From Prediction to Simulation: Teaching AI to Shape the Future — Joon Sung Park, Simile AI

Simulacra AI 用 1000 人真实数据训练数字分身，行为预测准确率达 85%，远超主流大模型。

AI越理性，越预测不准人类

Joon Sung Park 是 Simile AI 联合创始人，2020 年在斯坦福开启博士研究，因 2023 年的 Generative Agents 论文、也就是很多人说的 Smallville，进入大众视野。他现在做的事，比“让 AI 更会回答问题”更难：把生成式 AI 变成理解人、模拟人，并帮助组织在行动前推演后果的系统。这期对话最尖锐的地方在于，Joon 反复提醒：如果 AI 想替人做决策，它首先得学会不那么像机器。

这期回答了 8 个问题：

1. 为什么一个更聪明、更理性的模型，反而可能更不懂真实的人？
2. 个人助理真正的门槛，为什么不是会执行任务，而是先建立用户模型？
3. 预测销量下跌，和知道如何避免销量下跌，数据需求有什么根本不同？
4. 为什么只有让参与者为选择付出真实代价，数据才算“行为数据”？
5. 模拟如何不只给出结局，还能找出一条反直觉但有效的行动路径？
6. 企业怎样让用户的声音持续进入决策室，而不是只在调研时出现一次？
7. 为什么政治可能是模拟技术最有价值、也最需要克制进入的领域？
8. 从几万人模拟到 80 亿人，AI 模拟社会究竟可能解决什么问题？

被问到 Simile 与通用前沿模型有什么本质差异、又如何验证模拟可靠时，Joon 给出的答案有点反常识。团队曾找来 1,000 名具有美国代表性样本特征的参与者，在虚拟实验室里花两小时收集信息：深度访谈、行为数据，以及能在这一时段内获得的其他资料。两周后，真人回来完成问卷、实验、行为研究；与此同时，他们的“数字孪生”也去预测同一批结果。

研究报告称，数字孪生复现原始个体行为和态度的准确度，达到了“人复现自己”能力的 85%。这里不是说模型有 85% 的题目答对，而是说：如果一个人今天接受测量、两周后再测，他自己表现出的稳定性是一个基准；模型能逼近这个基准的 85%。

Joon 因此说："the models that we're talking about here what we're trying to create are models that are as dumb as I am"（我们要创造的这类模型，得和我一样“笨”。） 前沿模型常被训练成更会推理、更客观、更符合主流统计规律的机器。但客户真正关心的，往往是某个细分群体在某个具体议题上的反应。Joon 称，在这类场景里，前沿模型的行为预测有时会降到 20% 至 30%；面对更一般的人群，也大约只有 50% 至 60%。

这意味着，面向人的 AI，评测标准不能只是“是否给出最合理答案”。它还得知道人会犹豫、会偏见、会做明明不划算却符合自己经历的选择。边界也很明确：85% 不是复制真人。模拟不是把人变成可完全复刻的文件，而是尽可能抓住那些会改变决策的部分。

被问到未来个人代理还缺什么时，Joon 没有先谈工具调用、浏览器操作或自动下单。他举了一个很小的例子：如果他让助手买宵夜，助手点了夏威夷披萨，却不知道他讨厌披萨上的菠萝，那么这次自动化已经失败。任务表面上完成了，结果却错得很具体。

他的判断是："The way for it to not make that mistake is only by having a deep understanding of who I am."（要让它不犯这个错，唯一的办法就是让它深刻理解我是谁。） 这和人与人相处很像。家人、密友不必每次都问你“今天想吃什么”，因为他们脑中已有一个关于你的心理模型：你怕辣还是爱辣，赶时间时会怎么选，心情不好时又会偏向什么。

现有个人助理当然已有早期应用。模型也能通过 Markdown 文件、文本记忆保存不少信息。Joon 甚至提到，早期 Generative Agents 的记忆架构就采用过类似直觉：语言模型擅长理解文本，那就先把记忆放在文本里。但当个人资料不断积累，难题变成：系统怎么检索、关联和理解海量信息？哪些是短期状态，哪些是长期偏好？

这意味着，个人 AI 的竞争不只是谁能替你点餐、写邮件，而是谁能持续建立用户模型。它需要更深的理解、更稳定的数据来源，也需要用户愿意不断给模型提供信息的机制。反面是，提示词和聊天记录不等于理解；市场上还没有真正达到这种雄心、又足够有用的个人助理。

被问到“行为基础模型”需要哪些不同于网页语料的数据时，Joon 把数据分成三层。第一层是丰富的定性访谈，比如让人讲述人生、童年记忆、创伤或初恋。这些信息未必直接等于行为，却能让一个人的模型有纹理。第二层是观察性行为数据，例如交易记录、网页抓取数据，它们能展示人们平时做了什么。

