多智能體模擬是一種研究系統的方法，它透過建模多個獨立的行動者（稱為智能體）來建立系統模型，每個智能體都有自己的規則、目標或個性，並讓它們之間的互動最終決定係統的整體結果。這種方法無需為「市場」或「公眾輿論」編寫單一的方程式，而是描述各個個體，並觀察群體的行為。借助現代語言模型，這些智能體能夠使用自然語言進行閱讀、書寫和記憶，這使得該方法能夠有效地研究人們如何做出反應。
核心思想：行為源自於互動
許多重要結果並非由單一主體決定。交通擁擠、物價飛漲、謠言病毒式傳播以及公眾情緒轉變，都是由許多相互影響的局部決策共同作用的結果。多智能體模擬充分考慮了這一點。
典型的模擬包含三個要素：
- 代理人：行動者，每個行動者都有自己的狀態（它知道什麼、想要什麼或相信什麼）和行為（它如何決定下一步要做什麼）。
- 環境：主體之間互動和觀察的空間，例如地圖、市場或社交網路。
- 時間步或回合：在每個步驟中，智能體觀察、決策和行動，環境也因此改變。
這種方法的獨特之處在於其湧現性：群體層面的模式並非由任何人直接設定。每個個體微小的偏好，透過反覆互動，可以產生巨大而令人驚訝的集體結果。
其來源：基於代理的建模
這個想法並不新鮮。經濟學、生態學、社會學和電腦科學領域的研究人員幾十年來一直在使用基於主體的建模方法。早在1970年代，一些早期研究就表明，即使規則非常簡單，基於網格模型，個體對鄰居的輕微偏好也可能導致整個社區層面的嚴重隔離。在接下來的幾十年裡，研究人員建構了人工社會，模擬了市場，並建立了流行病、動物群落和交通模型。
這些經典模型有一個共同的特點：模型中的主體被刻意簡化。每個主體都遵循少數幾條數值規則，這使得模型清晰易懂，便於分析，但也限制了它對諸如說服、框架效應或反諷等豐富的人類行為的闡釋能力。
新浪潮：基於語言模型的智能體
大型語言模型改變了智能體的功能。自2023年左右以來，對所謂生成式智能體的研究表明，語言模型智能體在被賦予角色、過往事件記憶以及反思記憶的能力後，能夠在模擬社區中表現出令人驚訝的逼真行為：它們能夠規劃日程、形成觀點、傳遞信息並相互協調。
與經典的基於代理的模型相比，語言模型代理：
- 使用自然語言進行溝通，這樣他們就能對語句的實際措辭做出反應，而不僅僅是對數字做出反應。
- 塑造豐富的人物形象，融合背景、價值觀和語氣。
- 記住並更新，以便早期的對話能夠影響後來的行為。
缺點是，與基於規則的代理相比，它們的透明度較低，運行成本較高，而且它們的行為反映了底層模型的優勢和偏差。
InfoDome是如何應用它的
InfoDome使用語言模型代理人來模擬公眾和利害關係人的反應。您上傳文件並描述您想要預測的內容； InfoDome會提取您資料中人物、組織和團體的知識圖譜，然後創建數百個具有各自性格、立場和長期記憶的代理，這些代理分佈在您選擇的最多 10 個受眾國家/地區。這些代理商在類似Twitter的資訊流和類似Reddit的論壇上並行互動，進行若干輪。分析代理會撰寫一份預測報告，您可以向該報告以及任何單一代理人提出質疑。有關AI 群體模擬如何預測反應的詳細步驟，請參閱「AI 群體模擬如何預測反應」 。
當多智能體模擬有所幫助時
當結果取決於互動而非任何單一決策時，此方法最為有效：
- 反應是由一系列反應疊加而成的：危機、謠言、公眾辯論，其中對第一次反應的回應最為重要。
- 眾多利害關係人，利益各異：政策變化、組織結構重組、談判。
- 戰略博弈：競爭對手的反應或戰爭遊戲，其中每一方都在適應另一方。
- 早期探索：當你需要快速提出假設時，在進行調查或實地研究之前，或者當真正的測試成本太高或風險太大時。
- 資訊比較：讓同一受眾接觸同一陳述的兩個版本，看看哪個框架傳播得更廣。
當它不起作用時
同樣重要的是要知道何時不應該使用它：
- 當您需要具有代表性的數據時，請注意：模擬結果並非民意調查；其比例不應解讀為現實世界的百分比。
- 當良好的歷史數據已經能夠回答問題時，統計預測可能更為可靠。如果您擁有多年穩定產品的銷售數據，那麼統計預測可能更為可靠。
- 當資訊匱乏時，代理人的實力取決於其所依附的素材。利害關係人的缺失意味著聲音的缺失。
- 當你需要確定性時，不同的運行結果可能會有所不同。輸出結果是一個可供審查的假設，它能為判斷提供支持，但並不能取代判斷。
一個實例
一家中型物流公司正在考慮將辦公室員工的工作時間改為每週四天。公司領導層想了解員工、團隊負責人和顧客的反應。雖然電子表格模型可以估算成本，但卻無法預測「隱性加班」的謠言會在員工中如何傳播，也無法預測重要客戶會如何看待這個消息。
人力資源團隊將內部提案和近期員工調查的摘要上傳至InfoDome ，並詳細說明了調查問題，隨後在一個國家進行了 20 輪調查。在論壇上，團隊主管們對週五的輪班安排表示擔憂；而在用戶回饋中，年輕員工雖然歡迎這項改變，但也擔心工作量會被壓縮。一位客戶代表詢問回應時間是否會改變。分析師的報告指出，週五輪班安排的清晰度是團隊主管和客戶雙方的決定性因素。
人力資源部在與團隊主管面談後了解到，輪班制（週五上班）可以緩解他們的擔憂。領導階層將此視為一個假設，計劃在兩個部門進行試點驗證，而非最終定論。這正是多智能體模擬技術的一個巧妙應用：它將一個模糊的問題縮小到一個具體且可驗證的問題。如果您也需要處理類似的前瞻性問題，那麼情境規劃用例將是一個很好的起點。
入門
使用InfoDome運行多智能體模擬無需程式設計技能。單用戶套餐每月 29 歐元，包含每月 9 歐元的 AI 使用預算和無限項目數，可隨時取消。在控制台中準備您的第一個場景；您可以在註冊前設定任務。
常問問題
多智能體模擬與基於智能體的建模是同一回事嗎？
它們是密切相關的術語。基於代理的建模通常指的是使用簡單規則代理的經典研究方法，而多代理模擬通常被更廣泛地使用，包括基於語言模型構建的代理。
什麼是生成代理？
生成式智能體是基於語言模型建構的人工智慧智能體，它們擁有人格特質、對過往事件的記憶以及規劃和反思能力。研究表明，它們能夠在模擬社區中展現出可信賴的社交行為。
模擬可以代替調查嗎？
不。模擬可以快速產生並檢驗假設，而調查則可以衡量真實使用者的意見。兩者結合使用效果最佳：先進行模擬以優化問題，然後在關鍵時刻用真實數據進行驗證。
我需要編寫程式碼才能使用它嗎？
InfoDome則不然。您只需上傳文檔，用簡單易懂的語言描述問題，選擇國家和輪次，即可閱讀報告。