導(dǎo)語

在互聯(lián)網(wǎng)時代，盡管海量數(shù)字化數(shù)據(jù)為社會科學(xué)研究提供了前所未有的資源，但其非結(jié)構(gòu)化、代表性不足、易受算法干擾等缺陷，使得單純依賴觀測數(shù)據(jù)分析難以揭示可靠的因果機(jī)制。同時，真實(shí)社會系統(tǒng)的實(shí)地實(shí)驗(yàn)又常受限于經(jīng)濟(jì)成本、法律約束與倫理風(fēng)險。在此背景下，基于主體建模（Agent-Based Modeling, ABM）作為一種“人工實(shí)驗(yàn)室”方法應(yīng)運(yùn)而生——它通過自底向上的仿真策略，在計(jì)算機(jī)中構(gòu)建具有異質(zhì)性、適應(yīng)性和交互能力的智能體，從而模擬宏觀社會現(xiàn)象的涌現(xiàn)過程。ABM不僅規(guī)避了傳統(tǒng)方法的諸多局限，還能支持反事實(shí)推演與政策評估，正從早期的理論探索工具逐步發(fā)展為可校準(zhǔn)、可驗(yàn)證、可賦能現(xiàn)實(shí)決策的高保真社會仿真范式。

本篇論文一作薛霄教授為發(fā)起人，報(bào)名讀書會加入Agent建模與仿真的前沿探索之旅。

關(guān)鍵詞：ABM，社會仿真，復(fù)雜系統(tǒng)，因果推斷，數(shù)字孿生

ZM丨作者

AI Agent與智能服務(wù)實(shí)驗(yàn)室-TJU丨來源

論文標(biāo)題：From Agent Simulation to Social Simulator: A Comprehensive Review(Part 1) 作者：Xiao Xue, Deyu Zhou, Ming Zhang, and Fei-Yue WangDOI: 10.48550/arXiv.2510.18271

1. 為什么需要ABM？

在過去十年里，互聯(lián)網(wǎng)技術(shù)有效地將數(shù)十億人的社會、經(jīng)濟(jì)、政治和文化活動數(shù)字化，由此產(chǎn)生了海量的數(shù)據(jù)。以這些數(shù)據(jù)為基礎(chǔ)，研究者們將社會系統(tǒng)看作各組成元素之間相互作用的網(wǎng)絡(luò)，采用復(fù)雜網(wǎng)絡(luò)分析的手段來了解系統(tǒng)特性。

但是，復(fù)雜網(wǎng)絡(luò)分析所研究的數(shù)據(jù)（如搜索和社交媒體數(shù)據(jù)）通常并非為特定的研究問題而產(chǎn)生，往往比傳統(tǒng)的社會科學(xué)數(shù)據(jù)(例如調(diào)查和實(shí)驗(yàn)室實(shí)驗(yàn))更嘈雜，結(jié)構(gòu)化程度更低，且缺乏“設(shè)計(jì)”。在這種背景下，單純的數(shù)據(jù)分析在方法論上就陷入了以下幾個難以解決的困境：①數(shù)據(jù)的代表性：大數(shù)據(jù)也是一種采樣，而且其代表性難以評估。使用互聯(lián)網(wǎng)以及各種社交平臺的人群在總?cè)丝谥胁⒎请S機(jī)分布。②數(shù)據(jù)的真實(shí)性：從大數(shù)據(jù)中所獲得的個人或群體行為模式可能與實(shí)際生活中并不一致。大數(shù)據(jù)僅記錄了人們生活的某些側(cè)面，而非全部。③數(shù)據(jù)的可靠性：在很多情況下，數(shù)據(jù)是我們使用某種產(chǎn)品（如搜索引擎，今日頭條）時所留下的記錄。需要注意的是，在使用這些產(chǎn)品的時候，我們的行為模式可能會被引導(dǎo)（推薦算法）而發(fā)生一些變化，從而使相應(yīng)的數(shù)據(jù)被“扭曲”。

