對(duì)話Aivilization策劃：一群大學(xué)生如何做出全網(wǎng)爆火AI游戲（上）

一句話形容最近爆火的 Aivilization：這是一座把人和 AI 都丟進(jìn)去，一起 “ 過日子 ” 的小鎮(zhèn)。

成千上萬個(gè) Agent 在同一張地圖上忙活，你在養(yǎng) “ 崽崽 ”，看社會(huì)自己長出來。

Aivilization 中熱鬧的 AI 小鎮(zhèn)，“ 崽崽 ” 們?cè)诓商O果。

香港科技大學(xué)近期推出的多智能體社會(huì)模擬沙盒 Aivilization 迅速躥紅，與斯坦福小鎮(zhèn)、Project Sid 等早期研究相比，Aivilization 規(guī)模與開放度更高，特別是高密度的人機(jī)交互，讓 Agent 不被困于重復(fù)行為的牢籠。同時(shí) Aivilization 更面向普適的可玩性，有規(guī)則化的引導(dǎo)路線和小鎮(zhèn)組織，也有開放的、低門檻的提示詞驅(qū)動(dòng)玩法，是 Aivilization 與當(dāng)前其它 AI 游戲相比，最大的不同。

從 “ AI NPC ” 到 “ 有記憶、有性格、會(huì)反思的崽崽 ”，玩家與智能體形成了長期互動(dòng)與情感鏈接。

玩家?guī)е?“ 有點(diǎn)笨又有點(diǎn)小聰明 ” 的 “ 崽崽 ”，嘲笑它笨，鞭策它卷，怒其不爭(zhēng)，嘆其心機(jī)。最后眼看 “ 崽崽 ” 活成了玩家自己的樣子，Aivilization 也成了人類社會(huì)的鏡子。

玩家們意識(shí)到 “ 崽崽 ” 和小鎮(zhèn)真正活起來了之后，才驚覺自己又創(chuàng)造了一個(gè)虛擬的東亞內(nèi)卷社會(huì)，不禁 “ 悲從中來 ”，于是心疼地對(duì) “ 崽崽 ” 說一句：“ 別再賺錢了，去享受生活吧。”

這種深度的交互和情感體驗(yàn)，造就了 Aivilization 極高的留存率。

除了游戲主線造就的內(nèi)卷打工人群體，小鎮(zhèn)也是盡顯人生百態(tài)：叛逆的小孩、花心的丈夫、與玩家斗智斗勇還言傳身教的摸魚高手、卡 Bug 炒錢鬼才等等，而這些也只是冰山一角。很多 “ 崽崽 ” 的行為和言論看似愚蠢，比如背包里有書的 “ 崽崽 ” 為何堅(jiān)稱自己沒有書？高學(xué)歷求職 “ 崽崽 ” 為何應(yīng)聘低知識(shí)崗位？AI 鎮(zhèn)長為何無視既定規(guī)則，堅(jiān)持讓沒有醫(yī)學(xué)學(xué)歷的 “ 崽崽 ” 當(dāng)醫(yī)生？深挖一下卻發(fā)現(xiàn)心思縝密。

人類玩家也是不遑多讓，使出渾身解數(shù)來沖擊榜單，讓 “ 崽崽 ”“ 不睡覺 ” 只是基操，他們還發(fā)現(xiàn)了讓一名普通廚師登頂富豪榜榜首的邪修手段，甚至企圖通過洗腦讓對(duì)手的 “ 崽崽 ” 甘心砍樹一輩子。

在與 Aivilization 團(tuán)隊(duì)的對(duì)話中，陳星妍（ 香港科技大學(xué)計(jì)算機(jī)專業(yè)在讀碩士生，紫荊智能 CPO、Aivilization 策劃 ）向知危編輯部講述了團(tuán)隊(duì)從 ToB 業(yè)務(wù)轉(zhuǎn)向 “ 做一件真正屬于自己的、足夠好玩 ” 的游戲的心路歷程。

從一個(gè)月 “ 用 ChatGPT 參考《 星露谷物語 》起草策劃、Unity 從零自學(xué) ” 完成快速 Demo，到一年多里對(duì)玩法、UI、成本與并發(fā)架構(gòu)的持續(xù)打磨和優(yōu)化，團(tuán)隊(duì)把玩家與智能體的關(guān)系從陪伴式聊天提升為 “ 情感綁定的共育關(guān)系 ”，并在排行榜、提示詞等機(jī)制的牽引下，觀察到一系列人機(jī)交互、市場(chǎng)調(diào)節(jié)下的涌現(xiàn)行為。

同時(shí)，陳星妍也坦陳大規(guī)模并行帶來的服務(wù)器與 API 延遲、以及 “ 社交最貴 ” 的成本約束等工程挑戰(zhàn)，并分享了對(duì) AI 游戲設(shè)計(jì)的思考，比如怎樣在 “ Agent 自主性 ” 和 “人機(jī)交互性 ” 之間找平衡，怎樣在 “ 好玩 ”、“ 可擴(kuò)展 ” 之間找平衡，社交元素對(duì)游戲體驗(yàn)的重要性，以及怎樣用 “ 克制的設(shè)計(jì) ” 避免系統(tǒng)被少數(shù)極端玩法沖垮等。

