基于社会感觉运动偶联的双循环神经网络模型及其在人机交互图灵测试中的验证

《Scientific Reports》：A dual recurrent neural network model of human-like motion for artificial agents and its evaluation in a VR mirror game turing test

本研究针对人工智能体如何获得类人社会交互能力这一核心问题，创新性地提出并验证了一种基于社会感觉运动偶联（socSMCs）理论的双LSTM神经网络模型。研究人员通过虚拟现实镜像游戏图灵测试，发现装备socSMCs模型的智能体在74%的交互中被误判为人类，且参与者越专注于联合任务而非伙伴本身，越难识别智能体身份。该研究为构建具有社会认知能力的人工系统提供了重要理论基础和实践路径。

　　

在人工智能飞速发展的今天，如何让机器具备真正意义上的社会交互能力，成为横跨神经科学、心理学和机器人技术的前沿课题。传统观点认为，高级认知功能是社会互动的核心，但近年来兴起的行动导向认知理论提出了全新视角——社会互动的主观体验可能源于最基本的感觉运动模式。这种被称为社会感觉运动偶联（social sensorimotor contingencies, socSMCs）的理论框架认为，人际间的感觉运动耦合模式构成了社会体验的基础。然而，这一理论是否能够转化为切实可行的人工智能体控制架构？装备socSMCs的智能体能否在交互中被视为“人类”？这些问题不仅关乎理论验证，更对发展具有社会智能的机器人系统具有重大意义。

针对这一挑战，德国汉堡大学埃彭多夫医学中心的研究团队在《Scientific Reports》上发表了一项创新性研究。他们开发了一种基于双循环神经网络（dual recurrent neural network）的计算模型，通过虚拟现实（VR）环境下的镜像游戏图灵测试，首次系统评估了socSMCs模型在实现人机自然交互方面的潜力。

研究人员采用了几项关键技术方法：首先构建了由跟随网络（follow-net）和领导网络（lead-net）组成的双LSTM模型架构，使用来自48名参与者的人体运动数据进行训练；其次设计了三维虚拟现实镜像游戏平台，通过标准化虚拟化身消除外观暗示的干扰；最后采用严格的图灵测试范式，让38名被试在不知情情况下与人类伙伴或人工智能体进行交互，并记录其识别准确率和主观体验评分。

运动特性分析揭示人机差异

研究发现，人工智能体在所有条件下的运动速度均显著慢于人类参与者。当跟随人工智能体时，人类的运动速度也相应减慢。随着交互进行，人类参与者逐渐提高运动速度，而人工智能体的加速趋势未达显著性阈值。在交互动力学方面，当人工智能体跟随人类运动时，速度差异显著更大，表明人类比人工智能体更能调整自身运动参数以适应伙伴。尽管运动速度和速度差异存在明显区别，但智能体双手间距离未受任务指令或交互伙伴类型影响。

窗口化时间滞后互相关分析显示，在人类交互中，即兴环节的滞后显著小于领导和跟随条件，表明联合即兴需要更紧密的耦合。而在人机交互中，人工智能体跟随人类运动时的滞后更大且变异性更小，人类与人工智能体即兴时更倾向于主导而非跟随。

图灵测试：人类难以可靠区分人机

尽管存在客观运动差异，参与者在26.9%的试验中未能检测出人工智能体，错误地将其判断为人类（假阴性率）。反之，参与者将人类伙伴误判为人工智能体的比率也达到25.8%（假阳性率）。总体识别准确率约为74%，接近先前图灵测试范式的水平。短试验中，跟随移动时的误判率最低（假阳性率=10%）。随着实验进行，参与者识别人类伙伴的能力提高，而检测人工智能体的能力却呈下降趋势。

线性混合效应模型分析表明，加速度差异（△a）和领导条件显著影响决策错误，参与者可能利用与人工智能体交互时较大的速度差异来识别其身份。有趣的是，大多数参与者并未意识到自己采用了这种策略，仅少数人表示能通过关注特定不自然运动（尤其是人工智能体领导运动时）来识别人机交互。

主观体验评估揭示信念效应

实验结束后的整体表现评估显示，人工智能体在领导和即兴条件下的评分显著低于人类。主观体验评分分析发现，除了专注度外，同情心、同步性和创造性评分均受伙伴身份信念的显著影响。当参与者误以为与人类交互时（实际为人工智能体），同情心评分更高；相反，当误以为与人工智能体交互时（实际为人类），评分降低。这表明主观社会体验至少部分受到对交互伙伴信念的调节，而不仅仅是客观交互质量的反映。

动作-效应偶联的模式分析

通过扰动跟随网络的输入特征，研究人员分析了人际间动作-效应模式。敏感性分析显示，人类的右前臂对人工智能体相应左前臂的影响最大，其次是上臂和手部。领导者的前臂旋转对跟随者影响最强，而右肩运动影响微弱。关节不仅影响伙伴的对应关节，也影响相邻关节，而手部旋转的镜像常被忽略，手腕的整体位置更为重要。

模型架构与神经科学启示

该计算模型通过混合两个分别训练用于生成和跟随运动的网络输出产生行为。由于其循环结构，这些网络自然整合先前的运动信息（跟随网络还整合领导者的运动），记忆和回忆身体姿势和手臂运动的组合，被视为感觉运动偶联的计算模型。跟随网络的功能与镜像神经元系统有相似之处：其活动反映伙伴运动，并通过感觉运动学习获得这一功能。从行动导向的社会认知视角看，主观体验通过驱动社会交互的感觉运动模式构成，镜像系统可能是参与社会交互机制的组成部分，但很可能不是社会体验的唯一来源。

讨论与展望：从基本感觉运动模式到社会体验

本研究首次将socSMCs理论转化为具体计算模型，并通过严格图灵测试验证其有效性。74%的识别准确率表明，该模型成功学习了对自然人类交互至关重要的感觉运动模式。研究结果支持了核心假设：社会感觉运动偶联显著促进成功的社会互动，装备socSMCs的人工智能体可被评估为类人交互伙伴。

运动参数分析表明，socSMCs为优化任务表现而动态塑造。随着时间推移，平均速度提高而手间速度差在人类交互中保持稳定，表明交互伙伴已熟悉彼此运动 repertoire。即兴环节的滞后显著小于领导和跟随条件，提示联合即兴涉及更好的同步和更紧密的耦合。

研究也揭示了模型设计的局限性。领导网络仅轻微调节人工智能体的运动特征，以开放循环方式生成运动，未充分考虑来自伙伴的反馈。跟随网络在处理具有高度符号意义的运动（如挥手）时表现不佳，因其缺乏对这种运动重复性的预期能力。通过增加预测组件，未来模型可望在镜像重复运动时更快，在跟随运动时更灵敏，使人机界限更加模糊。

综合这些结果，研究人员提出了一类对社会耦合建立特别重要的socSMCs——检查-SMCs（check-SMCs），它捕捉从观察到观察者的单向信息传递，与运动传染（motor contagion）概念相关。即使在本研究采用的简化人形虚拟化身中，伙伴间仍能建立可能表现运动传染的耦合。

这项研究的意义远超镜像游戏本身，它为理解社会认知的感觉运动基础提供了新证据，为开发真正具有社会智能的人工系统指明了方向。随着模型不断优化，装备socSMCs的人工智能体有望在医疗康复、教育培训和社会服务等领域发挥重要作用，为人机共生社会奠定基础。