社會系統(tǒng)的實(shí)地實(shí)驗(yàn)可以解決上述問題，但是在實(shí)踐中往往面臨著巨大的挑戰(zhàn)，原因可歸結(jié)為如下幾個方面：①經(jīng)濟(jì)方面，由于社會系統(tǒng)的規(guī)模和成本因素，實(shí)驗(yàn)代價太大，以致經(jīng)濟(jì)上無法承受；②法律方面，涉及國家防衛(wèi)、軍事戰(zhàn)備、社會安全等問題，受法律保護(hù)，以致無法對研究的系統(tǒng)進(jìn)行實(shí)驗(yàn)，也無法重建這些系統(tǒng)進(jìn)行實(shí)驗(yàn)；③道德方面，社會系統(tǒng)往往有大量人員的參與，對這些系統(tǒng)進(jìn)行實(shí)驗(yàn)，有可能干擾人的正常生活，甚至危害人的生命和財(cái)產(chǎn)，以致在道德上無法接受這類實(shí)驗(yàn)。

在這種背景下，社會建模仿真方法逐漸發(fā)展成為計(jì)算社會科學(xué)研究中的另一種主流方法。如圖1所示，社會模擬把計(jì)算機(jī)作為“人工實(shí)驗(yàn)室”，來“培育”實(shí)際系統(tǒng)中可能出現(xiàn)的宏觀現(xiàn)象，探究背后的規(guī)律，為分析復(fù)雜系統(tǒng)行為和評估干預(yù)效果提供了一種可行方式。

圖1：社會模擬的核心思路

社會建模仿真方法分為兩種：

（1）自頂向下建模方法：典型代表是系統(tǒng)動力學(xué)方法，針對某個特定對象或特定問題，采用數(shù)學(xué)語言來表達(dá)事物的特征、狀態(tài)、關(guān)系和過程，經(jīng)推導(dǎo)、演算和分析，以形成解釋、判斷和預(yù)測。這類方法具有高度的抽象性和嚴(yán)密的邏輯性，但是面對非線性系統(tǒng)可能會出現(xiàn)可描述但不可求解的情況，同時模型結(jié)果對于模型假設(shè)非常敏感，導(dǎo)致其結(jié)果會存在“失之毫厘、謬以千里”的風(fēng)險。

（2）自底向上建模方法：典型代表是基于主體建模（Agent Based Modeling，ABM），將系統(tǒng)內(nèi)的主體行為抽象簡化成Agent，通過彼此間的簡單交互來產(chǎn)生感興趣的宏觀結(jié)果，被認(rèn)為是除經(jīng)典演繹推理和歸納推理之外的第三種科學(xué)方法。與自上而下的建模方法相比，ABM的優(yōu)勢主要體現(xiàn)在融入了涌現(xiàn)性框架。模型的基本元素需要有足夠的靈活性，包括主體的異質(zhì)性與適應(yīng)性、數(shù)量的可擴(kuò)展性等，以至于新的、未曾預(yù)料到的特征會自然出現(xiàn)在模型中。

在20世紀(jì)90年代，Epstein和Axtell 的《Growing Artificial Society》首次系統(tǒng)地將ABM作為社會科學(xué)的建模工具。ABM與多主體系統(tǒng)（Multi-agent Systems）的概念相關(guān)但不同，其目標(biāo)是對系統(tǒng)中遵循簡單規(guī)則的主體集體行為進(jìn)行解釋性的洞察，而不是設(shè)計(jì)主體或解決特定的實(shí)際或工程問題。ABM主要用于實(shí)現(xiàn)如下目的：① 存在性實(shí)驗(yàn)：觀察某套規(guī)則是否能涌現(xiàn)出某種復(fù)雜行為；② 理解性實(shí)驗(yàn)：嘗試自下而上地模擬系統(tǒng)，用于理解復(fù)雜系統(tǒng)的運(yùn)行過程，尤其是那些無法進(jìn)行實(shí)際實(shí)驗(yàn)的社會復(fù)雜系統(tǒng)；③ 推演性實(shí)驗(yàn)：用于求解諸如“預(yù)測世界人口動態(tài)或者全球疫情傳播”等任務(wù)的大規(guī)模方程，傳統(tǒng)數(shù)學(xué)解決方案對于這類問題往往無能為力。