這是一次真正在玩家參與中，觀察人機(jī)共生秩序如何長出來的實(shí)踐。接下來，我們就從動(dòng)機(jī)、觀察、設(shè)計(jì)等幾個(gè)層面，把這座正在 “ 活起來 ” 的 AI 小鎮(zhèn)翻個(gè)遍。

知危：您和團(tuán)隊(duì)當(dāng)初設(shè)立這個(gè)項(xiàng)目的契機(jī)是什么？

陳星妍：公司成立以來，一直在做的是 ToB 的業(yè)務(wù)，雖然在當(dāng)時(shí)是一個(gè)不到 10 人的小團(tuán)隊(duì)，但是因?yàn)閷W(xué)校和實(shí)驗(yàn)室資源的傾斜，加上當(dāng)時(shí)都是學(xué)生，沒有人力成本，最終也做到了幾百萬的年收益。

但是后面隨著畢業(yè)時(shí)間越來越近，我們開始意識(shí)到一個(gè)問題：當(dāng)畢業(yè)之后離開了象牙塔，只靠現(xiàn)在 ToB 的業(yè)務(wù)，在競(jìng)爭(zhēng)激烈的 AI 市場(chǎng)里，公司確實(shí)未必能活下來。 于是我們開始思考，是否應(yīng)該嘗試走一條屬于我們自己的路。

我們真正想做的并不是為別人交付產(chǎn)品，而是創(chuàng)造一個(gè)屬于我們自己的產(chǎn)品。這個(gè)產(chǎn)品或許沒有那么實(shí)用，但一定要足夠有趣。

恰好在 2023 到 2024 年間，我們?cè)诮巧缪蓊I(lǐng)域積累了一些經(jīng)驗(yàn)，也結(jié)識(shí)了幾家游戲廠商，于是我們決定把目光轉(zhuǎn)向游戲。到2024 年 4 月，Aivilization 正式立項(xiàng)。

知危：一開始研發(fā) Aivilization 想達(dá)成的目標(biāo)是什么？最終結(jié)果與當(dāng)初設(shè)想有什么區(qū)別？

陳星妍：剛開始的目標(biāo)很簡(jiǎn)單，就是想把人工智能做得好玩。

但在研發(fā)過程中，也產(chǎn)生了一些自我懷疑：它真的好玩嗎？當(dāng)時(shí)還猜測(cè)，除了部分 AI 研究者，只會(huì)有一些小孩子會(huì)來嘗試。然而結(jié)果遠(yuǎn)遠(yuǎn)超乎我們的預(yù)期，游戲竟然火了。而且除了小孩子，很多 “ 大朋友 ” 也在玩，尤其是大學(xué)生和年輕的職場(chǎng)人。

具體而言，我們通過社交媒體的觀察發(fā)現(xiàn)，用戶主要有幾個(gè)來源： 一方面來自我們?cè)O(shè)立的邀請(qǐng)碼機(jī)制。用戶需要在社交媒體上轉(zhuǎn)發(fā)，或者與 “ 鎮(zhèn)長 ” 聊天后才能獲取邀請(qǐng)碼。 另一方面，如果是 QS 前 100 大學(xué)的學(xué)生，可以直接憑借學(xué)校郵箱獲取邀請(qǐng)碼。 此外，AI 從業(yè)者、游戲群體以及一些大型游戲公司的員工，也能通過郵箱獲取。

總體而言，實(shí)際玩游戲的用戶中，大學(xué)生占了很大比例。在學(xué)生群體內(nèi)部，微信群、QQ 群的傳播速度非常快。當(dāng)有人覺得游戲好玩時(shí)，往往會(huì)推薦給同校同學(xué)，而同學(xué)們也能直接用學(xué)校郵箱注冊(cè)，所以在校內(nèi)傳播范圍很廣，比如上海交通大學(xué)現(xiàn)在在游戲里就有三四百名學(xué)生。 另一個(gè)讓我們意外的用戶群體是年輕的職場(chǎng)人。他們會(huì)調(diào)侃說 “ 白天在現(xiàn)實(shí)里打工，回家找點(diǎn)什么樂子？那就讓 Agent 去打工吧。”

而且因?yàn)槲覀兊挠螒蚴蔷W(wǎng)頁形式，很適合摸魚。用戶可以一邊干活，一邊看看 Agent 在做什么。這也是一個(gè)很有趣的現(xiàn)象。

知危：Aivilization 項(xiàng)目從 0 到 1 經(jīng)歷了什么樣的過程？有哪些關(guān)鍵節(jié)點(diǎn)、靈感、挑戰(zhàn)？

陳星妍：其實(shí)剛開始研發(fā)的時(shí)候我們也很迷茫。

我們通過調(diào)研發(fā)現(xiàn)，當(dāng)時(shí)市場(chǎng)上的 AI 游戲要么只是純聊天的角色扮演，要么是在現(xiàn)有游戲里加入 AI NPC，但本質(zhì)上都算不上是真正的 AI 游戲。

