人類自稱“萬物之靈”，引以為傲的便是凌駕於一切生物之上的“智慧”。弈棋將人類的智慧體現得淋漓盡致，巧合的是，人工智能研究領域的每次重大突破似乎都與弈棋有關。1997年，IBM的“深藍”打敗國際象棋世界冠軍卡斯帕羅夫，2017年，谷歌的“AlphaGo”戰勝圍棋大師李世石，隨後的“Master”更是打敗圍棋世界第一人柯潔。一時間，人們紛紛驚呼人工智能即將超越人類智能，甚至終結人類文明。誠然，傳統心理學所設定的人類智能，如學習能力、記憶能力、判斷能力、分析能力、思維能力，都已經慢慢被人工智能趕上來。然而，作為心理學研究工作者，我們不應僅看到人類在人工智能這一試金石面前表現出來的“愚蠢”，更應採取“強認知”的研究取向，關注人類在面對各種複雜情景時超越機器的“聰明”之處，以此促進人工智能的發展。
其中，人類在對弈過程中展現的“讀心”（mindreading）能力尤為值得關注。“讀心”是指理解他人的各種心理狀態（包括信念、態度、願望等），是社會交往的核心能力。在社會化人工智能的發展過程中，如何讓機器人學會“讀心”，是實現高效人機交互的前提，是未來社會化人工智能的發展趨勢之一。國際象棋作為人工智能研究的“果蠅”，對人工智能的發展具有里程碑意義。認知科學研究者對“讀心”能力和國際象棋的研究已有超過30年的歷史，均取得了大量卓越的研究成果，但遺憾的是，兩者相結合的研究依然鳳毛麟角。我們認為，探討弈棋的“讀心”機制，不僅能豐富“讀心”能力的已有研究，而且將為促進動態交互過程心理機制的研究提供若干證據，併為人類開發社會化人工智能機器人的“讀心”模塊提供若干理論支撐。
一方面，有關“讀心”的早期行為研究主要形成了一系列經典任務範式，同時揭示了“讀心”能力的發展軌跡。近年來，研究者開始轉向關注“讀心”能力發展的影響因素。例如，藉助功能性磁共振成像（fMRI）、正電子發射斷層掃描（PET）及經顱磁刺激（TMS）、事件相關電位（ERP）等技術手段，研究者發現了“讀心”的腦與神經機制。“讀心”能力的加工主要對應的腦區位於內側前額皮質（medial prefrontal cortex）、雙側顳頂聯合區（temporo-parietal junction）和內側頂葉皮質（medial parietal cortex），且相關腦電成分在時間窗口上通常晚於在刺激出現後200ms，並一直持續到800ms左右甚至更晚。
另一方面，雖然國際象棋的認知心理學研究積累了大量的研究成果，但鮮有研究關注國際象棋對非智力因素的影響，而後者恰恰是人類應對複雜社會交互環境的核心技能。國際象棋作為一種零和博弈任務，雙方棋手不僅需要對盤面進行創造性的思維、推理、決策，同時也需要投入大量精力來獲取對手的心理狀態（包括低階的眼神與表情識別、動作意圖，以及高階的願望和信念），並對其進行預測，從而實時優化自身的策略。這一過程與日常生活中人們進行社會互動的場景高度契合，其理應有“讀心”能力的參與。
直到最近，上述經驗推理獲得了相關實證研究的支持。鮑威爾（Powell）等人於2017年開展的一項fMRI研究首次發現，國際象棋對弈過程與“讀心”任務可能激活相同的腦區。陳巍等人2019年採用視覺觀點採擇任務（visual perspective taking tasks）評估11—12歲有經驗的棋手和未接受國際象棋訓練的同齡人的“讀心”成績。在該任務中，被試需要判斷他們自己和任務中虛擬角色的視覺視角是否一致。結果表明，國際象棋選手的表現優於非國際象棋選手，但當任務需要較少的執行功能時，這種優勢就消失了。另外，與低執行功能需求的非棋手不同，在這種情況下，棋手並沒有表現出更好的視角採擇。這些發現表明，長期的國際象棋經驗可能與兒童在不耗盡認知資源的情況下更有效地接受他人的視角有關。
上述研究結果為思索“讀心”能力與國際象棋之間的關係提供了寶貴的研究數據，併為對話社會化人工智能提供了豐富的啟示。正是因為有了“讀心”作為對弈的社會認知基礎，才使得弈棋遊戲允許我們在社會互動中實現虛擬性的“反覆失敗”，在持續反覆的“死亡”與“重生”循環中，我們走向成功。儘管應對與環境和他人的互動失敗似乎是傳統的人工智能設計需要極力避免的，但是大腦層面的失敗與成功可以帶給我們同樣的“獎勵”。特別是當我們快要成功時，大腦會分泌多巴胺，激勵我們繼續嘗試下去。因此，從弈棋過程的“讀心”活動中不難發現，並不是只有成功的互動才能夠激勵學習，失敗也是弈棋學習的一部分。失敗是學習者測試自己習得內容的一種重要方式，認知主義者主張知識的載體是符號表徵，而符號表徵可以具有明確的定義。以過去基於認知主義的機器人為例，全世界最聰明的大腦為他們編寫了程序，賦予它們解決某類實際問題（步行、抓握）的能力（算法）。但在實際測試中一旦所面對的任務發生了些許的改變（場地變化、目標物體改變），這些機器人就手足無措了。具身機器人則在一定程度上克服了這類問題。這也是從認知主義轉向具身認知的一種新的洞見，即周遭世界中的信息對基於不同既有認知結構的對象具有不同的意義。對周圍事物的表徵方式在不同個體中並不完全一致。具身機器人正是放棄了將程序員編寫的抽象表徵作為固有的知識內容，讓機器人具有一些初步的感覺運動能力，與周圍環境互動並逐漸產生屬於自己的“認知結構”。在這一過程中，機器人制造者不再對機器人的問題解決策略進行預先的規定，而讓機器人在探索自身與環境的關係中逐漸發展出自己的問題解決策略。
這一問題在人工智能中被稱為概念接地（symbol grounding）。在對弈及其相關的下棋學習過程中，存在類似的問題。在弈棋概念知識的傳遞過程中，教練員對知識的闡述攜帶著屬於自己認知結構中加工的痕跡。對於弈棋學習者，這些概念可能需要有不同的表徵方式。如果強迫學習者按照某種方式去進行表徵，會影響該知識的存儲與應用。在對弈過程中，教練員與棋手建立共享的心理狀態並持續交互，棋手與知識的關係也發生了變化。棋手不再是被動去記憶、分析所接收到的信息，而是試圖主動構建自身與新知識的聯繫。最終，上述知識會以某種模塊特異性的方式參與到弈棋的“讀心”活動中。這意味著社會化人工智能的設計同樣必須深入思考概念接地問題。
（本文系浙江省哲學社會科學規劃項目“國際象棋訓練對小學生心理理論的影響及其提升研究”（18NDJC112YB）階段性成果）
（作者單位：紹興文理學院大腦、心智與教育研究中心；浙江大學語言與認知研究中心）
閱讀更多 中國社會科學網 的文章
