人类自称“万物之灵”，引以为傲的便是凌驾于一切生物之上的“智慧”。弈棋将人类的智慧体现得淋漓尽致，巧合的是，人工智能研究领域的每次重大突破似乎都与弈棋有关。1997年，IBM的“深蓝”打败国际象棋世界冠军卡斯帕罗夫，2017年，谷歌的“AlphaGo”战胜围棋大师李世石，随后的“Master”更是打败围棋世界第一人柯洁。一时间，人们纷纷惊呼人工智能即将超越人类智能，甚至终结人类文明。诚然，传统心理学所设定的人类智能，如学习能力、记忆能力、判断能力、分析能力、思维能力，都已经慢慢被人工智能赶上来。然而，作为心理学研究工作者，我们不应仅看到人类在人工智能这一试金石面前表现出来的“愚蠢”，更应采取“强认知”的研究取向，关注人类在面对各种复杂情景时超越机器的“聪明”之处，以此促进人工智能的发展。

其中，人类在对弈过程中展现的“读心”（mindreading）能力尤为值得关注。“读心”是指理解他人的各种心理状态（包括信念、态度、愿望等），是社会交往的核心能力。在社会化人工智能的发展过程中，如何让机器人学会“读心”，是实现高效人机交互的前提，是未来社会化人工智能的发展趋势之一。国际象棋作为人工智能研究的“果蝇”，对人工智能的发展具有里程碑意义。认知科学研究者对“读心”能力和国际象棋的研究已有超过30年的历史，均取得了大量卓越的研究成果，但遗憾的是，两者相结合的研究依然凤毛麟角。我们认为，探讨弈棋的“读心”机制，不仅能丰富“读心”能力的已有研究，而且将为促进动态交互过程心理机制的研究提供若干证据，并为人类开发社会化人工智能机器人的“读心”模块提供若干理论支撑。

一方面，有关“读心”的早期行为研究主要形成了一系列经典任务范式，同时揭示了“读心”能力的发展轨迹。近年来，研究者开始转向关注“读心”能力发展的影响因素。例如，借助功能性磁共振成像（fMRI）、正电子发射断层扫描（PET）及经颅磁刺激（TMS）、事件相关电位（ERP）等技术手段，研究者发现了“读心”的脑与神经机制。“读心”能力的加工主要对应的脑区位于内侧前额皮质（medial prefrontal cortex）、双侧颞顶联合区（temporo-parietal junction）和内侧顶叶皮质（medial parietal cortex），且相关脑电成分在时间窗口上通常晚于在刺激出现后200ms，并一直持续到800ms左右甚至更晚。

另一方面，虽然国际象棋的认知心理学研究积累了大量的研究成果，但鲜有研究关注国际象棋对非智力因素的影响，而后者恰恰是人类应对复杂社会交互环境的核心技能。国际象棋作为一种零和博弈任务，双方棋手不仅需要对盘面进行创造性的思维、推理、决策，同时也需要投入大量精力来获取对手的心理状态（包括低阶的眼神与表情识别、动作意图，以及高阶的愿望和信念），并对其进行预测，从而实时优化自身的策略。这一过程与日常生活中人们进行社会互动的场景高度契合，其理应有“读心”能力的参与。

直到最近，上述经验推理获得了相关实证研究的支持。鲍威尔（Powell）等人于2017年开展的一项fMRI研究首次发现，国际象棋对弈过程与“读心”任务可能激活相同的脑区。陈巍等人2019年采用视觉观点采择任务（visual perspective taking tasks）评估11—12岁有经验的棋手和未接受国际象棋训练的同龄人的“读心”成绩。在该任务中，被试需要判断他们自己和任务中虚拟角色的视觉视角是否一致。结果表明，国际象棋选手的表现优于非国际象棋选手，但当任务需要较少的执行功能时，这种优势就消失了。另外，与低执行功能需求的非棋手不同，在这种情况下，棋手并没有表现出更好的视角采择。这些发现表明，长期的国际象棋经验可能与儿童在不耗尽认知资源的情况下更有效地接受他人的视角有关。

上述研究结果为思索“读心”能力与国际象棋之间的关系提供了宝贵的研究数据，并为对话社会化人工智能提供了丰富的启示。正是因为有了“读心”作为对弈的社会认知基础，才使得弈棋游戏允许我们在社会互动中实现虚拟性的“反复失败”，在持续反复的“死亡”与“重生”循环中，我们走向成功。尽管应对与环境和他人的互动失败似乎是传统的人工智能设计需要极力避免的，但是大脑层面的失败与成功可以带给我们同样的“奖励”。特别是当我们快要成功时，大脑会分泌多巴胺，激励我们继续尝试下去。因此，从弈棋过程的“读心”活动中不难发现，并不是只有成功的互动才能够激励学习，失败也是弈棋学习的一部分。失败是学习者测试自己习得内容的一种重要方式，认知主义者主张知识的载体是符号表征，而符号表征可以具有明确的定义。以过去基于认知主义的机器人为例，全世界最聪明的大脑为他们编写了程序，赋予它们解决某类实际问题（步行、抓握）的能力（算法）。但在实际测试中一旦所面对的任务发生了些许的改变（场地变化、目标物体改变），这些机器人就手足无措了。具身机器人则在一定程度上克服了这类问题。这也是从认知主义转向具身认知的一种新的洞见，即周遭世界中的信息对基于不同既有认知结构的对象具有不同的意义。对周围事物的表征方式在不同个体中并不完全一致。具身机器人正是放弃了将程序员编写的抽象表征作为固有的知识内容，让机器人具有一些初步的感觉运动能力，与周围环境互动并逐渐产生属于自己的“认知结构”。在这一过程中，机器人制造者不再对机器人的问题解决策略进行预先的规定，而让机器人在探索自身与环境的关系中逐渐发展出自己的问题解决策略。

这一问题在人工智能中被称为概念接地（symbol grounding）。在对弈及其相关的下棋学习过程中，存在类似的问题。在弈棋概念知识的传递过程中，教练员对知识的阐述携带着属于自己认知结构中加工的痕迹。对于弈棋学习者，这些概念可能需要有不同的表征方式。如果强迫学习者按照某种方式去进行表征，会影响该知识的存储与应用。在对弈过程中，教练员与棋手建立共享的心理状态并持续交互，棋手与知识的关系也发生了变化。棋手不再是被动去记忆、分析所接收到的信息，而是试图主动构建自身与新知识的联系。最终，上述知识会以某种模块特异性的方式参与到弈棋的“读心”活动中。这意味着社会化人工智能的设计同样必须深入思考概念接地问题。

（本文系浙江省哲学社会科学规划项目“国际象棋训练对小学生心理理论的影响及其提升研究”（18NDJC112YB）阶段性成果）

（作者单位：绍兴文理学院大脑、心智与教育研究中心；浙江大学语言与认知研究中心）