游戏行动方面，优于专家玩家和随机玩家。研究团队让302名参与者在新设计的40个游戏和井字棋中各玩一局。结果显示，“直觉玩家”模型对新手玩家实际游戏收益的解释度为0.72。在行动预测任务中，该模型也优于专家玩家和随机玩家，并在41个游戏中的32个游戏里解释了超过50%的行动概率分布。
研究团队进一步检验了首次游戏中的决策机制。结果表明，新手玩家的行动并不符合专家模型所代表的深度搜索模式，而更接近“直觉玩家”模型的快速浅层推理模式。
4. 预测下一步行动
在预测下一步行动方面，“直觉玩家”模型同样比专家模型和随机模型更贴近人类的判断。研究团队让新的参与者观看新手玩家的游戏视频，并预测他们下一步可能采取的行动。在249个棋盘状态下，“直觉玩家”模型与人类的预测更为一致。与专家模型相比，TVD（Total Variation Distance）差异为-0.15；与随机模型相比，TVD差异为-0.09，两者均达到了显著水平。
从具体案例分析，人类在预测下一步时，通常会同时考虑几个可能的走法，有时也会明显倾向于其中一步。“直觉玩家”模型给出的预测往往与这种模式相近。相比之下，专家模型有时会偏向少数收益较高但对新手不直观的走法；有时在判断当前局面最终必败后，给出的预测又显得过于分散。
5. 是否继续游戏分析
“直觉玩家”模型还被用于分析玩家是否愿意继续进行游戏。研究团队共分析了142次平局请求，其中83次被接受，59次被拒绝。结果显示，基于继续游戏的期望收益、预期成本和游戏趣味性等特征建立的预测模型，能够较好地刻画玩家是否接受平局请求。当移除“直觉玩家”模型中的评估函数后，模型的拟合效果有所下降。
不足与未来展望
尽管“直觉玩家”模型能够解释人们在新游戏中的多种判断和行动，但研究团队也指出了其存在的局限性，主要体现在适用范围、推理过程以及游戏创造等方面。
在适用范围方面，当前模型主要研究的是双人竞争性棋盘游戏，且这些游戏大多是在井字棋、五子棋等连线游戏基础上修改规则，并非完全陌生的游戏类型。未来需要进一步检验该模型在更复杂游戏中的适用性，例如围棋、国际象棋，以及多Agent（多参与者）的情境。
在推理过程方面，当前模型还缺乏更细粒度的过程和个体差异的解释。研究团队认为，未来需要关注几个问题：玩家是否会提前停止模拟，不同模拟之间是否会相互影响，是否存在完全不进行模拟的玩家，以及模型如何捕捉这些个体差异。
在学习和调整方面，当前模型尚不能解释人们如何更新自己的判断规则，例如是在同一个游戏中不断修正，还是会将经验迁移到其他游戏中。未来需要进一步探究经验、风险、时间限制、思考成本以及策略偏好等因素，如何影响游戏推理过程。
在游戏创造方面，当前模型还无法解释人们如何创造和修改游戏。研究团队指出，人类不仅会学习和参与新游戏，还会主动设计和调整游戏规则。未来，需要探索这类快速、浅层模拟的模型，是否能够解释人们在设计和改造规则时的判断过程，并将其应用到科学和数学探索等更开放的场景。