用 AI 模拟人类行为的 20 亿美元创业公司

从概率上说，一个很有说服力的论点是，像我们这样的社会和人类，总会想更好地了解自己。而我们发现，了解某件事最好的方式就是重新创造它。我有时会把模拟形容成一幅描绘社会面貌的肖像。所以，我认为这是人类或文明与生俱来的强烈愿望。这样看来，任何文明都会创造模拟；到某个阶段，很可能我们自己也生活在一个模拟里。

因此，我们思考模拟时，首先会想到个体：能不能创造出忠实、准确地表现一个人的多元身份、特征和行为的个体模拟？要模拟整个文明，就意味着把这些人放进同一个环境，让他们彼此互动。互动中究竟会产生什么，始终是复杂而混沌的。这就是我认为在社会尺度上构建模拟最终会呈现的样子。

我们开始问自己：能不能借此创造一种全新的互动方式？它不只是生成上下文或给任务分类，而是真正产生新的行为？我们认为，最有野心的做法，是模拟一个完整的人。有了完整的个人模拟后，能不能进一步创造一个完整的社群？Smallville 就是这项探索的产物。

它是一个游戏小镇。计算机科学家喜欢游戏，因为游戏是展示新能力的好方式。我们创建了一座小镇，看起来有点像《宝可梦》或《模拟人生》里的城镇，并放入 25 个智能体。它们各自有不同的名字、性格和人生经历。本质上，这些智能体是语言模型，再加上我们当时称为“智能体架构”的系统，其中包括记忆、规划和反思。

它们会在早晨醒来，按日常安排行动、去上班、建立关系。模拟设定在情人节前一天，智能体们会聚在一起办派对：一个角色负责组织情人节派对，还有角色会鼓起勇气约人出去。这些事情没有一项是预先编程好的。我们看到的是，确实可以模拟这些人，并让涌现现象从模拟中自然发生。

这就是我们在 2023 年做的 Smallville 实验。这项工作提出了几个关键概念：我们可以创建人的模拟；也可以用生成式 AI 模型构建智能体，并采用核心的智能体架构。当时智能体工作流还处于非常早期的阶段，但我们已开始看到它们成为可能。此后我们一直在这项技术上继续推进，让模拟越来越准确、覆盖更多样的人群，也扩大规模。

我们会问简单问题，比如“你叫什么名字？”“讲讲你的人生故事。”还会问“你最想和谁共度时光？”“如果要给那个人送礼物，你会送什么？”这些问题之所以有用，是因为人能回答它们，依赖于记忆、提前规划和反思。我们生成回答后，请人工评估者判断：根据智能体在小镇里的经历，这些体验或洞见像不像人？评估者会把人类作者的回答与智能体回答放在一起比较，判断哪一个更真实。

结果相当不错，智能体显得很真实。比如问它“你最想和谁一起消磨时间？”如果它回答“碰巧在街上见得最多的人”，就有点奇怪。它更应该说出自己真正关心的人：和谁有特殊关系、和谁聊过什么、哪些事让它印象深刻。然后它应该反思这些经历并选出那些人。这些就是我们做过的实验，以及当时能获得的信号。

后来我们希望更进一步。早期评估主要看可信度，也就是能否在智能体身上看到我们所说的“生命幻觉”。随着这个领域发展，我们开始评估忠实度和准确性。接下来的实验用这套架构为 1000 名真实的人创建模拟。

我们先在美国招募大量真实参与者，按性别、种族、族裔等维度抽取具有代表性的 1000 人样本。之后收集他们的数据：我们做实时的人类访谈，开发一个能与人进行语音对话的 AI 智能体，让它直接和参与者交谈。我们会问类似 Smallville 里那些问题：“讲讲你的人生故事。你在哪里长大？你做过哪些艰难决定？谁对你最重要？”然后用这些数据训练 AI 智能体，让它们成为这些人的数字分身。

接着让参与者离开两周，再请他们回到实验室。这次我们让他们完成一系列问卷和行为研究，对各种刺激作出反应，同时让他们的智能体预测他们会怎么回答。到 2024 年底，我们首次在这个领域展示：这些智能体预测人类行为的准确率可以达到 85% 以上。这为公司今天的技术奠定了基础。当然技术本身已经有很大变化，但那是最初的基石。

与此同时，有些人的特质并不容易改变。就像我刚才略微提到的，一个人的风险承受度通常不会轻易变化。只要我们能学到这类稳定特征，这些特征就会变得很容易预测。关键是理解人们认为自己是什么样的人，与他们实际生活中怎么做之间的差距。建模真正的挑战，是学会这一层转换：如何从观察到的行为或态度，推导出一个人的根本倾向？

