长期以来，在面对固定对手的重复博弈中，人们究竟是单纯基于过往经验调整策略（适应性学习），还是会试图站在对手角度预判其下一步行动（层级推理），一直是行为博弈论领域的经典议题。近年来，学界提出了将二者结合的混合模型。然而，上海外国语大学国际工商管理学院沈强教授、金佳教授及傅仕光博士后，与其合作者最新发表《Games and Economic Behavior》的研究指出：当受限于纯粹的行为选择数据时，经济学理论模型往往面临难以被彻底验证或证伪的困境。
该研究聚焦于行为经济学中长期存在的一个方法论痛点：当玩家做出一个策略选择时，纯行为数据无法区分这究竟是出于学习，还是出于推理。行为结果的重合，导致传统模型常常产生误判。为此，研究团队依托上外脑机协同信息行为重点实验室，创新性地引入基于计算模型的功能性磁共振成像技术，打开决策黑箱，让大脑真实的神经活动来充当经济学模型的“裁判”。
基于对被试者进行11-20金钱请求博弈时的脑神经追踪分析，研究发现：融合了学习与推理的贝叶斯层级混合模型，比单纯的适应性学习模型能更精准地解释大脑内侧前额叶皮层（mPFC）在决策瞬间的激活活动。换言之，真实的神经数据证实，我们的大脑在博弈中确实在同时进行经验学习与高阶推理。研究进一步揭示了大脑社会脑网络的精密分工：当开奖结果公布时，大脑吻侧前扣带回（rACC）专门负责处理单纯的适应性学习误差；右侧颞顶交界处（rTPJ）负责在脑海中模拟对手的误差；而右侧背外侧前额叶皮层（rDLPFC）则负责推测对手聪明程度的高阶信念更新。
本研究从微观神经层面揭示了人类在复杂互动中学习与推理的交互机制，拓展了既有研究对心智化过程的理解。对学术界而言，本研究最深远的意义在于展示了神经科学在验证理论模型中的独特价值。当行为表象存在多种解释时，神经生理数据能够直接纠正传统纯学习模型的理论“误判”，显著增强经济学理论的可证伪性。这不仅为优化行为博弈模型指明了方向，也彰显了“神经科学+经济管理”交叉研究的巨大学术潜力。
原文：Jun Feng, Jia Jin, Sasa Zhao, Edmund Derrington, Xiangdong Qin, Shiguang Fu, Qiang Shen, Jean-Claude Dreher. Neural correlates of interactions between adaptive learning and hierarchical reasoning in repeated strategic games. Games and Economic Behavior, 2026, 158, 167-190.
作者简介
沈强教授
上海外国语大学国际工商管理学院教授、博士生导师，计算神经科学研究所所长，脑机协同信息行为重点实验室骨干成员。主要研究方向为管理决策与决策神经科学，致力于在行为科学、神经科学和人工智能的交叉领域开展国际前沿的研究，近年来作为第一或者通讯作者在《Management Science》、《Games and Economic Behavior》、《Journal of Economic Theory》、《Psychological Medicine》、《Cerebral Cortex》等国际权威期刊发表论文多篇。
