从生成式代理到数字孪生：Simile 如何模拟人类行为

文章概述

Joon Sung Park 先从艺术与计算的交叉切入研究，后来因《Generative Agents》与 Smallville 项目受到关注，并继续推进更大的目标：把人类行为建模成可用于推演现实的模拟系统。

从生成式代理到 Simile

《Generative Agents》展示了 AI 角色可以具备记忆、规划、社交与涌现行为，这成为他之后做 Simile 的起点。与只做任务型模型不同，Simile 更关注如何建立能反映真实人类决策的行为基础模型。

他们在建模什么

文中提到，Simile 采用长访谈、观察数据、交易数据、随机对照试验，以及群体级和个体级模型来刻画人的行为，并围绕“导致人做出某个决定的因果机制”进行后训练。

为什么不能只靠通用大模型

Joon 认为，优化为“理性”的模型，未必擅长模拟现实中的“非理性”人类。好的人类模拟不仅要预测选择，还要复现偏差、错误和不一致性。

如何评估模拟

文中提到，他们曾创建约 1000 个真实人的数字孪生，在行为和态度复现上达到约 85% 的准确度。这里的重点不是堆叠幻觉式输出，而是用可验证的实验来评估模拟是否贴近真实行为。

更大的目标

Simile 的长期方向不只是做市场研究，而是把模拟用于产品和政策试验、社会趋势推演、人口级群体建模，甚至探索气候变化、民主稳定性、UBI 等问题。文中也提到，未来的模拟系统可能需要接近整座数据中心的算力。

这场讨论的核心

这篇内容的主线很清晰：如果我们能更准确地模拟人类行为，就能在现实决策之前先在虚拟世界里试错。真正的难点不在于让模型“更聪明”，而在于让它更像人。