多智能体仿真是一种研究系统的方法，它通过建模多个独立的行动者（称为智能体）来构建系统模型，每个智能体都有自己的规则、目标或个性，并让它们之间的互动最终决定系统的整体结果。这种方法无需为“市场”或“公众舆论”编写单一的方程式，而是描述各个个体，并观察群体的行为。借助现代语言模型，这些智能体能够使用自然语言进行阅读、书写和记忆，这使得该方法能够有效地研究人们如何做出反应。
核心思想：行为源于互动
许多重要结果并非由单一主体决定。交通拥堵、物价飞涨、谣言病毒式传播以及公众情绪转变，都是由众多相互影响的局部决策共同作用的结果。多智能体仿真充分考虑了这一点。
典型的模拟包含三个要素：
- 代理人：行动者，每个行动者都有自己的状态（它知道什么、想要什么或相信什么）和行为（它如何决定下一步做什么）。
- 环境：主体之间互动和观察的空间，例如地图、市场或社交网络。
- 时间步或回合：在每个步骤中，智能体观察、决策和行动，环境也因此而改变。
这种方法的独特之处在于其涌现性：群体层面的模式并非由任何人直接设定。每个个体微小的偏好，通过反复互动，可以产生巨大而令人惊讶的集体结果。
其来源：基于代理的建模
这个想法并不新鲜。经济学、生态学、社会学和计算机科学领域的研究人员几十年来一直在使用基于主体的建模方法。早在20世纪70年代，一些早期研究就表明，即使规则非常简单，基于网格模型，个体对邻居的轻微偏好也可能导致整个社区层面的严重隔离。在接下来的几十年里，研究人员构建了人工社会，模拟了市场，并建立了流行病、动物群落和交通模型。
这些经典模型有一个共同的特点：模型中的主体被刻意简化。每个主体都遵循少数几条数值规则，这使得模型清晰易懂，便于分析，但也限制了它对诸如说服、框架效应或反讽等丰富的人类行为的阐释能力。
新浪潮：基于语言模型的智能体
大型语言模型改变了智能体的功能。自2023年左右以来，对所谓生成式智能体的研究表明，语言模型智能体在被赋予角色、过往事件记忆以及反思记忆的能力后，能够在模拟社区中表现出令人惊讶的逼真行为：它们能够规划日程、形成观点、传递信息并相互协调。
与经典的基于代理的模型相比，语言模型代理：
- 使用自然语言进行沟通，这样他们就能对语句的实际措辞做出反应，而不仅仅是对数字做出反应。
- 塑造丰富的人物形象，融合背景、价值观和语气。
- 记住并更新，以便早期的对话能够影响后来的行为。
缺点是，与基于规则的代理相比，它们的透明度较低，运行成本较高，而且它们的行为反映了底层模型的优势和偏差。
InfoDome是如何应用它的
InfoDome使用语言模型代理来模拟公众和利益相关者的反应。您上传文档并描述您想要预测的内容； InfoDome会提取您材料中人物、组织和团体的知识图谱，然后创建数百个具有各自性格、立场和长期记忆的代理，这些代理分布在您选择的最多 10 个受众国家/地区。这些代理在类似Twitter的信息流和类似Reddit的论坛上并行互动，进行若干轮。分析代理会撰写一份预测报告，您可以向该报告以及任何单个代理提出质疑。有关AI 群体模拟如何预测反应的详细步骤，请参阅“AI 群体模拟如何预测反应” 。
当多智能体仿真有所帮助时
当结果取决于互动而非任何单一决策时，该方法最为有效：
- 反应是由一系列反应叠加而成的：危机、谣言、公众辩论，其中对第一次反应的回应最为重要。
- 众多利益相关者，利益各异：政策变化、组织结构重组、谈判。
- 战略博弈：竞争对手的反应或战争游戏，其中每一方都在适应另一方。
- 早期探索：当你需要快速提出假设时，在进行调查或实地研究之前，或者当真正的测试成本太高或风险太大时。
- 信息对比：让同一受众接触同一陈述的两个版本，看看哪种框架传播得更广。
当它不起作用时
同样重要的是要知道何时不应该使用它：
- 当您需要具有代表性的数据时，请注意：模拟结果并非民意调查；其比例不应解读为现实世界的百分比。
- 当良好的历史数据已经能够回答问题时，统计预测可能更为可靠。如果您拥有多年稳定产品的销售数据，那么统计预测可能更为可靠。
- 当信息匮乏时，代理人的实力取决于其所依附的素材。利益相关者的缺失意味着声音的缺失。
- 当你需要确定性时，不同的运行结果可能会有所不同。输出结果是一个可供审查的假设，它能为判断提供支持，但并不能取代判断。
一个实例
一家中型物流公司正在考虑将办公室员工的工作时间改为每周四天。公司领导层想了解员工、团队负责人和客户的反应。虽然电子表格模型可以估算成本，但却无法预测“隐性加班”的谣言会在员工中如何传播，也无法预测重要客户会如何看待这一消息。
人力资源团队将内部提案和近期员工调查的摘要上传至InfoDome ，并详细说明了调查问题，随后在一个国家开展了 20 轮调查。在论坛上，团队主管们对周五的轮班安排表示担忧；而在用户反馈中，年轻员工虽然欢迎这一改变，但也担心工作量会被压缩。一位客户代表询问响应时间是否会发生变化。分析师的报告指出，周五轮班安排的清晰度是团队主管和客户双方的决定性因素。
人力资源部在与一位团队主管面谈后了解到，轮班制（周五上班）可以缓解他们的担忧。领导层将此视为一个假设，计划在两个部门进行试点验证，而非最终定论。这正是多智能体仿真技术的一个巧妙应用：它将一个模糊的问题缩小到一个具体且可验证的问题。如果您也需要处理类似的前瞻性问题，那么情景规划用例将是一个很好的起点。
入门
使用InfoDome运行多智能体仿真无需编程技能。单用户套餐每月 29 欧元，包含每月 9 欧元的 AI 使用预算和无限项目数，可随时取消。在控制台中准备您的第一个场景；您可以在注册前设置任务。
常问问题
多智能体仿真与基于智能体的建模是同一回事吗？
它们是密切相关的术语。基于代理的建模通常指的是使用简单规则代理的经典研究方法，而多代理仿真则通常被更广泛地使用，包括基于语言模型构建的代理。
什么是生成代理？
生成式智能体是基于语言模型构建的人工智能智能体，它们拥有人格特质、对过往事件的记忆以及规划和反思能力。研究表明，它们能够在模拟社区中展现出可信的社交行为。
模拟可以代替调查吗？
不。模拟可以快速生成并检验假设，而调查则可以衡量真实用户的意见。两者结合使用效果最佳：先进行模拟以优化问题，然后在关键时刻用真实数据进行验证。
我需要编写代码才能使用它吗？
InfoDome则不然。您只需上传文档，用通俗易懂的语言描述问题，选择国家和轮次，即可阅读报告。