但他认为最关键的是第三层：解释“为什么”的因果数据。典型形式是随机对照试验，也就是让其他条件尽量保持一致，只改变一个变量。例如，比较“当天喝咖啡”和“当天不喝咖啡”时，人的后续行为是否不同。现实世界是最终真相，但它只发生一次。你无法把同一个星期二重跑十遍，只改掉咖啡这一项。

所以 Joon 说："most people most decision makers what they want to know is how can we shape the future."（多数决策者真正想知道的是：我们怎样才能塑造未来？） “两季度后销售额会下跌”是一种预测；“现在改什么能避免下跌”才是决策。前者像天气预报，后者更像找出哪根管子漏水、关哪个阀门能止损。

这意味着，模拟若要成为行动工具，不能只学习结果之间的相关性，还要学习干预与结果之间的机制。难点恰恰在这里：高质量随机对照试验稀缺、昂贵，而且无法无限进行。模型可以从已有实验中学到规律，却不能把相关性包装成因果处方。

被追问“现实生活里并没有人把一切都记录下来，Simile 怎么获得行为数据”时，Joon 讲得很具体。团队会邀请参与者在知情同意下加入社区，参与者可以共享数据，也允许自己以不同形式被建模。随后，团队把人带到线下或虚拟实验室，设计需要实际做决定的情境。

关键不在于问“你会买什么”，而在于让选择有后果。比如实验里搭一个线上商店，参与者挑选商品后，实验结束真的会收到所买的东西。这样，参与者不再是在完成一道问卷题，而是在花费自己的机会、预算或注意力。Joon 的判断很干脆："if the stake in your decision is real. That's ultimately what makes it behavioral."（如果你的决定有真实利害关系，那最终才让它成为行为。）

这条线看似简单，实际上把“态度”与“行为”分开了。一个人可以在问卷里说支持环保，也可以在实际购物时选择更便宜、包装更多的商品；前者是表达，后者才包含真实取舍。行为数据之所以难拿，是因为它需要实验设计、激励机制、真实履约，还要处理参与者的同意。

这意味着，高质量人类模拟的数据基础设施，不会只是多发几份问卷，而是一整套机制：谁同意参与、实验怎样设置、选择有什么代价、结果如何交付。边界也不能模糊。网上的点赞、发言和自我描述有参考价值，却不能直接等同于一个人在有真实利害关系时会怎么做。

主持人提出了一个尖锐问题：如果一项行动显然会拉低支持率，模拟究竟比常识多提供了什么？Joon 的回答是，模拟不该只告诉你“这很糟”，而应当展示通向目标的步骤。他借《基地》里的“心理史学”打比方：科学家发现银河帝国崩溃后会有 30,000 年动荡，希望把它缩短到 1,000 年。模拟给出的第一步，却是把提出警告的科学家流放到偏远星球。

这显然反直觉。可在那个故事的路径中，这一步是后续一连串结果的起点。Joon 把这种能力概括为："what is the path that we need to take now to get to that particular future"（我们现在需要走一条怎样的路径，才能抵达那个特定的未来？）

他又给出汽车公司的假设。一家公司想推广电动车，若只盯着电动车销量，可能找到一种看似有效的营销方式。但这套传播也可能改变消费者对非电动车的印象，最终拉低整体汽车销量。局部 KPI 上升，不等于总目标变好；像在船上拼命堵住一个漏水口，却把更多水引进别的舱室。

这意味着，模拟真正瞄准的是系统效应与行动路径，而不是单次问卷的答案。它要求决策者先说清目标，再允许系统评估中间步骤。边界是，《基地》是科幻类比，电动车也是假设案例。它们说明理想能力，不代表今天的系统已能对所有现实策略开出处方。

被问到最常见的商业需求，以及 Simile 是否要取代传统人类调研面板时，Joon 先否定了“替代”这个说法。很多需求确实来自历来依赖样本面板的场景：概念测试、焦点小组、产品测试，甚至模拟上市公司的财报电话会。但企业每天做出的产品、营销、设计决策，远多于它们能真正发起的用户研究。

传统研究有很现实的账单。成本高、周期长，受访者也不可能无限配合。Joon 说，即使某人很愿意参与，也不可能为同一家供应商答 1,000 份问卷。于是，“听用户声音”常常只发生在立项、改版或危机时；更多日常决定，则在用户根本不在场的会议室里完成。

他希望改变的是这个频率："ensure that the voices of people is always represented in rooms where the decisions for them is made"（确保人们的声音始终能出现在那些替他们做决定的房间里。） 基于真人数据建立的模拟人群，可以在更多决策节点被调用。它不是替企业宣称“我们已经问过用户”，而是让团队在每次做选择时，都有一个可检验的用户视角。

这意味着，用户研究可能从项目制的调研环节，变成持续性的决策接口。但“持续”不等于脱离真人。Joon 特别强调，模拟以对真实人群的理解为基础。人群变了、环境变了、产品变了，模型也需要重新接触和校准现实。

