Nature：“直觉玩家”心智模型揭示人们如何快速评估陌生游戏

导语

2026年7月发表于 Nature 的一项大规模行为研究发现，即使从未实际玩过一款游戏，人们也能仅凭规则对其公平性、趣味性及可能的行动作出系统判断。为解释这种零经验推理能力，研究者提出了“直觉玩家”计算认知模型：人们可能通过少量、浅层、目标导向且具有概率性的心智模拟，快速形成对陌生游戏的判断。该研究为理解人类如何评估和应对新问题提供了计算层面的解释，也为设计更灵活、更接近人类推理方式的人工智能带来启发——AI不仅需要判断如何完成新任务，还可能需要先判断一个任务是否值得投入计算资源。

关键词：游戏、认知模型、心智模拟、可玩性

郭瑞东丨作者

赵思怡丨审校

论文题目：People use fast and flat simulation to reason about new games 论文链接：https://www.nature.com/articles/s41586-026-10722-1 发表时间：2026年7月15日 论文来源：Nature

新手玩家无需构建复杂的游戏模型

游戏一直是研究人类与人工智能如何规划和推理的重要工具。不过，以往研究大多关注专业水平的博弈：认知科学家考察国际象棋高手的思维过程，人工智能研究则致力于开发能够在围棋等复杂游戏中击败职业选手的系统。相比之下，人们初次接触陌生游戏时如何理解规则、形成判断并采取行动，受到的关注相对较少。

然而在现实生活中，我们面对的大多数问题都不可能事先积累大量经验。人们经常需要在缺乏专业知识的情况下，迅速判断一个新问题是否值得参与，以及接下来应该怎么做。从这个意义上说，我们在许多生活情境中都是“新手玩家”。

这项研究以新手的首次游戏推理为切入点，招募了超过1000名参与者，并设计了121款双人策略棋盘游戏。这些游戏都源自井字棋、五子棋等 M–N–K 连子游戏：玩家在网格中轮流落子，尝试满足特定的连线条件。研究者在这一熟悉的核心机制上系统改变棋盘大小、获胜所需的连子数量、斜线是否有效、双方的获胜条件是否对称、后手能否在开局连续落子，以及“完成连线”意味着获胜还是失败等规则，最终构建出121种规则不同、但基本操作方式相近的游戏。

图 1：研究使用的游戏数据集和三种行为任务。

图1a展示了121款游戏中的10个例子，包括4×4棋盘三连获胜、5×5棋盘五连获胜、4×6棋盘四连获胜、无限棋盘三连获胜，以及5×5棋盘三连即输等变体。另一些游戏采用不对称规则，例如在7×7棋盘上，先手需要四子连线、后手只需三子连线；或者允许后手在开局连续落下两枚棋子。研究者还改变了连线方向的限制，例如只有斜线有效、只有先手可以通过斜线获胜，或只有先手不能以斜线获胜。尽管具体规则各异，这些游戏都保留了同一个熟悉的核心机制：双方在空格中轮流落子。

图1b—d展示了研究考察的三类推理任务。在游戏评价任务中（图1b），参与者只阅读规则说明并查看空白棋盘，随后估计游戏出现平局的可能性，以及在分出胜负的条件下先手获胜的概率。在首次行动任务中（图1c），两名都未玩过该游戏的参与者进行一局对弈，研究者记录他们每一步如何落子。在旁观预测任务中（图1d），参与者观看其他新手的对局视频，并在视频暂停时，用概率分布表示他们认为当前玩家下一步应该落子的位置。

传统的专家博弈模型通常会从当前局面向前搜索多步，比较不同走法可能引出的后续局面，并借助价值函数评估这些局面的优劣。AlphaGo等高水平博弈系统也会结合神经网络与树搜索，在大量候选局面中进行计算。缺乏相关经验的新手不太可能在短时间内完成如此密集的搜索；但他们的判断和行动也并非完全随机。因此，作者提出，新手推理可能处于随机行动与专家级深度搜索之间：计算量有限，却仍具有明确的目标和一定的系统性（图2b）。

