神经科学家利用游戏玩家来研究人们如何解决问题
《糖果粉碎传奇》(Candy Crush Saga)、《自由流动》(Flow Free)或《扫雷》(扫雷)的粉丝们应该试试一款具有挑战性的新手机游戏应用hexxed，它可以帮助大脑研究人员理解人类的战略思维，或许还能提高人工智能的推理能力。
这个难题游戏由加州大学伯克利分校的神经科学家高塔姆·阿加瓦尔和他的同事们以及葡萄牙里斯本的尚帕利莫未知中心于本月通过苹果应用商店和谷歌Play发布。
下载hexxed的玩家将面临一款比大多数手机游戏更具挑战性的游戏，后者可以在消磨时间或看电视的时候无脑地玩。那些玩六边形的人必须学会如何在几乎没有任何指示的情况下成功——他们必须在飞行中找出规则。
Agarwal说道:“我真的希望尽可能避免让玩家产生偏见，所以从某种意义上来说，这与游戏设计的基本原则(游戏邦注:即使用故事情节去引导玩家)是不一致的。
通过不提供关于规则或目标的叙述，Agarwal的团队试图让人类的游戏体验类似于人工智能(AI)可能接近的方式，即盲目地寻找能够最大化赢得点数的模式。他说，这样一来，他可以更直接地将人类的策略与最先进的技术进行比较神经网络它是当今人工智能的核心，或许还能为人工智能如何达到人类更灵活的智能提供一个基准。
这款应用在众包游戏玩家为人类思维方式的基础研究做出贡献方面也很少见。其他众包研究，特别是通过亚马逊土耳其机器人(Amazon Mechanical Turk)提供的研究，也提供了这些研究大型数据集可以用来研究认知。
阿加瓦尔说:“人们一直在以游戏的形式进行行为实验，但科学家们似乎并不特别明智地使用这种媒介。”“这个游戏是公民科学的一种形式，它可以帮助我们在一个更身临其境的环境中模拟行为，而不是我们通常在实验室中构建的行为。”
hexxed应用会存储玩家的每一步行动，并将数据反馈给团队进行分析。如果有足够多的玩家升到最高级别并精通这款游戏——阿加瓦尔希望至少有1000名专家级玩家被这款游戏“施咒”——他将获得一个独特的数据集，科学家们可以从中挖掘关于智能解决问题的无数科学问题的答案。
Agarwal说道:“最初，我们专注于那些让玩家突然间能够解决所有相关问题的洞见飞跃。“希望如果我们有一个足够好的模型，我们就能以更细粒度的方式分析这些数据，并开始了解个人经验中更细微的差异:文化差异、年龄差异、性格差异。有些人更倾向于焦虑，计划，沉思或坚持。他们是否以不同的方式对待游戏?”
游戏复杂性的最佳点
阿加瓦尔说，迄今为止，对人类推理感兴趣的科学家使用了两种方法中的一种。第一种是使用简单的、基于实验室的任务。虽然这些问题很容易建模，但它们与现实问题中的复杂程度相去甚远。
在另一端，研究人员使用了现有的游戏，如国际象棋、围棋和俄罗斯方块。但所有这些都是复杂的战略游戏——有些游戏，比如国际象棋，有着特殊的规则——很难建模，因为游戏棋盘基本上有无限种可能的安排。
阿加瓦尔说:“像国际象棋或俄罗斯方块这样的游戏的问题在于，你无法绘制出可能体验的空间——它们实际上是无限的。”阿加瓦尔2009年在加州大学伯克利分校获得神经科学博士学位，与海伦·威尔斯神经科学研究所所长埃胡德·艾萨克夫合作。与大多数神经科学任务不同，这个六边形应用程序要求参与者从一个很大但定义明确的行动空间中进行选择。更重要的是，在你打败它的时候，你基本上已经解决了164个可能的谜题。每个人都会尝试每个谜题，从而形成一个更全面的地图，将谜题空间与行动空间联系起来。”
去年，当阿加瓦尔在尚帕利莫未知中心(Champalimaud Centre for the Unknown)做博士后时，他和同事们在十几个对象上测试了这个游戏的原型，发现人们会采用相同的常见策略，包括次优策略。当他们发展到需要新的解决方案的水平时，受试者不断采用过时的策略，无法应对挑战。
随后，他将人类的游戏表现与几个用于掌握围棋和雅达利游戏的神经网络进行了比较。
“人工智能成功了，但花了更长的时间，”阿加瓦尔说。“在关卡1中，玩家按两次尝试的顺序去打败它。人工智能进行了20次尝试。当人工智能达到第5级时，他们更接近人类。但如果你看看人类和AI如何解决单个谜题，在游戏结束时，人类完美地收集了一半的谜题，但AI几乎没有完美地解决任何谜题。它似乎把这些足够好的解决方案拼凑在一起，但从来没有真正触及问题的症结——它在做一些愚蠢的事情。”
阿加瓦尔关于人类游戏策略的发现可以帮助设计具有更好解决问题技能的神经网络和人工智能。
他说:“当你处在一个新的环境中，你必须把过去看似无关的经验拼凑起来，才能想出一些新的东西——就人工智能而言，这更接近前沿。”“这是泛化的问题。你如何将熟悉的策略应用到不熟悉的问题上?什么时候应该放弃这些策略，尝试完全不同的方法?”
他怀疑人们会聚集在少数不同的解决游戏的方法上，当他们面对游戏中日益复杂的程度时，他们会从一种方法跳到另一种方法。
他说:“我们每个人在看待问题时都只有一个本地的有利位置，直到我们放弃它，转向另一个本地的有利位置，另一种理论。”“通过观察成千上万的人，我们可以鸟瞰人类作为一个群体是如何以一种没有人能够自己看到的方式来解决相同的问题的。这个游戏是一种系统地引导人们做出一系列发现的方法，这样我们就可以用数学的方式来建模。”
他已经看到玩家——他现在有大约40名专门的测试人员——会创造出关于哪种策略有效的故事，其中许多是错误的。他的母亲甚至谈到了最后一个层次，她对如何才能成功的错误叙述。
阿加瓦尔说:“到目前为止，我们收集到的数据表明，故事的中心是怎样的，尽管这并不是我们一开始预期的情况。”“不管我们喜欢与否，这就是人们处理复杂问题的现实。”
他认为这与投票所涉及的复杂决策有着有趣的相似之处，投票需要平衡许多有时相互矛盾的证据，形成叙述来简化过程，但这不可避免地导致过度简化，并做出可能产生长期影响的短暂决定。
他补充说:“我认为这个项目是一个数学尝试，用来解释人们如何用故事来理解世界。”
