灵长类动物对他人心智的了解及其使用频率：比较心智理论的计算方法

《Cognition》：What primates know about other minds and how often they use it: A computational approach to comparative theory of mind

　　

摘要

非人灵长类动物（NHPs）能否表征其他个体的心智？回答这个问题是困难的，因为灵长类动物可能因缺乏动力而在任务中失败，或者通过更简单的策略而成功。在此，我们通过一个用于非人灵长类动物心智理论的计算理论测试框架来应对这些挑战。在该框架中，每个理论将一种假设的社会表征与一个表征使用频率的参数相结合。对这些模型进行拟合，使得现有解释中未明确陈述的一个假设得以凸显：非人灵长类动物必须在多大程度上依赖某种假设的表征，该解释才能拟合数据。这使我们能够超越关于心智理论存在与否的二元立场，转而将分级的行为模式分析为认知表征及其使用的组合。我们将这种方法应用于心智理论中最基础且研究最为充分的一个方面：看见与知道之间的关系。我们的结果表明，只有那些假设非人灵长类动物对他人心智具有一定表征的理论，才能捕捉到五种经典视角采择范式中所出现的成功与失败的定性模式。然而，这些理论对其表征的依赖程度各不相同，且每一种均显著低于人类基线。这些结果表明，人类与非人灵长类动物的社会认知在依赖程度上存在差异，在表征复杂性上也可能存在差异。

章节摘要

研究范围与范式

心智理论是一个复杂的认知系统，包含许多子组件（包括针对他人心智进行推断、预测、解释乃至规划的机制；Ho et al., 2022, Wang et al., 2025）。在这里我们聚焦于一个研究充分的组件：根据他人的视觉视角判断其所见与所知的能力（参见 Phillips et al., 2021 的综述）。这种将看见与知道联系起来的能力是心智理论最基本的组成部分之一，它在人类婴儿早期即已出现（Luo &

实验范式

我们的研究聚焦于十一个实验及其对照，旨在评估非人灵长类动物（NHPs）对另一个体的视觉视角如何影响其知识这一问题的理解（见表格 1）。这十一个实验归为五种一般范式（如图 2 所示），它们遵循相似的结构：一个受试者与一个占支配地位的竞争者隔围栏对峙，两侧各有两份食物奖励，最终它们会为这些奖励展开竞争。由于非人灵长类物种中的占支配个体往往

结果

我们的分析包含两个阶段。首先，我们考察各模型在完全依赖条件下的表现，以比较预测效应量与实证效应量。随后，我们引入依赖参数并将其拟合到实证数据，以揭示假设表征与其依赖程度之间的关系。

发现总结

在此，我们提出了一个用于比较社会认知的计算框架，并以视觉视角采择为案例加以应用。我们将非人灵长类动物（NHP）社会表征的候选理论实现为计算模型，并在视角采择文献中的五种范式中对其进行检验。利用这些模型推导出每种理论所预测的效应量后，我们发现，表征最为复杂的模型最符合人类行为，而多种

结论

理解非人灵长类动物（NHPs）如何认知彼此的心智，是过去四十年来比较认知科学的一项核心目标。然而，进展较为困难，因为 NHPs 在某些任务中可能无法展现其能力，或者在其他任务中通过更简单的策略取得成功。

我们的研究通过将不同理论形式化，并估算每种理论必须假设的依赖程度以解释行为，从而推动了这一争论。我们的结果表明，类人式的

CRediT 作者贡献声明

Marlene D. Berke：撰写 – 审稿与编辑，撰写 – 初稿，可视化，验证，软件，方法学，调查研究，形式化分析，概念构思。Daniel J. Horschler：撰写 – 初稿，可视化，验证，软件，方法学，调查研究，资助获取，数据整理，概念构思。Amanda Royka：撰写 – 审稿与编辑。Laurie R. Santos：概念构思。Julian Jara-Ettinger：撰写 – 审稿与编辑，撰写 – 初稿，

关于在手稿准备过程中使用生成式 AI 与 AI 辅助技术的声明

在本工作的修订过程中，作者使用了 Claude 以提高手稿的清晰度、语言与可读性，并协助编写和检查分析及图表生成代码。作为修订的一部分，作者还使用 Claude 起草了部分补充材料内容，具体包括 SM 第 1.3.1、3.6、3.7、3.8、3.9 和 4.2 节。在使用该工具之后，作者对所涉内容进行了编辑与审阅，并对已发表内容的全部责任承担完全责任。

利益冲突声明

作者声明，其没有已知的竞争性经济利益或个人关系可能对本研究中所报告的工作产生影响。

致谢

我们感谢 Mel Andrews、Laura Schulz 和 Max Siegel 提出的有益意见。本工作得到以下资助：授予 JJE 的NSF CAREER 基金 BCS-2045778、授予 DJH 的NSF SBE 博士后研究奖学金 2104589，以及授予 MDB 的Lisa K. Yang 整合计算神经科学奖学金。

Marlene D. Berke | Daniel J. Horschler | Amanda Royka | Laurie R. Santos | Julian Jara-Ettinger