人工智慧人群模擬如何預測大眾反應

AI 群體模擬透過建構一個基於真實情境的 AI 智能體群體，並讓它們隨時間互動來預測公眾反應，而不是像傳統模型那樣只給出單一答案。在InfoDome中，您的文件會變成一個知識圖譜，該圖譜又會產生數百個擁有各自特性、立場和記憶的智能體，這些智能體會在兩個模擬平台上進行指定輪數的辯論。之後，分析智能體會讀取辯論過程並產生一份預測報告，您可以對報告提出質疑。

為什麼不直接問一個模型，而是要模擬人群呢？

如果你問一個人工智慧模型“人們會對此作何反應？”，你會得到一段看似合理的描述。這段描述通常合情合理，但它只是一個平均值：一個聲音試圖代表所有人。真實的反應並非如此。人們會互相回應。批評者的貼文會影響中立讀者對新聞的看法；辯護者的回應會改變批評者接下來的言論；記者往往會選擇聲音最大的報道，而不是最準確的報道。

群體模擬試圖捕捉這種動態。它並非假設存在單一的共識，而是模擬眾多不同的參與者，並讓結果在他們之間的互動中湧現。正因如此，結果可能會出乎意料，而這些意外也值得探究。更廣泛的方法被稱為多智能體模擬；我們在“什麼是多智能體模擬”一文中解釋了它的背景。

步驟 1：從文件到知識圖譜

一切都從您的素材開始：新聞、計劃、報告、政策草案或小說，格式可以是PDF 、 Markdown或文字。 InfoDome 會將這些InfoDome與您用簡單易懂的語言對預測內容的描述結合起來，並提取出一個知識圖譜：

• 實體：文中提到的人、組織、團體。
• 關係：誰支持誰、反對誰、依賴誰、報告誰或與誰競爭。
• 背景：文本賦予每個人的事實和立場。

圖表之所以重要，是因為它能將模擬結果與你的實際情況連結起來，而不是基於通用假設。而且，圖表對你也是可見的，因此你可以在任何操作運行之前了解系統所理解的內容。

步驟二：從圖到代理

根據圖表和您的受眾描述， InfoDome會建立數百個 AI 代理；具體數量取決於文件。每個代理商都會取得以下資訊：

• 性格：氣質、興趣、說話和交往的方式。
• 立場：根據圖表，它對該問題的起始位置。
• 長期記憶：它所看到、所說和被告知的內容，這些內容會持續到下一輪。
• 國家/地區：您可以選擇最多 10 個受眾國家/地區，代理商將平均分配到這些國家/地區。文件中的真實命名實體將保留其所屬國家。

這種混合是刻意為之。有些角色代表文本中指定的組織或人物；有些則代表更廣泛的受眾，因此模擬既包括可見的參與者，也包括對他們做出反應的觀眾。

步驟 3：在兩個平台上進行回合

然後，這些智能體在一個模擬社交網路中進行交互，該網路並行運行在兩個平台上：

• 類似Twitter的動態消息流：短帖、快速反應、轉發。在這裡，觀點傳播迅速，語氣也容易升級。
• 類似Reddit論壇：貼文和回覆篇幅更長。在這裡，論點會受到檢驗，細節會被討論，立場也會隨之改變或加強或減弱。

你可以選擇輪數，例如 10 輪、20 輪或 40 輪。在每一輪中，參與者閱讀其他參與者發布的內容，決定是否以及如何回應，並更新他們的記憶。由於記憶會延續，第 15 輪的內容會受到第 1 輪到第 14 輪內容的影響。早期未被回應的論點可能會在後期被普遍接受；而遲來的糾正可能永遠無法被理解。

第四步：從對話到報告

在最後一輪結束後，分析代理人會研究模擬活動並撰寫一份預測報告，其中包含以下結論：主要敘事、哪些群體採取行動及其原因、哪些參與者起到了放大作用、以及仍然存在的風險和未決問題。報告並非唯一的輸出。您可以查看底層帖子，就任何代理的推理過程與其進行訪談，並向分析代理提出後續問題。正是這種可追溯性，使得模擬結果能夠轉化為可審查的假設，而非一個黑箱式的結論。

為什麼二級反應很重要

對新聞的第一個反應通常很容易預測。價格上漲會惹惱顧客；新規會讓受監管產業感到擔憂。難以預測的是第二個反應：對第一反應的反應。

人群模擬可能揭示的二階效應範例：

• 公司的辯解性回應將一個小小的投訴變成了傲慢自大的故事。
• 謠言在快速傳播的信息流中很快消失，但在論壇帖子中留存下來，並在之後再次出現。
• 中立特工將盟友不冷不熱的支持解讀為有隱患的跡象。
• 兩個原本立場對立的團體發現彼此有共同的不滿，於是結盟。

這些效應只有在參與者之間隨著時間的推移相互影響時才會顯現，而這正是多輪互動和記憶機制的作用所在。這些效應也最常讓組織措手不及，因為任何一次利害關係人訪談都無法揭示它們。

一個實例

市政府擬定一項計劃，將一條繁華的商業街改造成步行街。規劃團隊上傳了規劃草案、一份交通研究摘要以及一篇引用當地商家意見的新聞報導。他們詢問居民、商家、快遞公司和當地媒體在第一個月的反應，並在一個國家進行了40輪調查。

第一輪討論不出所料：店主們擔心送貨問題，居民們則樂見噪音減少。隨後，一種新的模式浮現。一位快遞公司代理商發文稱，清晨送貨時段可以解決大部分問題。論壇上的店主代理商紛紛回應，他們的批評也從「反對這項計畫」轉變為「反對沒有送貨時段的計畫」。同時，在社群媒體上，一位當地媒體代理商放大了一位居民關於停車問題的抱怨，從而轉移了人們對送貨問題的關注。

分析師的報告得出結論，配送窗口可能會分散反對者的注意力，而停車問題才是更持久的風險。團隊採訪了媒體代理人，以了解哪些事實會改變其報道框架，然後在計劃中增加了一個停車區域。模擬並沒有證明任何真實街道的情況，但它為團隊提供了兩個具體且可驗證的假設。對於謠言四起的情況，謠言傳播場景的建構也基於相同的機制。

需要注意的限制

人群模擬在探索動態方面功能強大，但它也有明顯的限制：

• 智能體是基於您文件的AI模型。缺少利害關係人資訊或資訊片面都會導致盲點。
• 結果不具統計代表性，不像調查樣本那樣具有統計代表性，百分比不應被解讀為現實世界的比例。
• 不同的運行模式可能會有不同的發展軌跡。比起單一戲劇性的時刻，持續穩定的模式才是更強有力的訊號。

考慮到這些限制，模擬是一種快速了解接下來可能發生的情況及其原因的方法。若要嘗試模擬您自己的案例，請在控制台中準備一個任務。