2. ABM的發(fā)展歷程

ABM牽涉的技術(shù)和應(yīng)用非常繁雜，其內(nèi)涵和外沿又隨著時間的發(fā)展不斷變化，圖2顯示了ABM研究中的重要主題，按照事件線分為三個周期：第一個階段（1970–1995年）是社會模擬基本概念的形成階段，包括“人工生命”與“人工社會”；第二個階段（1995–2004年）則是各種不同領(lǐng)域的人工社會模型（例如社會學(xué)、商業(yè)和市場、土地利用、金融等）紛紛涌現(xiàn)，同時ABM本身所存在的問題也開始引起關(guān)注；第三個階段（2004–至今）的關(guān)鍵事件是ACP方法的出現(xiàn)，標(biāo)志著ABM開始從“驗(yàn)證假設(shè)的玩具模型”轉(zhuǎn)向“如何為現(xiàn)實(shí)賦能”。隨著大模型技術(shù)的橫空出世，Agent社會模擬領(lǐng)域正在步入快速發(fā)展階段。表1給出了這個過程中的標(biāo)志性事件。

圖2：ABM的發(fā)展脈絡(luò)

表1：ABM的發(fā)展大事記

3. ABM 的設(shè)計(jì)原則：在“抽象”與“逼真”之間找平衡

一般來說，社會模擬的表現(xiàn)形式比較簡單，而實(shí)際系統(tǒng)的運(yùn)行比較復(fù)雜。兩者之間的矛盾主要表現(xiàn)在兩個方面：①如果模型抽象程度過高，就會難以反映現(xiàn)實(shí)世界的運(yùn)行規(guī)律；②如果模型抽象程度過低，建立模型的復(fù)雜度就會很高，會遇到數(shù)據(jù)缺乏、資源不足、知識體系尚未建立等一系列問題。因此，在真實(shí)世界與模擬系統(tǒng)之間實(shí)現(xiàn)適當(dāng)映射是非常重要的。在計(jì)算模型的設(shè)計(jì)中，模型設(shè)計(jì)原則應(yīng)該與真實(shí)情況之間達(dá)成平衡，如圖3所示。

圖3：ABM的發(fā)展脈絡(luò)模型設(shè)計(jì)原則與真實(shí)情況的平衡關(guān)系

模型設(shè)計(jì)是在某一個層面上對現(xiàn)實(shí)與抽象取得平衡，所以無法預(yù)期該模型在不同層面上都表現(xiàn)良好。例如，高度現(xiàn)實(shí)的模型可能有重大的政策價值，卻只有很少或根本沒有理論價值；反之，高度抽象的模型可能提供深刻的科學(xué)見解，但就政策貢獻(xiàn)而言，卻無法提供可以直接應(yīng)用的結(jié)果。根據(jù)與所給定參照系統(tǒng)的逼近程度，下面給出兩種建模原則：

1. KISS原則（抽象）

KISS（keep it simple and stupid）原則主要適用于理論構(gòu)建，模型規(guī)模小且參數(shù)較少，目標(biāo)是為某種宏觀涌現(xiàn)現(xiàn)象找到最小且反直覺的條件。以KISS為導(dǎo)向的ABM被視為“思考工具”或“直覺引擎”，該模型設(shè)計(jì)原則與真實(shí)情況的平衡關(guān)系如圖4所示。該模型有時候被稱為玩具模型，與參照系統(tǒng)僅在少數(shù)定性方面相似，并不試圖復(fù)現(xiàn)任何定量特征，但它們能提供問題領(lǐng)域內(nèi)一些適用的見解。KISS 方法的支持者贊同如下觀點(diǎn)：“如果ABM的目標(biāo)是豐富我們對某種現(xiàn)象涌現(xiàn)過程的理解......，那么假設(shè)的簡單性就很重要，而對特定環(huán)境中的真實(shí)細(xì)節(jié)再現(xiàn)則沒那么重要”。

圖4：簡約性方法模型設(shè)計(jì)原則與真實(shí)情況的平衡關(guān)系

Epstein和Axtell 設(shè)計(jì)的Sugarscape模型可以被視為KISS原則的典型案例。模型中關(guān)于Agent規(guī)則的假設(shè)使用了一些已有的社會學(xué)/心理學(xué)理論，但是較弱；也沒有使用數(shù)據(jù)來評估模擬結(jié)果在多大程度上再現(xiàn)了真實(shí)世界的規(guī)律性。出于這個原因，這類ABM只具有啟發(fā)式價值，但無法說清楚模型在多大程度能反映真實(shí)世界。