被问到模拟对他个人意味着什么时，Joon 把话题带回自己成为研究者之前的经历。他原本按艺术家的路径训练，曾把绘画当作职业方向，并在写实画室体系里学习人物绘画。后来，他长期拍摄和研究一个乡村小镇的人，不是为了捕捉重大新闻，而是拍他们没有做什么特别的事：坐着、走路、发呆，照常过一天。

他认为，好画并不是完美复制对象。画面总会有取舍，但优秀的画会把对象最重要的部分推到前景。Joon 把模拟也理解为类似的工作：不是做一份看似完整的人类档案，而是从大量细节里找出真正塑造选择的东西。

这意味着，行为模拟不能只盯着购买、点击、停留时长等效率指标。比如他在斯坦福期间住在帕洛阿尔托，离校园约 40 分钟步行路程。模型可能建议他叫车或查公交，因为那更省时；但他长期喜欢走回去，因为那段路能让他思考研究、放空或整理想法。对优化器来说，这像低效；对理解一个人来说，却可能是重要规律。

边界同样存在。没有一幅画能完美再现对象，模拟也不可能收集全部生活。重点不是把每个人变成全透明的数据点，而是尊重日常生活中的细部，并判断哪些细部会在关键时刻改变选择。

被问到模拟会不会进入政治和政策领域时，Joon 没有回避需求。他提到 Simile 已与 Gallup 建立战略合作，后者深度参与政策空间；政治显然存在大量关于民意、沟通和政策反应的需求。但 Simile 目前尚未深入开展政治业务。

原因不是政治没有市场，而是政治会放大技术的后果。商业中的错误推荐，可能是一次产品定位失误；政治中的错误模拟、选择性使用或过度依赖，可能影响公共认知和治理方向。Joon 说："We are very much mindful of how this technology gets adopted and the societal impact that we'll end up having with this technology."（我们非常在意这项技术将如何被采用，以及它最终会带来的社会影响。）

这意味着，模拟越接近影响群体认知和公共决策，部署顺序就不能只由市场规模决定。公司得先回答：谁能使用？如何验证？哪些结论不能被当作行动依据？如何避免把“模型推演”伪装成“人民意志”？这些问题不是产品功能列表，而是技术进入公共领域前的护栏。

不过，Joon 也留下了一个未解答的空白：什么样的具体护栏才算足够？公司尚未给出明确标准。政治需求不会因为技术方暂缓进入就消失，因此真正困难的不是“要不要做”，而是社会是否能建立与其影响力匹配的使用规则。

被问到规模化后能做什么时，Joon 抛出了最远的目标：建立一套由地球上 80 亿人构成的模拟，观察大规模人群互动后涌现出的社会行为。他说："Can we create a simulation of 8 billion people living on earth? I think that's quite interesting and that really is the vision."（我们能否创造一个由地球上 80 亿人生活其中的模拟？我觉得这非常有意思，而这正是我们的愿景。）

他拿气候变化举例。气候问题被社会科学家称为“棘手问题”：参与者很多，激励彼此冲突，协调一项复杂决定极其困难。企业、政府、消费者、不同国家都在行动，却不一定朝同一方向。现实世界不能为了测试一个方案而反复承受代价，所以人类特别缺少一种能先推演连锁反应的环境。

今天的规模离这个愿景还远。Simile 每周收集的数据涉及数万人，并通过样本面板合作覆盖全球数千万人。Joon 把当前阶段类比为 GPT-3.5、GPT-4 之于 AGI：已经能在垂直领域产生影响，但距离终局还有数据、算法和算力的巨大缺口。他甚至说，如果社会级模拟真能帮助解决气候变化，即使成本达到训练基础模型的量级，也值得筹钱去跑。

这意味着，模拟的长期价值不只是节省调研预算，而可能成为社会协调基础设施：在无法拿真实世界反复试错的问题上，先模拟行动及其后果。前提是，它必须先证明自己能忠实理解人，而不是放大训练数据里的想象。

“越像超级理性机器，越不适合模拟真实的人”和“想改变未来，训练重点必须从预测转向因果机制”，其实在讲同一件事：AI 若要参与人的决策，就不能只学会总结世界表面的统计规律。它得理解具体的人会怎样取舍，也得分辨“事情常常一起发生”与“我改变这一项，结果会不会随之改变”。

这也是为什么“行为数据的分界线，是人必须为选择付出真实代价”如此重要。没有代价的表达，容易把人简化成观点集合；只有进入真实选择，模型才有机会看到偏好、约束和矛盾如何碰撞。再往前一步，“政治是最诱人的市场，却不能先于护栏进入”提醒我们：当模拟开始替更多人发声、影响更多决定，准确率不再只是技术指标，也关系到谁被代表、谁被遗漏、谁有权把推演当作依据。

对普通读者而言，这不是遥远的实验室议题。你会遇到越来越多“替你推荐”“替你筛选”“替你判断”的系统。真正该问的，不是它够不够聪明，而是它理解的是你这个人，还是一个被平均化、被优化过、永远理性的假想用户。