PsyBrain 脑心前沿 / AI 与脑科学：顶刊文献解读专题 / A · 文献解读 / A001 · 马普所NatCommunAI想出人类几乎发现不了的解法，

A001 马普所 Nat Commun | AI 想出人类几乎发现不了的解法，还被一代代学下去

来源：公众号 PSY-Brain_Frontier ｜发布：2026-10-06 ｜原文链接

● 认知神经科学前沿文献分享

论文信息：Propagation and preservation of AI-discovered problem-solving strategies in human culture

发表时间：2026-08-18

发表期刊：Nature Communications

本文目录

引言
实验设计与方法逻辑
核心发现
归纳总结和点评

引言

围棋是 AI 改变人类解题方式最有名的例子。AlphaGo 吸收了数百万局自我对弈的经验后，其下法跳出了传统棋谱。职业棋手研究并吸收这些下法之后，整体水平有了提升，开局习惯也跟着变了。可这些都是棋类领域里的观察，机器发现的策略怎样传给人，又能否在人与人之间一代代传下去，目前还缺少受控实验来回答。

这个问题关系到 AI 对人类文化的长期影响。文化演化理论认为，一个策略要在人群中扎根，需要先被发现，再经过传播，最后在比较中被保留下来。人类最容易卡在第一步，怎么发现一个长期有效的好策略，比如，当我们做规划时，往往只往前推几步，也本能地回避眼前的损失，那些要“先吃亏、后得利”的策略很难被人自己想到。机器的探索规模大得多，受这类偏差的影响也小。机器补上发现这一步之后，关键就落在了后两步：人能否从机器那里学到这个策略，以及这个策略能否长期地保留在人群中。

马克斯·普朗克人类发展研究所的 Levin Brinkmann、Iyad Rahwan 等人在 Nature Communications 发表研究，设计了一个人类很难独立解决的决策任务，并让深度强化学习机器加入一个延续五代的社会学习实验，直接追踪机器发现的策略能否被人类习得，并在机器离开后跨代保留下来。

实验设计与方法逻辑

实验使用的是奖励网络（reward network）任务（图 2）。参与者从固定起点出发，在网络里走十步，每一步都会得分或扣分，单步收益在 −50 到 +400 之间，目标是让总分尽可能高。网络经过专门设计，想拿到 +400 的高分连线，必须先接受至少三次扣分，这恰好和人回避损失的倾向相冲突。

图 2｜实验设计与网络任务。a 为群体结构，每个群体包含五代，每代 8 人，人机群体的第 0 代有 3 台机器；b 为实验流程，依次为个体学习、社会学习和示范三个阶段；c 为网络任务中的两种策略，短视策略追求即时收益，最优策略先承担损失再换取高收益

作者招募了 1155 名英美参与者，组成 30 个群体，每个群体延续五代，每代八人。其中 15 个群体全部由人类组成；另外 15 个是人机群体，只在第 0 代放入 3 台机器，和 5 名人类一起探索。机器采用深度 Q 学习（deep Q-learning），训练约五分钟就能稳定掌握最优策略。

从第 1 代开始，每名参与者能看到上一代随机抽出的 5 位玩家的平均成绩，从中选一位当老师，观看对方的解题回放并跟着走一遍，再在同一网络上独立作答。参与者知道群体里可能有机器，每位老师的身份则对他们保密。每名参与者先后遇到的网络都不重复，所以人们能带走的只有可以迁移的策略。作者逐代记录了任务得分和人与机器走法的一致程度，还收集了参与者自己写下的解题思路，全部分析均已预注册。

核心发现

● 发现一：人类很难自己想到的策略，在人机群体中留了下来

在纯人类群体里，这条策略几乎无人触及。600 名参与者中只有 1 人独立找到了它，后来又有 4 人从他那里学会。数据显示，人们会系统性地绕开包含三次损失的路径。

机器加入后，局面随之改变。15 个人机群体中，9 个群体的每一代都有人掌握这一策略；另外 6 个群体里，紧接机器的那一代有人掌握了它，之后没能继续传下去。纯人类群体中则有 14 个始终没有找到它。参与者普遍会挑成绩最好的人当老师，在第一个社会学习世代，约九成的人选中了机器。到最后一代，每名参与者的“师承”都能追溯到第 0 代的某台机器。

图 3｜四类典型群体。a 为人机群体，最优策略被永久保留（9 个）或暂时保留（6 个）；b 为纯人类群体，最优策略被发现（1 个）或始终未出现（14 个）。颜色代表得分，连线表示示范者与学习者的关系

● 发现二：机器带来的得分优势延续到了第四代

两类群体在第 0 代的得分相当，从第 1 代开始，人机群体持续领先（β = −309.2，P < 0.001）。这一优势在直接向机器学习的第 1 代最明显，到了与机器相隔四代的第 4 代依然显著（β = −229.1，P = 0.010）。

图 4｜各世代人类参与者的表现。a 为任务成绩；b 为人类走法与机器多数选择的一致性；c 为写出“主动接受损失”策略的参与者比例。绿色为纯人类群体，橙色为人机群体，每个点代表一个群体

● 发现三：人们学到的策略能迁移，也能说清楚

示范阶段用的都是参与者没见过的新网络，人机群体的走法仍然显著更接近机器，说明参与者已经把策略用到了新问题上。书面记录给出了另一条证据。人机群体每一代都有三到五成的人明确写出了“主动接受损失”的思路，纯人类群体中这一比例接近零。参与者写下的这些文字不会传给下一代，他们能主动把策略描述出来，说明它已经进入了自己的理解。

● 发现四：模拟划出了机器影响人类文化的条件

作者还用智能体模拟检验了这一过程。提高机器的探索能力，或者去掉它对损失的回避，都能让最优策略更容易被找到，也更容易被后代人类采纳。策略本身难以传播，或者人们分辨不出谁的成绩真正更好时，它就会在传递中逐渐丢失。机器想要持续影响人类文化，需要策略同时满足三个条件：人类自己难以发现，学起来足够容易，好处也看得出来。

图 5｜智能体模拟。纵轴为发现难度，横轴为传播难度；三列对应机器探索能力为人类的 1 倍、100 倍和 10000 倍，上下两排对应机器有无短视偏向。颜色表示最后一代采用最优策略的比例

图10

归纳总结和点评

这项研究用一个可控的多代实验，把“机器能否改变人类文化”从棋类中的零散观察变成了可以检验的问题。实验给出了一个清楚的例子：机器找到了人类几乎想不到的反直觉策略，人类学会了它，还在机器离开后把它一代代传了下去。发现、传播和选择三个环节的拆分，也为理解更广泛的人机互动提供了框架。如今生成式 AI 正让海量用户持续接触机器给出的方法，哪些策略会进入人类文化、又会怎样被保留下来，这项研究是一个很好的起点。

分享人：小虎
审核：PsyBrain 脑心前沿编辑部

● 原文信息与获取方式

DOI：10.1038/s41467-026-76113-2

获取原文：