2. KIDS原則（逼真）

盡管從歷史上看，KISS原理對該領(lǐng)域產(chǎn)生了明顯的影響，但是這類“無理論依據(jù)”的ABM所產(chǎn)生的知識缺乏可信度，面臨著一系列的質(zhì)疑。習(xí)慣于KISS原則的建模者開始尋求與“現(xiàn)實(shí)世界”建立更緊密聯(lián)系的ABM。在這種背景下，KIDS（keep it descriptive and stupid）建模原則開始興起。這類模型以解決應(yīng)用問題為導(dǎo)向，盡可能逼近現(xiàn)實(shí)，模型規(guī)模大、參數(shù)眾多且很多模塊需要測試，實(shí)驗(yàn)輸出與實(shí)證數(shù)據(jù)最為契合。該模型設(shè)計(jì)原則與真實(shí)情況的平衡關(guān)系如圖5所示。此類模型在商業(yè)和政府機(jī)構(gòu)中應(yīng)用廣泛。例如，公共政策涉及高度不確定的領(lǐng)域（如社會網(wǎng)絡(luò)和人類行為），ABM可用于分析政策（如經(jīng)濟(jì)刺激、法律法規(guī)等）的效果，以提高公共政策制定的科學(xué)性。

圖5：現(xiàn)實(shí)主義方法模型設(shè)計(jì)原則與真實(shí)情況的平衡關(guān)系

KIDS的建模方式開始深深影響著當(dāng)代ABM研究，以現(xiàn)實(shí)世界的數(shù)據(jù)集為基礎(chǔ)，初始化ABM核心變量的概率分布，形式化Agent之間的網(wǎng)絡(luò)結(jié)構(gòu)，以及建立Agent行為規(guī)則。相關(guān)的案例包括創(chuàng)新的差異融合、聲譽(yù)動力學(xué)，以及合作行為的博弈論。在經(jīng)濟(jì)學(xué)中，ABM也開始與經(jīng)濟(jì)決策的實(shí)驗(yàn)研究和實(shí)證驗(yàn)證相結(jié)合。因此，盡管“模型的校準(zhǔn)和驗(yàn)證”仍然是該領(lǐng)域的一個研究前沿，但是ABM正在越來越多地從探索性模型轉(zhuǎn)向了嚴(yán)格的實(shí)證驗(yàn)證。表2給出了相關(guān)的ABM應(yīng)用分類。

表2：ABM的應(yīng)用分類

4. ABM 的因果挑戰(zhàn)：如何把“模擬因果”連到“現(xiàn)實(shí)因果”

在通常情況下，ABM模型非常簡單，（相對）容易全面檢查和理解其內(nèi)部功能。因此，它們產(chǎn)生的知識可以從生成的角度來看（圖6右側(cè)的垂直因果），可以用因果關(guān)系來解釋，即哪一個動態(tài)事件鏈把模型的微觀假設(shè)與一組給定的宏觀結(jié)果聯(lián)系起來的。事實(shí)上，“可理解性”被認(rèn)為有助于增強(qiáng)抽象模型的“可信性”。如果從因果關(guān)系的依賴性角度來看（圖6左側(cè)的水平因果），這些知識也可以從因果關(guān)系的角度進(jìn)行解釋。通過對ABM參數(shù)的操作（即靈敏度分析）和模型內(nèi)部構(gòu)件的變化（即穩(wěn)健性分析），確實(shí)有可能確定模型的某個參數(shù)對宏觀模式的變化負(fù)有責(zé)任。

圖6：ABM的垂直因果與水平因果示意圖

然而，抽象模型所產(chǎn)生的可解釋的因果關(guān)系知識，純粹是ABM實(shí)例化系統(tǒng)的內(nèi)部知識。在輸入方面，由于沒有具體的理論或數(shù)據(jù)來支持微觀層面的假設(shè)，因此無法論證 ABM 的微觀機(jī)制模仿了社會現(xiàn)實(shí)的任何方面。在輸出方面，由于模型的宏觀數(shù)字結(jié)果與任何明確的經(jīng)驗(yàn)規(guī)律都不相吻合，因此尚不清楚 ABM 實(shí)際上在復(fù)制什么。因此，無論是從因果依賴的角度還是從生成的角度，我們都無法獲得關(guān)于任何微觀層面機(jī)制或由其產(chǎn)生的動態(tài)過程的因果知識。高度抽象的 ABM 顯然無法直接用于因果推理。