图2：直觉玩家模型的认知心理学模型

为解释这种介于随机行动与深度搜索之间的推理方式，研究者提出了“直觉玩家”计算认知模型。该模型由两个相互配合的模块组成。

第一个是浅层的行动选择模块（图2c）。面对当前局面，模型只向前搜索一步，再利用一组抽象且可在局部计算的目标导向启发式规则评估不同走法，例如某一步能否推动自己接近获胜目标，或阻碍对手实现目标。模型不会机械地选择评分最高的走法，而是根据各个走法的相对价值，以一定概率作出选择。

第二个是快速的游戏推理模块（图2d）。它让上述行动模块进行少量自我对弈，再依据模拟产生的有限轨迹，估计游戏的胜负、平局、先后手优势等属性。换言之，模型不是穷尽所有可能的对局，而是通过少量、低成本的模拟迅速形成判断。

“直觉玩家”模型具有四个核心特征：

1. 快速：只运行少量模拟对局，而不是反复推演大量可能性。

2. 浅层：每次选择行动时只向前看一步，根据落子后立即形成的局面作出评估，而不展开深层决策树。

3. 目标导向：使用接近自身目标、阻止对手实现目标等通用而抽象的启发式规则评价行动。

4. 概率性：根据不同行动的相对价值进行概率选择，而非始终选择当前评分最高的一步。这种机制可以刻画人类判断中的不确定性和行为差异。

因此，“直觉玩家”并不是对人类大脑运算过程的直接测量，而是作者提出的一种计算解释：在人类认知资源有限的条件下，少量、浅层且目标明确的概率模拟，可能已经足以支持对陌生游戏的初步判断。

没有玩过，人们也能系统地判断游戏是否公平、是否好玩

前文介绍了“直觉玩家”模型的理论框架。接下来，研究者通过四项行为实验，检验这一模型能否解释人们在零经验条件下对陌生游戏的评价、行动与预测。

第一项实验招募了238名参与者。参与者不需要实际下棋，只需阅读自然语言描述的游戏规则并观察空白棋盘，随后估计游戏以平局结束的可能性，以及在分出胜负的情况下先手获胜的概率。研究者将这两项判断结合起来，计算参与者对先手期望收益的估计，以反映他们认为游戏是否平衡，以及规则更偏向哪一方。

图3：零样本、零经验条件下评估游戏的期望胜率

图3a比较了“直觉玩家”和其他模型对人类判断的预测。横轴为不同模型估计的先手期望收益，纵轴为参与者的平均估计；数据点越接近对角线，说明模型预测与人类判断越一致。在各类候选模型中，完整的“直觉玩家”模型表现最好，可以解释81%的人类判断差异（R2=0.81）。相比之下，当模型保留其他机制、但改为确定性地选择当前评分最高的行动时，其解释率降至0.53。这说明，概率性行动选择是模型复现人类判断的重要组成部分。

考虑到不同参与者的估计并不完全一致，研究者使用折半信度法，将参与者随机分为两组，比较两组平均判断的一致程度，以估计当前数据中可被模型解释的方差上限。结果显示，这一上限约为0.82；完整“直觉玩家”模型的 R2 达到0.81，接近该实验条件下的可解释方差上限（图3b中的虚线及粉色区间）。

消融分析进一步表明，移除模型中的进攻目标、防守目标、概率性选择或浅层搜索，都会降低模型与人类收益判断的一致程度。图3c考察了模拟次数 k 对拟合结果的影响：当模型运行约5—7次模拟对局时，其预测的人际判断差异最接近实验数据。这一结果支持人们可能依靠少量心智模拟形成判断，但不能据此断定每位参与者在大脑中实际进行了固定次数的完整对局模拟。

