前言

想象一个场景： 你和最好的朋友小红一起去餐厅吃饭，你们之间常常不需要说太多话就能理解对方的意图。你们坐下后，小红注意到你目光不自觉地落在了菜单中的烤鸭上，虽然你没有直接说出来，但小红已经知道你对这个菜品感兴趣，于是主动说要点这道菜。小红之所以能够准确地理解你的意图，完全是基于你的非语言线索推测的，没有语言沟通，也能够通过表情变化和眼神交流传达彼此的意图和需求等。

这是我们日常生活中已经习以为常的事情。这种理解他人心理状态的能力，被称为心智理论 (theory of mind，ToM)。近几十年来，很多研究致力于理解这种能力，以及应该怎样测量，等等。视觉心智理论是心智理论概念很重要的一方面，比如开篇的例子中点菜过程中的交流是靠视觉信息传达的。

在科技发展的今天，建模和计算心智理论是一件意义非凡的事。如果人们了解了心智能力的数学表达和计算方法，就有可能创造出像《流浪地球》中MOSS那样的智能体。横空出世的ChatGPT已经很大程度上改变了我们的生活，但是目前研究表明，即使是最先进的大模型，也仍然与人的心智能力相差甚远，这条路存在很多理论障碍有待日后突破。

本书编写的目的就是希望通过全面地介绍心智理论的概念、发展，并且引入视觉心智理论及其计算方式，让读者系统地了解、深入理解这一前沿领域，填补相关图书领域的空白。

作为一个不断演进的领域，视觉心智计算涉及多学科的交叉，涵盖从视觉认知理论到智能体建模的广泛内容。在撰写过程中，我们力求通过清晰的结构和系统的内容，将专业的理论和方法以易于理解的方式呈现给读者。

在本书的编写过程中，我们邀请了诸多同行和朋友给予支持与指导。我们也鼓励读者通过书中的联系方式与我们互动，提出建议或反馈，以便我们不断改进和更新内容。

希望本书能成为探索视觉心智计算领域的有力工具，为研究与应用提供宝贵的参考。

马惠敏

2024年9月