對于傳統(tǒng)的觀察實(shí)驗(yàn)而言，其難點(diǎn)在于如何構(gòu)建反事實(shí)場景。但是對于ABM而言，仿真環(huán)境的參數(shù)可以系統(tǒng)地控制，構(gòu)建反事實(shí)場景不再是難點(diǎn)。反而，如何構(gòu)建出反映事實(shí)的基準(zhǔn)場景成為新的挑戰(zhàn)，包括模擬器是否真實(shí)反映數(shù)據(jù)生成過程以及最終模擬結(jié)果是否可靠。為了實(shí)現(xiàn)這個目標(biāo)，ABM也可以錨定于數(shù)據(jù)，通過參數(shù)校準(zhǔn)和實(shí)證驗(yàn)證，分別實(shí)現(xiàn)理論現(xiàn)實(shí)性與“輸入”和“輸出”的現(xiàn)實(shí)性。這使得ABM成為一種“模擬器”，建模者能夠利用ABM在不同層級間的知識，對模型外的世界機(jī)制進(jìn)行推斷。由于數(shù)據(jù)可用性的限制，ABM往往無法進(jìn)行完全的實(shí)證校準(zhǔn)，只能通過可靠性工具來量化ABM對于建模假設(shè)的依賴程度。因此，如果一個ABM實(shí)現(xiàn)了最大限度的實(shí)證校準(zhǔn)和驗(yàn)證，并經(jīng)過系統(tǒng)可靠性檢查，那么完全能夠支持相關(guān)的因果推斷（即現(xiàn)實(shí)世界中不同層級間的聯(lián)系）。表3給出了研究者們在該領(lǐng)域的探索歷程。

表3：ABM與因果推斷的相關(guān)工作

5. 社會系統(tǒng)仿真

社會系統(tǒng)仿真與物理仿真類似，也需要經(jīng)歷概念模型、領(lǐng)域模型和計(jì)算模型等階段，其間有相互的依賴和約束關(guān)系。

概念層：構(gòu)建具類人特征的 Agent（感知、認(rèn)知、決策、行為）。

領(lǐng)域?qū)?/strong>：與概念層密切相關(guān)，需要針對問題開發(fā)一系列領(lǐng)域模型（如地理模型、基礎(chǔ)設(shè)施、人口模型、干預(yù)措施與社會關(guān)系等），努力得到與真實(shí)世界一致的人工社會底座。

計(jì)算層：構(gòu)建出基于鄰域和記憶信息的Agent策略迭代方程，表現(xiàn)為主體演化和情境更新的動態(tài)過程。如圖7所示，數(shù)字線程可以被看作是連接不同模型的橋梁，用于展示實(shí)驗(yàn)周期中系統(tǒng)的演變、配置改變歷史和特別的狀態(tài)轉(zhuǎn)換。

圖7：人工社會的運(yùn)轉(zhuǎn)過程

1. 主體模型

社會仿真中的Agent是具有一定自主能力的個體，與現(xiàn)實(shí)社會的生物個體或者生物群體相對應(yīng)。Agent個體模型則是不同領(lǐng)域知識發(fā)揮作用的容器，可以根據(jù)應(yīng)用問題進(jìn)行定制化，包括Agent的結(jié)構(gòu)、是否具有學(xué)習(xí)能力、相互間的交互機(jī)制等等。一般而言，系統(tǒng)中的個體都采用相同的Agent結(jié)構(gòu)。Russell & Norvig根據(jù)Agent的感知程度和能力將其分為五類：

1 簡單主體

Agent功能基于條件-動作規(guī)則（condition-action rule）：“如果滿足條件，則動作”。只有當(dāng)環(huán)境完全可觀察時，此Agent功能才會成功。對于在部分可觀察環(huán)境中操作的簡單反射體，無限循環(huán)通常是不可避免的。如果主體可以隨機(jī)化其動作，就有可能擺脫無限循環(huán)。

2 基于模型的主體

Agent可以處理部分可觀察的環(huán)境。它的當(dāng)前狀態(tài)以某種結(jié)構(gòu)存儲在主體內(nèi)部，描述了部分“無法看到的世界”。這種關(guān)于“世界如何運(yùn)作”的知識被稱為世界模型（world model）。Agent感知?dú)v史和行動對環(huán)境的影響可以通過使用內(nèi)部模型來確定。然后它采用與簡單主體相同的方式來選擇下一個動作。