但我那周到底会不会真的去健身房？促使我迈出门去健身的启动能量，实际比我预想的高得多。因此，这更像一条指数曲线：要达到“这周我真的去锻炼了”的状态，需要跨过一道明显的启动门槛。我们需要学习的就是这些不同的函数，差距也都在这里。

但人们行动时通常不是在真空或抽象条件下，而是在现实世界中。即使是“我们去哪儿吃饭”这样的简单问题，抽象地看，如果有人说“我们去吃 X 吧”，而我很饿、又没有别的食物可选，我几乎肯定会说“好啊”。但现实中，我们往往有些选项无法获得，却有其他选项可选。这就是人拥有选择空间的时候。于是我们必须考虑采取某个选项的机会成本。

真正支配人们行为的往往就是这些：我这周可以去锻炼，但如果不去，我就能多睡一小时，或者多开一次会。选择空间及其具体内容，往往真正左右人的行为。

显而易见的用途包括概念测试；更复杂的还有联合分析、MaxDiff 最大差异分析等。研究人员传统上要花数十万甚至数百万美元，耗时多年才能完成的分析，我们几乎可以立刻在模拟中跑出来，只需发起一次查询。这就是今天的应用方式。

但用户也会接着问：“能做这些研究很好，那我们能不能做一些传统研究做不到的事？人们实际会怎么做？面对不同刺激会作何反应？”因此，模拟不只是建立人的模型，也要建立环境模型。

举个简单的例子，假设我们要卖水。如果只有一个水源，那个人可能就能收一百万美元，才让别人取水。但这之所以不可能，是因为人们有其他选择：周围到处都有水。定价还取决于包装、具体渠道等因素。水很容易获得，市场里还有其他选择。所以我们想把整个环境建模：还有哪些选项和替代品？在这样的背景下，让智能体面对这个决策，问它：“考虑到这些环境因素，你愿意以什么价格买这瓶水？”

因此，这既是对人及其行为建模，也是对环境和周围一切事物建模。

Brex 是智能财务平台，把卡片、费用和银行业务整合在一个系统里，并内置智能财务 AI 智能体，自动处理费用，在支出发生前执行政策，还能在几分钟内完成结账。这就是 Sourcery 使用 Brex 的原因，让我能把时间花在建设上，而不是杂务上。现在就开始使用 Brex，了解更多请访问 brex.com/sourcery。网址是 brex.com/sourcery。

从握手到签约，速度更快。Harvey 是为法律工作打造的 AI 平台，受到 Am Law 100 中 80% 的律所和《财富》500 强中超过 20% 的公司信任。今天就去 harvey.ai 了解更多，网址是 harvey.ai。

AI 所需的不只是芯片，还需要电力、土地和基础设施。Zone 开发新一代数据中心园区，与 AI 公司、土地开发商和技术领导者合作，以更快速度、更大规模地部署算力。

我们也与金融公司合作，包括一些最大的金融机构；还有巴西的国际金融机构 Banco Itaú。它们有类似需求：想了解应该推出什么政策、传达什么信息，才能更好地向客户表达自己的价值观。

我们还服务娱乐公司和消费品公司，所以行业范围很广。但这些公司有一个共同点：都希望更好地了解自己的用户群，也希望更加以客户为中心。如今，每次需要沟通时，都和每一个人交谈有现实限制。如果我们能创建人的模拟，随时提出任何问题，这就会成为这些公司的超能力。

如今，Simile 通过面板合作伙伴与全球超过 4000 万真实人群建立了合作。我们每周都会与数万、甚至数十万真实的人交流。这就是我们目前的运营规模。如果需要新的面板成员，通常 24 小时内就能满足。

有些面板公司专门做这件事，会努力与全国各地的人建立真实关系。Simile 的一个战略合作伙伴是盖洛普。我认为盖洛普是民调公司中最接近黄金标准的机构之一，专门生成这类洞见。他们有一个几十万人规模的盖洛普面板，并在过去十年、二十年里与这些人建立了关系。

所以我们会安排好访问频率，让参与尽可能稀疏，同时又能维持关系。我们会做研究，比较全新样本和过去回答过一定数量问题的样本，找出不同问题之间应该间隔多久，才能获得高质量、接近黄金标准的回答。我们会实际测量这个间隔。

另一种做法是在研究中设置注意力检查。这些是与核心测量无关的虚设问题。

例如未成年人不能参与。这是我们承认的一个盲点：我们不收集未成年人的数据。

这也是我们与语言模型或其他建模公司的不同之处。其他公司想打造擅长编程、数学的优秀推理机器，最终成为好聊天机器人、好助手。我们想建立的模型则能捕捉不同人的观点、价值观、偏好和品味。这也包括学习人的良好行为，以及不良行为。Simile 必须能够把这些都呈现出来。

