Nature Neuroscience重磅：你的大脑在第几层？社交博弈中，大脑如何“预判你的预判”？|fmri|neuroscience|前脑|前额叶|神经科学

一键关注，点亮星标 ⭐️ 前沿不走丢！

认知神经科学前沿文献分享

基本信息

Title:A neural signature of adaptive mentalization

发表时间：2026.3.9

发表期刊:Nature Neuroscience

影响因子：20.0

获取原文：

添加小助手:PSY-Brain-Frontier即可获取PDF版本

研究背景

在复杂的社会互动中，我们无时无刻不在进行一场隐形的心理博弈。从商业谈判中的讨价还价，到日常生活中猜度伴侣的真实意图，乃至最简单的“石头剪刀布”游戏，我们都在不断推测对方的心理状态：“他在想什么？”“他觉得我在想什么？”“他觉得我觉得他在想什么？”这种推断他人情绪、信念和意图的能力，在认知神经科学中被称为“心智化”（Mentalization）或“心理理论”（Theory of Mind）。

过去几十年来，神经科学在探索心智化的大脑机制方面取得了丰硕成果，但这些研究大多存在一个明显的痛点：它们通常聚焦于静态的推断。例如，让被试看一张图片并判断图中人物的静态情绪，或者使用固定的规则来测试被试是否理解他人的“错误信念”。然而，现实中的人际互动是一场动态的双人舞。如果你的对手突然改变了策略，变得更加狡猾或不可预测，你固有的策略就会失效。

人类显然具备根据对手的“段位”随时调整自身心理推测策略的能力，但大脑究竟是如何在瞬息万变的互动中，灵活且自适应地追踪他人的认知复杂度的？这一“适应性心智化”（Adaptive Mentalization）的核心神经机制一直是个未解之谜。近日，发表在顶尖学术期刊 Nature Neuroscience 上的一项新研究，巧妙结合了认知计算模型与功能性磁共振成像（fMRI），不仅破解了大脑动态调整“读心”策略的密码，还首次发现了一种能够跨人群泛化的神经生物标志物。

研究核心总结

本研究的核心目标是探究人们在动态博弈中如何更新对对手认知深度的信念，并揭示这一过程的脑网络机制。研究团队设计了一套多轮次的“石头剪刀布”变体任务，让被试在fMRI扫描仪中与不同策略复杂度的人类或AI对手进行互动。

Fig. 1 | Experimental task and computational model of adaptive mentalization.

一、核心发现与计算模型（CHASE）

行为学结果显示，绝大多数人类玩家都能成功识破并适应对手不断变化的策略复杂度。为了精准量化这一动态心理过程，研究者开发了一个全新的认知计算模型：CHASE（认知层次评估模型）。该模型巧妙融合了强化学习与贝叶斯推断，证实了玩家并非死板地使用某一种固定策略，而是在每一次互动后，都会根据观察到的对手行为，持续进行信念更新（Belief Update, BU）。即玩家会不断动态评估对手处于哪一层的认知维度（Level-k），并据此调整自己的下一步行动。CHASE模型在预测人类行为方面，显著优于传统的强化学习和虚构参与（Fictitious Play）等经典模型。

Fig. 2 | Behavioral and model-based evidence for adaptive mentalization.

二、适应性心智化的神经机制

通过将计算模型得出的逐试次（trial-by-trial）动态变量与fMRI数据相结合，研究者清晰地描绘了适应性心智化在大脑中的神经表征。结果表明，当人们在结果反馈阶段发现对手的行动出乎意料时，右侧颞顶联合区（rTPJ）、前扣带回（dACC）和前脑岛（AI）会编码动作预测误差。更关键的是，主导我们转变对他人“认知段位”看法的信念更新（BU）信号，主要由一个分布式的社会脑网络负责处理，包括双侧TPJ、前脑岛、腹外侧前额叶（vlPFC）和背内侧前额叶（dmPFC）。这颠覆了以往“特定脑区只负责特定认知层级”的静态假设，证明了rTPJ等区域具有更高阶的、跨层级的动态策略适应功能。

Fig. 3 | Key model variables are encoded in different patterns of brain activity during action selection and feedback.

三、个体差异与社会脑网络连通性

为什么有些人在社交博弈中反应迟钝，而有些人却能迅速洞察对手的心机？研究发现，这种对他人策略的“敏感度”差异，并不单纯取决于某个单一脑区的活跃度，而是与社会脑网络的功能连接性密切相关。敏感度越高的个体，其rTPJ与背外侧前额叶（dlPFC）、前脑岛等其他社会脑区域的信息传递与协同整合越强。

Extended Data Fig. 1 | Seed-based connectivity (SBC) analysis using the right TPJ as the seed region.

四、破译适应性心智化的“神经指纹”

本研究最突破性的贡献在于，研究团队利用全脑多变量模式分析（MVPA），训练出了一个高精度的神经解码器。即使在完全没有观察被试行为的情况下，仅仅读取全脑的活动模式，该解码器就能准确预测出个体在当前互动中“信念更新”的幅度。更令人振奋的是，这一“神经签名”在一个人口学特征更加多样化的独立样本中成功实现了泛化验证，证明了它并非特定人群的偶然现象，而是人类适应性心智化的通用神经标记。

Fig. 4 | Adaptive mentalization —dynamic update of opponent-level beliefs — can be decoded with high out-of-sample accuracy from neural activity.

Fig. 5 | Replication of the neural results in an independent, demographically more diverse sample.

研究意义

该研究将心智化研究从“静态归因”彻底推向了“动态适应”的新高度。它不仅在理论上为理解复杂的人际互动提供了优美的认知计算框架，其确立的“神经签名”更为自闭症谱系障碍（ASD）等存在社交认知缺陷的临床疾病，提供了一种全新、客观且非侵入式的神经生物学评估工具。

Abstract

Mentalization, inferring others’ emotions and intentions, is crucial for human social interactions and is impaired in various brain disorders. While previous neuroscience research has focused on static mentalization strategies, we know little about how the brain adaptively selects which strategies to use at any given moment. Here we investigate this core aspect of mentalization with computational modeling and functional magnetic resonance imaging (fMRI) during interactive strategic games. We find that most participants can adapt their strategies to the changing sophistication of their opponents, though there are considerable individual differences. Model-based fMRI analyses identify a distributed brain network in which activity and connectivity track this mentalization-belief adaptation. The extent to which people update their beliefs about others’ sophistication can be predicted out of sample from neural activity, providing a neural signature of adaptive mentalization. Our model elucidates the neural basis of mentalization ability and provides a method for assessing these capabilities in healthy and clinical populations.