3 基于目標(biāo)的主體

Agent通過使用“目標(biāo)”信息進(jìn)一步擴(kuò)展了能力。目標(biāo)信息描述了理想的情況，為主體提供了一種在多種可能性中進(jìn)行選擇的方法，即選擇最有可能達(dá)到目標(biāo)狀態(tài)的路徑。搜索和規(guī)劃是人工智能的子領(lǐng)域，致力于尋找實(shí)現(xiàn)主體目標(biāo)的動作序列。

4 基于效用的主體

Agent區(qū)分目標(biāo)狀態(tài)和非目標(biāo)狀態(tài)。效用函數(shù)（utility function）則是用來度量將當(dāng)前狀態(tài)映射到特定狀態(tài)的可取程度。更通用的性能度量應(yīng)該允許根據(jù)不同環(huán)境狀態(tài)對主體目標(biāo)的滿足程度進(jìn)行比較。效用一詞可用于描述主體的“快樂（happy）”程度。一個理性的、基于效用的主體會選擇最大化預(yù)期效用的行動。Agent必須對其環(huán)境進(jìn)行建模和跟蹤，涉及對感知、表示、推理和學(xué)習(xí)的大量研究。

5 具有學(xué)習(xí)能力的主體

學(xué)習(xí)的優(yōu)勢在于允許主體在未知環(huán)境中運(yùn)行，并且可以獲取比其初始知識可能更強(qiáng)的能力。Agent最重要的特點(diǎn)在于負(fù)責(zé)改進(jìn)的“學(xué)習(xí)要素”和負(fù)責(zé)選擇外部行動的“性能要素”。學(xué)習(xí)元素使用“批評者”對Agent的表現(xiàn)進(jìn)行反饋，并確定應(yīng)該如何修改性能元素或“演員”以在未來做得更好?！皢栴}生成器”負(fù)責(zé)建議下一步的行動，將導(dǎo)致新的和信息豐富的體驗(yàn)。

目前主流的Agent結(jié)構(gòu)由四個部分構(gòu)成：Perception（感知）、Decision（決策）、Reaction（反應(yīng)）和Optimization（優(yōu)化）。Agent結(jié)構(gòu)中的信息控制流將各個部分聯(lián)系成了一個整體，如圖8所示。

圖8：個體Agent的結(jié)構(gòu)模型

以下給出了Agent結(jié)構(gòu)的形式化表達(dá)式，由一組與時間t相關(guān)的屬性來描述。

表示Agent不隨時間變化的特征，如標(biāo)識；表示Agent隨時間變化的特征，例如Agent的角色。是Agent感知到的、對其狀態(tài)及行為可產(chǎn)生刺激作用的外在事件的集合。是Agent在感受外在事件刺激以及與其他Agent進(jìn)行交互過程中所采取的決策機(jī)制。是Agent的行為集合，包括Agent自發(fā)采取的、以及受外在事件刺激采取的所有行為。一般而言，Agent會采取“效益遞增”的反饋學(xué)習(xí)原則，通過與環(huán)境交互不斷獲得解決問題的經(jīng)驗(yàn)，逐漸優(yōu)化它的決策機(jī)制，從而能夠采取更加接近完成目標(biāo)的行為。

2. 環(huán)境模型

在人工社會中,環(huán)境模型就是實(shí)際物理環(huán)境在計(jì)算機(jī)中的映射，是Agent賴以存在的活動場所按照建模方式。環(huán)境模型可以分為實(shí)體型建模和網(wǎng)格型建模。實(shí)體型建模是指將真實(shí)社會中的建筑物、道路交通、氣候條件等環(huán)境要素抽象成實(shí)體對象。網(wǎng)格型建模并不關(guān)注具體的環(huán)境對象，而是將聚焦點(diǎn)落在對環(huán)境空間的建模上，利用離散的網(wǎng)格來描述空間的存在和環(huán)境的屬性，如圖9所示。

圖9：環(huán)境模型的抽象層次結(jié)構(gòu)

