AI代理团队能否复现人类决策的连锁反应?
当供应链出现波动时,人类的决策往往会产生连锁反应。美国东北大学机械和工业工程教授巴巴克·海达里(Babak Heydari)指出:“供应链中的每个人都开始对链中的其他部分作出反应。”这一现象不仅适用于供应商与客户之间,也广泛存在于各类社会系统中。

据超市连锁Woolworths 2020年年报显示,在新冠疫情爆发初期,仅澳大利亚民众在一周内就购买了3970万卷卫生纸。类似地,2012年Hostess宣布关门引发了“Twinkie末日”,一名佛罗里达男子以约100美元总价购入20盒Twinkies和Ding Dongs,随后以每盒1,000美元的价格转手出售。这些案例表明,恐慌或预期变化会迅速放大为大规模的市场行为。
为了更准确地模拟这种复杂的人类集体行为,海达里与研究生洪朱(Zhu Hong)开展了一项新研究。相关成果于2026年11月发表在《自然计算科学》(Nature Computational Science)杂志上。研究发现,通过引入“认知接地”机制,人工智能模型能够更真实地复制人类在不确定环境下的决策模式。
从谢林模型到基于代理的模拟
模拟人类决策的想法可追溯至1971年诺贝尔奖得主托马斯·谢林(Thomas Schelling)的实验。谢林利用网格上的代币代表居民,证明了微小的个人偏好如何导致宏观层面的城市隔离。每次搬迁都会改变局部平衡,进而触发更多人的迁移,最终导致社区分裂。
尽管科学家后来使用计算机替代了代币,但谢林的实验奠定了基于代理的模拟行为模型基础。德国纽伦堡市场决策研究所高级研究员雅各布·凯泽(Jacob Kaiser)表示:“人类研究需要时间和金钱,这限制了我们实际上可以进行多少实验。”而人工智能提供了高效的捷径。
美国海军研究实验室的高级认知科学家Sangeet Khemlani补充道,模拟还能解决伦理问题,让AI在虚拟环境中经历那些在真人身上过于危险的场景。然而,Khemlani强调,只有准确的预测才具有价值,错误的模拟可能会产生反作用。
啤酒游戏测试:AI如何模仿人类非理性
为了验证AI模仿人类决策的能力,研究团队让7个不同的人工智能模型代理参与经典的“啤酒游戏”。在该游戏中,每个玩家只能看到部分信息,需决定订购或提供多少啤酒。由于交付存在延迟,玩家必须追踪在途库存,同时避免缺货或库存积压带来的成本压力。
初始测试显示,AI代理做出了许多不符合人类直觉的选择。例如,有些代理在需求平稳后仍过度下单,未能像人类那样适应市场变化。
随后,研究人员引入了“认知接地”概念。这是一种教导AI代理如何估计需求、应对短缺或过剩,并考虑在途供应的方法。这些信息源自此前对人类玩啤酒游戏的实验分析。洪朱解释道:“这只是对如何玩游戏的数学模型的一种表述,并没有明确告诉它们应该买多少钱的内容。”
经过调整,在231次模拟会议中,加入认知接地的AI代理购买行为更接近人类标准,部分甚至几乎完全匹配。“基本上,它们将人类所做的事情内化了。”洪朱说。
情绪描述优于逻辑指令
在另一轮测试中,研究人员改变了引导方式:不再直接解释决策逻辑,而是描述玩家在游戏中可能经历的心理状态,如不确定性、订购更多的压力或过度纠正的冲动。结果显示,七个模型中有六个的代理反应变得更加拟人化。
不过,并非所有模型都表现一致。其中一个AI设定依然僵化,将啤酒下单量从1,000杯急剧削减至100或50杯,显示出缺乏适应性。
洪朱将这种处理方式比作心理学家对待患者:“我们没有进入神经通路,而是观察代理人如何表现,并使用语言来重定向他们做出的选择。”
应用前景:政策制定与企业策略优化
对于海达里而言,提高预测准确性意味着实际应用的改进。他的实验室横跨工程学与计算社会科学及经济学领域。“我们关心的是理解事物,但一旦获得了这种理解,我们想用它来设计更好的方法来改进系统。”
准确的人类决策模拟可以帮助政策制定者和企业在现实干预前测试各种方案。例如:
- 应急管理:官员可以测试哪些疏散指示能确保安全撤离,哪些可能导致交通瘫痪。
- 交通规划:评估降低票价是否真能鼓励司机转向公共交通。
- 商业布局:企业可探索药店迁移是否会吸引新客户,还是会让现有客户难以找到店铺。
通过让AI的集体行为更像人类,开发人员不仅能更好地理解和指导算法,还能避免代价高昂的错误决策或在电视宣传成功但在现实中适得其反的策略。
参考文献:
Zhu Hong et al., Cognitive grounding improves LLM simulations of collective human behavior, Nature Computational Science (2026). DOI: 10.1038/s43588-026-01080-z