话题方面排第一的是数字分身，还有模拟客户测试和隐私。它们之间没有明显赢家，我也认同，因为眼下所有 AI 相关事务最大的担忧之一就是网络安全和隐私风险。我显然问了很多关于模拟客户测试如何运作的问题。数字分身也挺有意思：它对其他人怎么起作用？这个过程怎样输出信息？

不过，最重要的一点是，这是一种新的决策方式。我们还没见过如此通用、能够适用于社会情境并为各种人类决策提供信息的模拟。因此，我们会与用户紧密合作，帮助他们管理变革、使用结果，并校准何时使用、如何使用、还需要哪些数据以及如何验证。

与这些报告相关的核心功能之一是置信度，也就是预测准确率。我们非常看重这个指标。Simile 会用基础模型生成未来预测和模拟，同时联合训练一个预测准确度模型。这个模型的任务只有一个：根据训练模型所用的全部数据和收到的问题，输出 0 到 100 的概率，表示我们对特定回答有多大把握。

如果你是社会科学家，可以把它想成推断统计里的 p 值。科学研究中 p 值小于 0.05，通常是可以作出判断的经典标准。我们也会提供这类置信度信息。客户发现，置信度高于 90%、通常至少高于 85% 时，结果可以作为稳健证据，用于高风险决策。所以整个方案不只是提供洞见，也提供有力证据：如果证据如此，那么这个结果就是一个合理、必须准备应对的可能性；同时还要提供能够校准置信度的模型。

我们与几家汽车公司合作，其中几乎所有公司都是电动车领域的大型参与者。他们最关心的问题是：要不要做电动车？何时做？该怎么做？我们做过一项模拟，研究人们会如何回应某款新电动车进入特定市场时采用的不同信息传达方式，以及怎样优化营销信息，更好地把企业的价值观传达给客户。

当时有一种策略看起来是明显赢家，非常棒，可以直接推进。但有趣的是，它会带来后续影响：这种信息和市场策略改变了人们对非电动车的整体看法，最终实际上拉低了整个市场中的销量。

今天的节目由 Fundrise 推出的 VCX 赞助。VCX 是私人科技公司的公开交易代码，让各种规模的投资者都能投资风险资本。更多信息请访问 getvcx.com。

Public 是一个多资产投资平台，你可以用 AI 智能体自动化投资。只需简单提示词，就能创建自己的定制智能体。智能体可以监控市场、执行交易策略，并管理股票、债券、期权、加密货币等资产和现金。想在收盘时买入、次日开盘时卖出？告诉你的智能体就行。访问 public.com 自动化你的投资。

创始人用 Deel 扩张更快：几分钟内即可为任何国家设置工资发放，在世界任何地方雇用员工，快速办好签证，然后继续专心建设。访问 deel.com/sourcery。网址是 deel.com/sourcery。

我最敬仰的研究者之一是托马斯·谢林。他是 20 世纪七八十年代研究行为的经济学家，提出了我们所说的隔离模型。当时种族隔离是那个时代的重要议题。他决定用模拟来研究这个问题，至少弄清背后的因果机制。

所以我会思考：当今有哪些核心问题？其中一个就是气候变化。气候变化难，不只是因为物理层面的复杂性，也因为它涉及协调。参与者众多、激励各异，每个人都在优化自己的目标。大家聚到一起、彼此冲突后形成的均衡状态几乎难以应对。如果我们能反复模拟，根据不同政策看看可能产生什么结果，或许会非常有用。

另一个问题是：如果我们相信通用人工智能已经到来，或者即将到来，那么至少在这个社群的某些圈子里，大家已经提出了不同想法，其中之一可能是全民基本收入（UBI）。我们能不能模拟这类政策的结果？与其花五年做一项全民基本收入研究，能不能先通过模拟看出它在哪些地方有效、在哪些地方无效？这些都是值得做的模拟。

事实上，我在 2023 年首次发表关于“泛化”的论文时，Andrej 是最早传播这项工作的人之一。因此这有点像兜了一圈又回到起点。但我们也很幸运，因为这个想法、核心研究和技术需求都非常真实。我确实相信，模拟在很多方面都是不可避免的：人们内心深处有一种需求，想更好地了解自己。就像我们写自传、画肖像一样，模拟也像是在为社会描绘一幅肖像。