研究者还对其中能够计算最优解的78款游戏进行了博弈论分析。人类判断与博弈论最优结果具有一定的一致性（R2=0.62），说明参与者的直觉并非毫无根据；不过，“直觉玩家”模型对人类判断的拟合更好（图3d）。这并不意味着该模型比博弈论分析更准确地判断游戏的客观结果，而是说明它更适合描述新手在零经验条件下会如何评估游戏。

图4：玩家对游戏是否好玩的预估

第二项实验招募了另一组246名参与者，要求他们在实际游玩之前，仅根据规则描述和空白棋盘，判断每款游戏可能有多好玩。研究者借此考察，“直觉玩家”模型产生的游戏特征，能否解释人们对陌生问题更加主观的评价。

不同游戏获得的趣味性评分存在明显差异，参与者之间的判断分歧也比公平性判断更大。图4a选取若干代表性游戏，展示它们在人类平均评分上从较无趣到较有趣的大致分布。总体而言，评分较高的游戏往往采用较大的棋盘，并要求连接适中数量的棋子；但棋盘大小与趣味性之间并不存在简单的对应关系。例如，不少10×10棋盘游戏的评分仍低于平均水平，而平均评分最高的单款游戏实际上是5×5棋盘上“三连即输”的反常规游戏。

研究者进一步从“直觉玩家”的模拟结果中提取出三个与预期趣味性有关的特征：

1. 平衡性（图4b）：游戏不容易以平局结束，同时双方均有相近的获胜机会。

2. 思考回报（图4c）：采用目标导向策略，相比随机落子能够获得多大的优势。

3. 预期游戏长度（图4d）：游戏长度与趣味性呈倒U形关系——过早结束可能缺乏发挥空间，持续过久则容易显得冗长，长度适中时评分相对较高。

将平衡性、思考回报和预期长度结合起来建立回归模型后，可以解释57%的人类平均趣味性评分差异（R2=0.57）；作为参照，实验数据根据折半信度估计出的可解释方差约为0.60。结果表明，人们在尚未实际游玩时形成的趣味性预期并非完全随意，而是与游戏是否平衡、思考能否带来回报，以及对局长度是否适中等结构特征系统相关。

不过，这里测量的是参与者对游戏“可能有多好玩”的预期，而不是实际游玩后的体验。因此，实验说明模型能够较好地描述人们如何预判游戏趣味性，尚不能证明这些判断一定准确反映真实的游玩感受。

模型能够较好预测新手首次对局时会怎么走

第三项实验考察“直觉玩家”模型能否解释人们第一次实际玩陌生游戏时的行动。研究招募了302名参与者，让他们两两对弈。每名参与者对任何一款游戏都只玩一局；研究覆盖40款新游戏，并将人们熟悉的井字棋作为对照。实验共记录1,808局对弈、9,892次落子。

图5a比较了“直觉玩家”“专家玩家”和“随机玩家”三个模型对人类实际落子的预测能力。结果显示，无论按单步落子还是整局对弈计算，人类选择在“直觉玩家”模型下的平均对数似然都显著高于另外两个模型。这意味着，与依赖深层搜索的专家模型或完全随机的模型相比，快速、浅层且目标导向的模型更接近新手第一次对局时的实际选择。

研究者还通过混合模型分析三种策略对不同游戏中人类落子的相对解释力（图5b）。在全部41款游戏中，“直觉玩家”是37款游戏的主要解释成分，约占90%。不过，它并非在所有情况下都表现最好：人们已经熟悉的井字棋，以及“三连即输”等规则较为反常的游戏，与该模型的预测相对不一致。这也说明，“直觉玩家”更适合描述人们面对新颖但仍容易理解的游戏规则时所采用的初步策略，而不是一种适用于所有游戏和经验水平的普遍模型。

