重复石头剪刀布游戏中个体策略偏离纳什混合均衡反映自闭症谱系特质

本研究通过人工智能代理与人类进行300轮石头剪刀布(rRPS)游戏，开发了一种新型社交行为检测框架。研究人员发现人类玩家会通过快速切换滞后1条件响应规则(DCU|wtl等)来模拟随机性，这种策略转换模式与自闭症谱系商数(AQ28)的社交技能、想象力和常规性亚量表显著相关。该研究为精神疾病诊断提供了可量化的社交行为生物标志物，支持了美国国家心理健康研究所(NIMH)提出的研究领域标准(RDoC)框架。

　　

在精神健康领域，当前基于症状描述的诊断体系存在明显局限。不同病理生理机制可能导致相似症状，而主观评估易受社会期望偏差和评分者间信度问题影响。美国国家心理健康研究所(NIMH)提出的研究领域标准(RDoC)框架试图突破这一困境，主张从神经行为功能维度重新定义精神障碍。其中，社交功能缺陷作为跨诊断的核心特征，亟需开发客观、可重复的量化检测方法。

针对这一挑战，伍斯特理工学院联合明尼苏达大学等机构的研究团队创新性地将经典游戏石头剪刀布改造为神经行为检测工具。研究采用300轮重复石头剪刀布(rRPS)范式，让1370名受试者与自适应人工智能(AI)代理对抗，同时收集自闭症谱系商数简版(AQ28)量表数据。通过分析人类玩家偏离纳什混合均衡(NME)策略的行为特征，揭示了社交认知的个体差异与自闭症特质的内在关联，相关成果发表在《Scientific Reports》。

研究主要采用三项关键技术：1)基于3个感知器构建的AI代理系统，实时更新参数预测玩家下一步动作；2)创新性提出滞后1条件响应规则检测算法，通过滑动窗口(B=3)计算条件概率时间序列；3)嵌套交叉验证Lasso回归模型，分析1521个行为特征与AQ28亚量表的相关性。

规则库检测
通过分析DCU|wtl等6种规则框架的54种条件响应规则，发现人类玩家存在显著个体差异。与模拟规则切换者(RS(n)vAI(i))相比，真实玩家表现出特征性的规则使用偏好，如胜后复制(C|w)概率显著高于败后复制(C|l)。聚类分析揭示8种典型规则使用模式，其中第7类玩家完全回避复制策略。

规则切换检测
在模拟数据验证中，虽然存在较多假阳性，但成功捕捉到规则切换的平均间隔时间(11-14轮)和关键转换节点。真实玩家数据显示，规则切换后立即出现优势重获现象(RSTW)，证实了"猫鼠动态"假说。

行为特征稳定性
对15名重复测试者分析显示，条件概率标准差等特征具有中等程度稳定性(r=0.32-0.41)，显著高于随机对照。AI内部状态特征(如感知器置信度)展现出最佳重测信度。

自闭症特质预测
行为特征对AQ28总分预测效果最佳(R²=0.18)，其中社交技能亚量表与规则转换频率负相关，常规性亚量表与DCU|rps框架使用强度正相关。值得注意的是，数字模式兴趣亚量表未显示显著关联，表明rRPS主要捕获社交认知而非感知加工特质。

该研究首次证实重复博弈中的策略动态可量化反映个体社交认知特质。通过构建规则切换的数学模型，将抽象的"心理理论"(ToM)能力转化为可计算的行为特征。方法学上，创造性地将博弈论均衡分析与机器学习相结合，为精神疾病的生物标志物开发提供了新范式。未来研究可结合脑电等生理指标，进一步揭示策略转换的神经机制。临床转化方面，这种低成本、易标准化的检测工具特别适合大规模筛查，有望弥补现有诊断量表的文化偏差和主观性问题。研究结果强力支持RDoC框架的核心理念，即精神障碍本质上是基本神经行为维度的异常量化表现。

研究也存在若干局限：样本以网络招募为主，临床人群代表性不足；300轮游戏时长可能影响特征稳定性；当前AI代理的内部状态可解释性有待提升。作者计划在后续工作中采用隐马尔可夫模型改进规则切换检测，并整合Kaggle竞赛中的可解释AI算法。这些改进将推动该范式向临床诊断工具转化，最终实现精神疾病分类从症状描述向神经行为机制的范式转变。