Agent與環(huán)境模型的相互作用關(guān)系需要注意以下三個方面：

分布特征：由于實(shí)際條件的限制，環(huán)境模型的初始設(shè)置往往只能統(tǒng)計(jì)特征數(shù)據(jù)。因此，需要研究人工社會初始化數(shù)據(jù)的生成算法，包括Agent統(tǒng)計(jì)特征（總數(shù)，性別比例，年齡分布等）、Agent地理分布情況、人口社會關(guān)系屬性、環(huán)境實(shí)體的統(tǒng)計(jì)特征（總數(shù)，類型，可容納的人口數(shù)等）、環(huán)境實(shí)體的地理分布情況等。從群體數(shù)據(jù)的統(tǒng)計(jì)特征重構(gòu)出群體中每個個體的具體特征，是環(huán)境建模的基本思路。

空間關(guān)聯(lián)：對于個體而言，空間的遷移雖然有一定的隨機(jī)性，但是更多情況下是規(guī)律性的。因此，對人工社會中的每個個體，都需要將其與固定訪問的活動場所建立起關(guān)聯(lián)關(guān)系。

時空關(guān)聯(lián)：在人工社會中，Agent的行為會隨時間而不斷進(jìn)行空間遷移。為了將Agent與Agent、Agent與環(huán)境的動態(tài)關(guān)聯(lián)起來，需要對個體在什么時間執(zhí)行什么樣的活動、在什么場所執(zhí)行什么樣的活動、在什么樣的場所發(fā)生什么樣的交互做出明確的定義，以保證個體行為在時間空間上的一致性和規(guī)律性。

就環(huán)境模型的發(fā)展趨勢而言，三維的數(shù)字孿生可視化，更貼近人們理解現(xiàn)實(shí)世界的模樣，更容易讓決策者理解。1994年，王飛躍提出了與數(shù)字孿生思想極為接近的“影子系統(tǒng)(Shadow systems）”。2002年，密歇根大學(xué)的Michael Grieves提出在虛擬空間中構(gòu)建出與物理實(shí)體完全等價的數(shù)字孿生體（Twinning of Systems），強(qiáng)調(diào)建立虛實(shí)雙向動態(tài)反饋機(jī)制，可以對物理實(shí)體進(jìn)行仿真分析和優(yōu)化。2004年，王飛躍提出了平行系統(tǒng)（Parallel Systems）的概念，并將其作為解決復(fù)雜系統(tǒng)問題的方法論。2006年， Grieves發(fā)表了《產(chǎn)品生命周期管理：驅(qū)動下一代精益思想》，正式提出了“信息鏡像模型”（Mirrored Space Model）。2010年，NASA（美國國家航空航天局）在其太空技術(shù)路線圖（Area 11的Simulation-Based Systems Engineering）中首次引入了數(shù)字孿生的表述：“數(shù)字孿生，是一種集成化的多種物理量、多種空間尺度的運(yùn)載工具或系統(tǒng)的仿真，該仿真使用了當(dāng)前最為有效的物理模型、傳感器數(shù)據(jù)的更新、飛行的歷史等等，來鏡像出其對應(yīng)的飛行中孿生對象的生存狀態(tài)?！北?給出了不同流派的數(shù)字孿生公司在產(chǎn)品形態(tài)、技術(shù)體系，和價值理解方面的差異。

表4：數(shù)字孿生的技術(shù)流派

3.規(guī)則模型

規(guī)則模型描述了人工社會的循環(huán)機(jī)制，包括Agent之間、環(huán)境之間、Agent與環(huán)境之間的交互準(zhǔn)則。這些規(guī)則既可以是真實(shí)社會規(guī)則的映射，也可以是人為假設(shè)的假想規(guī)則。如圖所示，人工社會采用循環(huán)反饋的方式制定出三個層次的演化秩序，如圖10所示：

圖10：規(guī)則模型的運(yùn)行邏輯框架

個體進(jìn)化：底層是個體演化空間，用于模擬個體在社會系統(tǒng)中經(jīng)歷學(xué)習(xí)進(jìn)化的現(xiàn)象。就社會系統(tǒng)而言，不同個體具有不同的利益需求，有時候個體利益與系統(tǒng)的整體利益并不一致，甚至可能存在沖突。因此，經(jīng)常會產(chǎn)生“上有政策，下有對策”的行為，導(dǎo)致政策實(shí)施效果大打折扣。Agent間的合作并不是一帆風(fēng)順的，而是有可能發(fā)生沖突的，包括多個Agent競爭同一有限資源而導(dǎo)致的資源沖突；因一方實(shí)現(xiàn)目標(biāo)而導(dǎo)致另一方不能實(shí)現(xiàn)目標(biāo)的沖突；以及不同Agent 對同一問題得出矛盾結(jié)果的沖突。