图5：首次玩时直觉玩家的表现

对局中，参与者可以提出、接受或拒绝和棋。在1,808局对弈中，共出现142次和棋请求，其中83次被接受、59次被拒绝。图5e显示，参与者的决定不仅取决于当前局面的预期价值，也与游戏的趣味性有关：游戏越有趣，人们越愿意在局面相对不利时拒绝和棋、继续对局。这表明，人们判断是否继续投入时间和精力时，不只考虑胜负，也会考虑继续参与本身是否值得。

第四项实验最初招募314名参与者，其中304人通过质量控制。他们观看其他新手的对局视频，并在视频暂停时，用概率分布表示当前玩家下一步应该落在哪里。图5c以总变差距离衡量模型与人类判断的差异，数值越低代表越接近。结果显示，“直觉玩家”与人类判断的差异最小，在许多局面上接近参与者内部一致性的参照水平。

因此，该模型不仅能较好预测新手首次对局时会怎么走，也能描述旁观者认为新手接下来可能怎么走。这里的“预测较好”是指更接近人类行为，而不是更接近博弈论意义上的最优走法。

图6：不同模型对玩家旁观时预测落子和真实落子的评估

图6对旁观棋局实验中的具体情况进行描述。十组棋盘，每组三行：第一行为人类旁观者的预测，中间行为直觉玩家，最下的行为专家玩家；紫色越深代表模型评估的概率，空心圆是当局者实际落子的位置。在图6a到e的棋局里，人类把概率摊在几个看着都合理的格子上，直觉玩家也摊得开；专业玩家却要么把概率堆在一两个"深搜索下最优、但常人看着莫名其妙"的格子上，要么在深搜索判定"反正要输"时把概率撒成一片均匀的无奈（图6d、f）。直觉玩家也有失手：有时它过于自信，概率分布过于集中（图6h）；在棋子挤作一团、连人类旁观者漏看杀招的盘面（图6i）无论直觉玩家还是专业玩家模型给出的预测都比人更尖。作者列出这些预测失败的案例，以说明模型的能力边界。

该研究对AI的启示

“直觉玩家”模型可以被视为一种低成本的浅层心智模型：面对陌生游戏，人们不必穷尽所有可能的对局，而是通过少量、浅层、目标导向且具有概率性的模拟，迅速判断游戏可能是否公平、是否有趣，以及接下来应该如何行动。该模型不仅能够预测人们对游戏的总体评价，也能较好地捕捉新手首次对局时的行为分布。

在论文设定的计算条件下，“直觉玩家”比“专家玩家”模型快约700倍，评估的棋盘状态少约500倍；与蒙特卡罗树搜索相比，其运行速度快近4万倍，节点评估量少近1万倍。尽管它不如专家模型接近博弈论意义上的最优策略，却更符合新手的实际判断和选择。这说明，高质量的人类行为预测未必依赖大规模深度搜索；在某些场景中，有限但有针对性的计算反而更加合适。

这一发现为AI设计提供了一种潜在思路：面对新任务时，系统可以先用低成本模型快速判断任务的结构、价值和求解难度，再决定是否投入更多计算资源。类似机制可能适用于实时决策、低算力设备和新的多智能体环境，也可用于预测用户面对陌生规则或产品时的行为，从而设计更了解新手的AI对手、教练或助手。不过，这些仍属于潜在应用，论文并未在复杂真实环境中直接验证其工程效果。

研究还发现，人们对游戏趣味性的预期与三个因素有关：游戏是否平衡、思考能否带来回报，以及游戏长度是否适中。这与既有游戏研究中有关战略深度、能力展示和学习进步的发现相呼应。未来可以进一步考察自主性、社交联结、沉浸感和操控体验等因素，检验“直觉玩家”模型能否解释更丰富的游戏体验和主观评价。