我想很多天使投资人都看到了这一点：这是个令人振奋、确实需要存在的想法。这正是让他们兴奋的原因。

这就是我们的灵感来源。因此我们会问既与主题相关、又相当宽泛的问题。让人讲述自己的人生故事很有价值，可以揭示他们身上许多有意思的知识。我们也会收集大量行为数据，其中一部分是观察性数据，例如交易数据、移动轨迹数据，这些当然很有用。

但真正重要的是因果机制，也就是随机对照试验。想象一下，在相同的实验设置里改变某个变量——无论是产品功能还是信息传达方式——然后观察人们的行为如何变化。这类数据非常重要，因为随着时间推移，我们发现……

所以，对我们而言，关键不只是发现相关性，而是理解因果机制，因为因果关系才是我们可以用来改变未来走向的杠杆。

我们还有一批优秀的方法论研究者。对我们来说，工作不只是创建模型，还要研究和理解人。因此，我们有一支规模不大但不断壮大的方法论团队，成员也有社会科学背景。

公司的核心论点之一是，数据和模型非常重要。模拟技术现在基本处于 GPT-4、GPT-4.5 时代：已经可以产生影响，但技术每个月都在变化和演进。很多竞争也会发生在市场和实际部署过程中。

回看最近几轮 AI 周期，比如编程智能体的发展，我发现真正深入部署的公司取得了很多成功。它们与客户的关系会随着时间变得更牢固、更有防御性。我认为模拟领域也会如此。我预计模拟行业再过一年半到两年，会发展到今天编程智能体行业的成熟阶段，所以我们也在从那个时代吸取很多经验。

另一个需求是招聘。想象一家企业要从斯坦福或 MIT 招募最优秀的学生，该怎样向这些人群传达信息？这也可以模拟。所以这不只是了解消费者和客户，而是了解整个生态系统中的每个人。许多重要利益相关者其实就在公司内部。

模拟结果怎么说？好，最后我想问一个我最喜欢的问题。你刚才其实已经回答过一部分，但我还是好奇，也许你有不同答案。这是我们和 Brex 合作的问题，可能也出现在你的模拟里，主题是表现：Brex 讲的是更聪明地花钱、更快地行动。我想从个人角度聊聊这件事。我觉得关键在于你身边围绕着什么人。有人说是你最亲近的五个朋友。你也许能给出更科学的答案。也可能是导师，或一路激励你的人。我知道你也做过画家，所以也许是某位艺术家。我很好奇，对你来说这个人或这些人是谁？

第一，他们是成功的共同分母。也就是说，在职业生涯的不同阶段，他们都曾站出来说：“无论其他事情怎样发展，我都会让这件事成功。我会成为它成功的原因。”这总能体现出他们重塑自我的能力和强烈的主人翁意识。

第二，他们拥有两种按理说不该同时存在于同一个人身上的超能力。我有时会这样形容我的联合创始人 Michael：他是一位非常成熟的科学家，理解科学方法论的方方面面；但与此同时，他又像个孩子一样，会因为做出游戏演示而兴奋不已。

还有 Laney Allen，他平时非常警觉，总觉得我们现在就得把事情做好，确保尽一切努力让公司成功；但与此同时，他又有非常虔诚的信念，相信无论发生什么，我们都会赢、都会成功。我觉得这种张力特别美妙。

当然还有 Percy。他在斯坦福社群里很有名，是一位钢琴家，同时也是最知名的 AI 研究者之一。这种组合真令人惊叹。这些人确实激励着我。

你能从那些成功的共同分母身上，看见、感受到他们行为和职业生涯中的这种特质。我最近参加完一个研讨会回来，碰巧和一位叫 Sandy Pentland 的学者坐在一起。他曾长期担任 MIT 媒体实验室教授，培养了我们这个领域以及更广泛计算机科学领域里的许多杰出人才。

他的职业生涯也很了不起，我一直很敬仰他。他经历过好几个阶段：有一段时间是物理学家；后来成为 AI 研究者，并培养出那一代一些最知名的 AI 研究者；之后又成为计算社会科学家。在每个阶段，你都能看到 Sandy 是非常有影响力的人物。这种能力值得观察：他们如何在每个时代都成为不同领域里的杰出人物？这究竟是什么？是极致投入和持久力吗？

我常看到这种情况：你想办成某一场融资，想拿下某一个客户，或者想赢得某一篇最佳论文奖。等你真的做到了，却问自己：“然后呢？”接着就失去兴趣。我见过很多机构和个人，在职业生涯某个阶段取得惊人成就，随后失去兴趣，逐渐淡出。那算不算失败，不是由我来评判；很多情况下，这也可以被看作了不起的成功。

但如果有人想长久地参与这场游戏，并在许多代人、许多时代留下影响，这就值得认真考虑。关键区别在于短期思维和长期思维。