神经心智理论网络中的自发高阶泛化

心智理论是核心的人类认知能力，用于将心理状态归因于自己和他人。Wimmer 和 Perner 证明，人类在很短的时间内就从一阶心智理论发展到高阶心智理论，并在正规教育或高级技能习得之前完成这一发展。相比之下，以自回归语言模型为代表的神经网络仅在推理等高级技能提升的同时，才从一阶发展到高阶心智理论，这使其发展轨迹是否能像人类一样独立展开成为开放问题。在本研究中，我们提供证据表明，神经网络能够在不依赖高级技能的情况下，自发地从一阶泛化到高阶心智理论。我们引入了一个神经心智理论网络，模拟了一个最小认知系统，仅获得一阶心智理论能力。对其二阶和三阶心智理论能力的评估显示，准确率远高于随机水平。此外，ToMNN 在从一阶泛化到二阶心智理论时，比从二阶泛化到更高阶时表现出更急剧的下降，且其准确率随任务复杂度增加而降低。这些感知到的难度模式与人类认知预期一致。此外，结果在不同参数规模下的普适性得到了证实。我们的发现阐明了机器心智理论的泛化模式，并为开发更具类人特征的认知系统奠定了基础。