第一次玩一款棋盘游戏，你通常不会把每种走法都算到终局。更常见的做法，是先扫一遍眼前选项，排除明显坏招，再做几步短程判断。Nature 这项研究想弄清的，正是人类面对陌生规则时如何快速规划，以及这种能力能给 AI 的“世界模型”——对环境及行动后果的内部表征——什么启发。
研究覆盖逾1000名参与者和121款双人策略棋盘游戏，其中几乎所有游戏对参与者都很陌生。实验不只观察他们首次落子，还让他们在开玩前判断游戏是否公平、是否可能有趣，并预测其他新手会怎么走。作者提出“Intuitive Gamer”计算认知模型来解释这些选择：人会做目标导向的概率模拟，也就是在脑中估计不同走法可能带来的结果，但推演往往快速而扁平——比较较多眼前选项，却限制每条路线向后计算的深度。
这值得 AI 研究者注意：更深的规划并非总更划算，分支和思考成本会随深度增加。人类的办法提示，灵活智能或许不只在于把新任务算得更深，也在于判断哪里值得继续算。行为研究能总结共同的决策规律，但不能直接读取个人脑中的推理过程。