群體涌現(xiàn)：如果把個體行為看作原因變量輸入，那么涌現(xiàn)就作為結(jié)果現(xiàn)象輸出。當(dāng)個體行為因接受到系統(tǒng)反饋而產(chǎn)生新的行為，系統(tǒng)會在原有的1階涌現(xiàn)基礎(chǔ)上，產(chǎn)生2階涌現(xiàn) (Zna2 order emergence)。這樣，系統(tǒng)整體和個體行為之間就形成了一個閉環(huán)回路，也就是雙向反饋機(jī)制 (feedforward and feedback)，有可能導(dǎo)致正反饋回路和相互強(qiáng)化出現(xiàn)。在這種情況下，偏離平衡的一點(diǎn)小波動都會導(dǎo)致巨大和夸張的影響。

反饋調(diào)控：調(diào)控機(jī)制是根據(jù)宏觀現(xiàn)象對微觀個體行為產(chǎn)生調(diào)節(jié)作用的機(jī)制。好的調(diào)控機(jī)制既要考慮個體對利益的追求，以保證系統(tǒng)發(fā)展的動力和活力；又要堅(jiān)決防止利益失衡，避免威脅到系統(tǒng)的秩序和穩(wěn)定。為了保證多Agent構(gòu)成的團(tuán)體能夠以一致性的方式采取行動，協(xié)調(diào)就成為多Agent系統(tǒng)的核心問題。協(xié)調(diào)是對活動間互相依賴關(guān)系的管理，包括對其目標(biāo)、資源、思維狀態(tài)等的合理安排，體現(xiàn)在共享資源約束、同時性約束、生產(chǎn)者/消費(fèi)者關(guān)系、任務(wù)/子任務(wù)關(guān)系。

6. 結(jié)語

ABM 以自底向上的機(jī)理視角，為理解與治理復(fù)雜社會系統(tǒng)提供了第三條道路。其方法論正從 KISS 的啟發(fā)式探索走向 KIDS 的高保真校準(zhǔn)，在 ACP、數(shù)字孿生與 AI Agent 的推動下，逐漸由“驗(yàn)證假設(shè)的玩具模型”邁向“對現(xiàn)實(shí)的賦能與決策支持”。

「大模型時代下的Agent建模與仿真」讀書會

集智俱樂部聯(lián)合山東工商學(xué)院副教授高德華、天津大學(xué)教授薛霄、北京師范大學(xué)教授張江、國防科技大學(xué)博士研究生曾利共同發(fā)起。讀書會自2025年7月8日開始，每周二晚上7:30-9:30進(jìn)行，現(xiàn)讀書會已結(jié)束，支持查看課程回放。掃碼加入Agent建模與仿真的前沿探索之旅，一起共學(xué)、共創(chuàng)、共建、共享「大模型時代下的Agent建模與仿真」社區(qū)，共同暢想大模型時代人工社會的未來圖景！

核心問題

Agent建模與仿真是什么，核心技術(shù)發(fā)生了怎樣的演變？

大模型時代，Agent建模與仿真會給復(fù)雜系統(tǒng)理論帶來哪些突破？

大模型如何賦能Agent實(shí)現(xiàn)自主思考與動態(tài)適應(yīng)？

大模型驅(qū)動的Agent交互會涌現(xiàn)出什么新型的社會現(xiàn)象？

Agent建模與仿真如何改變金融、心理、管理、軍事等領(lǐng)域的研究范式？

你將收獲

梳理Agent建模與仿真的歷史發(fā)展脈絡(luò)與方法論；

掌握一套理解、分析、控制、預(yù)測復(fù)雜系統(tǒng)的計(jì)算實(shí)驗(yàn)框架；

掌握基于多主體強(qiáng)化學(xué)習(xí)的復(fù)雜系統(tǒng)優(yōu)化方法；

領(lǐng)略領(lǐng)域前沿學(xué)者的研究體系與科研路徑。

詳情請見：

1.

2.

3.

4.

5.

6.