主要游戏在心理学和计算机科学中占据一个特殊的位置，有充分理由: 游戏是规则和奖励的系统，它在我们面临的现实结构、模式和挑战中照出了镜子，跨越熟悉的和仅仅可能的体验。马尔卡拉让我们播种并捕捉抽象资源。国际象棋让我们在无血的战场上进行战略规划。围棋让我们用沉默的石子军队包围并占领领土。一个好的游戏让我们在可能在现实生活中回避的不确定性和损失中感受到刺激。大量的认知科学研究集中在专业知识的本质和发展上，使用游戏作为试验平台。人类专家因此在搭建智能机器的追求中长期以来作为目标，特别关注如何模仿并最终在自己的游戏中战胜人类，使用比任何人类专家在其一生中可能获得的更多的游戏数据和原始计算能力。但人们在生活中所遇到的大多数问题或大多数系统上并不是专家，在他们需要做出行动决策之前。人类认知足够灵活，可以考虑许多潜在的问题和许多潜在的规则和奖励系统。考虑一个规则和奖励系统是否合理、是否参与或者首次采取什么行动——在各种新情况中——可以说在日常人类认知中至少与少数人类在某一游戏中成为专业玩家的认知过程同样重要（尽管研究得少得多）。在这里，我们研究新手游戏推理者在超过100个新游戏中的能力，这些游戏属于策略网格棋盘游戏的子类，与他们可能以前见过的游戏（例如，井字游戏或四连棋）并不完全相同，但在规则和基本动态上有所不同。在一系列大规模的行为研究中，每个研究都有数百名参与者，我们评估人们对新游戏的思考，分为三种推理环境: 游戏评估（在玩之前确定一款游戏可能的奖励性）；行动选择（在与另一个初次玩家首次对局时选择走法）；和行动预测（判断其他初次玩家在没有直接玩过的情况下可能采取的走法）。我们的设置与以往许多关于游戏的研究不同，后者通常专注于一个或一小组的游戏以及该游戏的多轮玩法；在这里，我们考虑许多游戏且几乎没有（甚至没有）经验。我们的新游戏数据集和游戏任务套件展示了十个示例游戏。游戏在棋盘大小和规则上有所不同，例如获胜所需的条件和任何玩家在首轮可以放置的棋子数量。我们通过三项设计用于测试的行为研究来评估人们对新游戏的推理: 人们在玩任何一局游戏之前（b）如何推理游戏；人们在首次游玩时如何决定采取什么行动（c）；以及人们在观看他人玩时如何预测他们应如何玩（d）。我们的核心贡献是对人们如何推理这些新问题的计算性描述。专家的游戏玩法模型通常涉及深度树搜索，可能会对潜在的状态进行数千次评估。新手推理者似乎不太可能在没有广泛经验（或其他任何经验）之前进行如此密集的搜索和评估。但人们也不很可能完全无系统。我们假设新手思考占据了这两种极端之间一个有价值的中间点：人们在评估新问题时并非随机，并进行与先进的人工智能（AI）游戏系统和专家人类游戏玩法的认知模型相似的计算，但缩减到一个更适合日常思维的水平。与之前的游戏推理模型相比，直觉游戏者模型的描述。之前的工作建模专家游戏玩法时，通常涉及深度树搜索，以确定在棋盘状态 S_t下选择什么走法。新手人类推理者在决定是否与问题接洽之前，不太可能进行如此计算密集的搜索和状态评估。我们考虑新手推理者可能在做什么。游戏玩家可以在推理任何游戏时，使用的计算和专业知识的量上有所不同（在搜索深度和价值复杂性方面存在差异）。我们的提议是，在没有经验的问题推理方面，人们位于该范围的下端，但并非最低端。直觉游戏者进行深度有限（“平面”）搜索，具有普遍性的抽象目标导向。