论文最后将科学研究类比为一种探索问题与规则空间的“元游戏”：科学家不仅需要解决问题，还要判断哪些问题值得研究；数学家也常通过改变或放宽某项规则，寻找新的猜想与证明路径。这与新手面对陌生游戏时设想不同规则会产生什么结果具有一定相似性。如果这种类比成立，“直觉玩家”模型或许还能帮助理解人们如何选择值得投入思考的问题。不过，这一外推目前主要是一种理论设想，能否真正解释科学思维，仍需进一步研究。

研究局限与未来展望

这项研究的一项主要局限，是实验范围仍然较窄。121款游戏虽然规则各异，但都属于双人、竞争性、完全信息的 M–N–K 连子游戏，核心操作都是在网格中落子，目标结构也高度相似。这样的设计既能保持基本机制易于理解，又能系统控制规则变化，但也限制了结论的外推范围。“直觉玩家”模型能否解释人们面对围棋、国际象棋等更复杂游戏，乃至合作、不完全信息或多人博弈时的推理，目前仍不清楚。

其次，研究对玩家差异的分析仍不充分。参与者过去接触井字棋、五子棋等游戏的经验和水平，可能影响他们理解新规则和迁移既有策略的方式。虽然论文分析了模型对个体玩家行动的拟合，但尚未系统解释不同策略类型及其来源。未来可以进一步比较不同年龄、经验和认知能力群体，考察人们如何从熟悉规则迁移到陌生游戏。

模型比较也有继续加强的空间。论文不仅比较了随机玩家、专家玩家和蒙特卡罗树搜索，还在补充材料中纳入了语言特征模型和语言模型基线；因此，不能简单地说研究“没有与大模型比较”。不过，专家模型和蒙特卡罗树搜索主要用于提高博弈水平，本来就不是为预测新手行为而设计。未来应加入更多有竞争力的认知模型、前沿大模型和学习型价值模型，以检验“直觉玩家”的优势究竟来自其特定机制，还是来自候选模型设置的差异。

“直觉玩家”本身也需要扩展。当前启发式函数主要围绕连线、阻挡和接近目标等局部特征设计。若要推广到其他任务，模型还需处理连通、占领区域、资源分配、隐藏信息、合作与多方互动等更复杂的目标。找到能够跨任务迁移的通用启发式规则，是构建人类“直觉博弈理论”计算模型的关键一步。

最后，模型拟合行为数据，并不等于直接揭示了大脑的真实计算过程。未来需要更细致的过程研究，检验人们是否真的进行了少量心智模拟、模拟会在何时提前停止，以及落子顺序和局面阶段如何影响推理深度。现有模型也没有描述人们如何在一局游戏中学习、如何跨游戏调整启发式策略。进一步研究时间压力、思考成本、风险水平和个人偏好等因素，将有助于解释不同人在陌生问题面前为何会采用不同的推理方式。

人工智能与哲学读书会

目大语言模型开始推理与创作，具身智能进入物理世界，AI for Science参与提出假设、设计实验与发现规律，人工智能正从执行指令的工具，逐渐进入知识生产与认知活动。

但能力的涌现并未终结关于智能的争论，反而带来新的追问：机器表现得智能，是否意味着它真正拥有智能？计算能否产生意识？大语言模型是在理解语言，还是在预测符号？AI参与科学发现，生成的内容能否被称为知识？这些问题已经超出单纯的技术评测，涉及智能、意识、意义、知识与主体的基本定义。

在此背景下，「集智俱乐部」联合人工智能哲学、心智哲学、逻辑学、知识论、科技哲学与复杂科学等领域的学者，共同发起“涌现之后：追问机器的智能、意识与知识”。本季读书会将采用腾讯会议线上直播的方式，从 2026 年 8 月26 日开始，每周三晚19:30-21:30，通过10期讲座和各位一起回到人工智能的概念基础与思想史现场，从人工智能哲学的方法论出发，依次讨论归纳、具身认知、机器意识、大语言模型的符号学，并进一步延伸至赛博格行动、价值对齐和AI驱动的科学发现。

详情请见：

1.

2.

3.

4.

5.

6.

7.