AI 群体模拟通过构建一个基于真实情境的 AI 智能体群体，并让它们随时间互动来预测公众反应，而不是像传统模型那样只给出单一答案。在InfoDome中，您的文档会变成一个知识图谱，该图谱又会生成数百个拥有各自特性、立场和记忆的智能体，这些智能体会在两个模拟平台上进行指定轮数的辩论。之后，分析智能体会读取辩论过程并生成一份预测报告，您可以对报告提出质疑。
为什么不直接询问一个模型，而是要模拟人群呢？
如果你问一个人工智能模型“人们会对此作何反应？”，你会得到一段看似合理的描述。这段描述通常合情合理，但它只是一个平均值：一个声音试图代表所有人。真实的反应并非如此。人们会相互回应。批评者的帖子会影响中立读者对新闻的看法；辩护者的回应会改变批评者接下来的言论；记者往往会选择声音最大的报道，而不是最准确的报道。
群体模拟试图捕捉这种动态。它并非假设存在单一的共识，而是模拟众多不同的参与者，并让结果在他们之间的互动中涌现。正因如此，结果可能会出乎意料，而这些意外也值得探究。更广泛的方法被称为多智能体模拟；我们在“什么是多智能体模拟”一文中解释了它的背景。
步骤 1：从文档到知识图谱
一切都从您的素材开始：新闻、计划、报告、政策草案或小说，格式可以是PDF 、 Markdown或文本。InfoDome 会将这些InfoDome与您用通俗易懂的语言对预测内容的描述结合起来，并提取出一个知识图谱：
- 实体：文中提到的人、组织和团体。
- 关系：谁支持谁、反对谁、依赖谁、汇报谁或与谁竞争。
- 背景：文本赋予每个人的事实和立场。
图表之所以重要，是因为它能将模拟结果与你的实际情况联系起来，而不是基于通用假设。而且，图表对你也是可见的，因此你可以在任何操作运行之前了解系统所理解的内容。
步骤二：从图到代理
根据图表和您的受众描述， InfoDome会创建数百个 AI 代理；具体数量取决于文档。每个代理都会获取以下信息：
- 性格：气质、兴趣、说话和交往的方式。
- 立场：根据图表，它对该问题的起始位置。
- 长期记忆：它所看到、所说和被告知的内容，这些内容会持续到下一轮。
- 国家/地区：您可以选择最多 10 个受众国家/地区，代理商将平均分配到这些国家/地区。文档中的真实命名实体将保留其所属国家/地区。
这种混合是刻意为之。有些角色代表文本中指定的组织或人物；另一些则代表更广泛的受众，因此模拟既包括可见的参与者，也包括对他们做出反应的观众。
步骤 3：在两个平台上进行回合
然后，这些智能体在一个模拟社交网络中进行交互，该网络并行运行在两个平台上：
- 类似Twitter的动态消息流：短帖、快速反应、转发。在这里，观点传播迅速，语气也容易升级。
- 类似Reddit论坛：帖子和回复篇幅更长。在这里，论点会受到检验，细节会得到讨论，立场也会随之改变或加强或减弱。
你可以选择轮数，例如 10 轮、20 轮或 40 轮。每一轮中，参与者阅读其他参与者发布的内容，决定是否以及如何回应，并更新他们的记忆。由于记忆会延续，第 15 轮的内容会受到第 1 轮到第 14 轮内容的影响。早期未得到回应的论点可能会在后期被普遍接受；而迟来的纠正可能永远无法被理解。
第四步：从对话到报告
最后一轮结束后，分析代理会研究模拟活动并撰写一份预测报告，其中包含以下结论：主要叙事、哪些群体采取行动及其原因、哪些参与者起到了放大作用、以及仍然存在的风险和未决问题。报告并非唯一的输出。您可以查看底层帖子，就任何代理的推理过程与其进行访谈，并向分析代理提出后续问题。正是这种可追溯性，使得模拟结果能够转化为可审查的假设，而非一个黑箱式的结论。
为什么二级反应很重要
对新闻的第一反应通常很容易预测。价格上涨会惹恼顾客；新规会让受监管行业感到担忧。难以预测的是第二反应：对第一反应的反应。
人群模拟可能揭示的二阶效应示例：
- 公司的辩解性回应将一个小小的投诉变成了傲慢自大的故事。
- 谣言在快速传播的信息流中很快消失，但却在论坛帖子中留存下来，并于之后再次出现。
- 中立特工将盟友不冷不热的支持解读为存在隐患的迹象。
- 两个原本立场对立的团体发现彼此存在共同的不满，于是结盟。
这些效应只有在参与者之间随着时间的推移相互影响时才会显现，而这正是多轮互动和记忆机制的作用所在。这些效应也最常让组织措手不及，因为任何一次利益相关者访谈都无法揭示它们。
一个实例
市政府拟定一项计划，将一条繁华的商业街改造成步行街。规划团队上传了规划草案、一份交通研究摘要以及一篇引用当地商户意见的新闻报道。他们询问居民、商户、快递公司和当地媒体在第一个月的反应，并在一个国家进行了40轮调查。
第一轮讨论不出所料：店主们担心送货问题，居民们则乐见噪音减少。随后，一种新的模式浮现。一位快递公司代理发帖称，清晨送货时段可以解决大部分问题。论坛上的店主代理们纷纷响应，他们的批评也从“反对这项计划”转变为“反对没有送货时段的计划”。与此同时，在社交媒体上，一位本地媒体代理放大了一位居民关于停车问题的抱怨，从而转移了人们对送货问题的关注。
分析师的报告得出结论，配送窗口可能会分散反对者的注意力，而停车问题才是更持久的风险。团队采访了媒体代理人，了解哪些事实会改变其报道框架，然后在计划中增加了一个停车区域。模拟并没有证明真实街道的任何情况，但它为团队提供了两个具体且可验证的假设。对于谣言四起的情况，谣言传播场景的构建也基于相同的机制。
需要注意的限制
人群模拟在探索动态方面功能强大，但它也有明显的局限性：
- 智能体是基于您文档的AI模型。缺少利益相关者信息或信息片面都会导致盲点。
- 结果不具有统计代表性，不像调查样本那样具有统计代表性，百分比不应被解读为现实世界的比例。
- 不同的运行模式可能会有不同的发展轨迹。比起单一的戏剧性时刻，持续稳定的模式才是更强有力的信号。
考虑到这些限制，模拟是一种快速了解接下来可能发生的情况及其原因的方法。要尝试模拟您自己的案例，请在控制台中准备一个任务。
常问问题
InfoDome使用的是真实的社交媒体数据吗？
不。这些代理是在一个基于您的文档和设置构建的模拟社交网络中进行互动的。它们不会在真实平台上阅读或发布内容。
为什么会有两个平台？
短帖推送和主题论坛鼓励不同的行为：前者鼓励快速概括，后者鼓励冗长的论证。两者并行运行可以展现新闻事件的传播方式和辩论过程。
什么是二级反应？
这是一种对反应的反应：人们对他人反应的反应，而非对原始新闻本身的反应。这些反应往往决定了辩论的最终走向。
这个预测有多可靠？
这是一个可以检验的假设。你可以追溯到代理人的帖子和访谈记录来验证结论，这有助于你判断结论，但它应该支持你的判断，而不是取代你的判断。