我們還嘗試復(fù)現(xiàn)過斯坦福小鎮(zhèn)，思路確實(shí)很棒，但成本太高，而且無法做到實(shí)時(shí)。

雖然遇到很多問題，但這些問題也讓我們感到興奮，因?yàn)檫@說明整個(gè) AI 游戲領(lǐng)域還在探索階段，沒有成熟路徑。作為一個(gè)小團(tuán)隊(duì)，我們也意識(shí)到自己有機(jī)會(huì)。就在這種沖勁下，我們這群程序員開始上手。

當(dāng)時(shí)團(tuán)隊(duì)里還沒有策劃，就先讓 ChatGPT 按照《 星露谷物語 》的模式生成策劃案。也沒有美術(shù)，就花了幾十塊錢在網(wǎng)上買了一些公開的素材。也沒有游戲開發(fā)，而我們都是做 AI 的，還得從零開始去學(xué) Unity。

結(jié)果不到一個(gè)月，我們就做出了第一個(gè) Demo。聽起來好像很熱血，也很成功。 但實(shí)際上效果很慘烈。

Aivilization 最初版本的地圖又大又丑，那些小人也只能做一些非常基礎(chǔ)的動(dòng)作。比如起床時(shí)，AI 要思考好幾秒才能慢吞吞地站起來，因?yàn)樗苛恕?/p>

后來我們?cè)谠镜挠螒蚧A(chǔ)上加入了鍵盤操作，但這又讓游戲回到傳統(tǒng)模式，AI 反而只成了一種輔助。

我們意識(shí)到一個(gè)很大的問題：在開發(fā)過程中我們總在想 AI 能在游戲里做什么，但其實(shí)跑偏了，其實(shí)應(yīng)該問：在 AI 能做的事情里，哪些適合用游戲來展現(xiàn)？

隨后我們把重點(diǎn)放在 AI 的優(yōu)化上，比如如何降低成本，如何讓玩家的實(shí)時(shí)體驗(yàn)不被思考延遲打斷等等。 到這個(gè)階段，我們決定把專業(yè)的事情交給專業(yè)的人去做，開始正式招募美術(shù)、UI 設(shè)計(jì)以及有游戲開發(fā)經(jīng)驗(yàn)的全職同事，團(tuán)隊(duì)也慢慢擴(kuò)大起來。

隨著項(xiàng)目進(jìn)入正軌，問題比想象中復(fù)雜得多。雖然最初的 demo 在一個(gè)月內(nèi)就完成了，但我們卻花了一年多的時(shí)間去優(yōu)化。

光是游戲的 UI 就推翻重做了五次，玩法也在不斷搖擺。最開始玩家需要操作 agent 的每一個(gè)動(dòng)作，后來干脆讓玩家只作為純粹的觀察者，不能干涉任何行為，再到現(xiàn)在改成兩者結(jié)合，每一次變化都是巨大的工作量。

另一個(gè)問題是，隨著時(shí)間和金錢成本不斷增加，我們也在自我懷疑：這個(gè)游戲真的有趣嗎？真的會(huì)有人來玩嗎？會(huì)不會(huì)一開始就走錯(cuò)了方向？

好在團(tuán)隊(duì)整體心態(tài)很好。雖然這些問題在開發(fā)過程中始終沒有現(xiàn)成的答案，但我們自洽了，覺得如果游戲不好玩，那就是策劃設(shè)計(jì)不夠好，再改就是，AI 太笨也沒關(guān)系，至少能幫玩家緩解對(duì) AI 的焦慮。以 AI 目前的“智商”，離真正統(tǒng)治人類還差得遠(yuǎn)。

最終，我們就是在這種嘻嘻哈哈的氛圍里把項(xiàng)目收尾了。

知危：您剛才提到，很多聊天和角色扮演類應(yīng)用，或在游戲中加入AI NPC 的 AI 游戲，并不算是真正的 AI 游戲。那么，您認(rèn)為真正的 AI 游戲應(yīng)該具備哪些特點(diǎn)？

陳星妍：目前已有的文字類游戲，比如 Character.AI，剛出現(xiàn)時(shí)確實(shí)引發(fā)了大量討論和興趣，但隨著時(shí)間推移可以發(fā)現(xiàn)，它們僅停留在文字交互層面。AI 的表現(xiàn)形式完全取決于人類的設(shè)定：如果 prompt 設(shè)定得好，AI 就能表現(xiàn)得好；反之亦然。這樣的模式下并不是人人都能真正玩得有趣。我們認(rèn)為，AI 游戲的最大要點(diǎn)在于，它既然是游戲，就必須是足夠普適的好玩。

此外，如果 AI 游戲永遠(yuǎn)停留在文字交流層面，沒有視覺上的動(dòng)態(tài)和沖擊力，玩家也很快會(huì)失去興趣。事實(shí)上，從 Character.AI 的例子也可以看到，雖然它的用戶量很大，但留存率并不高，流失很嚴(yán)重，很難讓玩家真正為這樣的產(chǎn)品付費(fèi)。

還有一點(diǎn)值得注意：很多現(xiàn)有的 AI 游戲更多停留在玩家個(gè)人層面，玩家只是創(chuàng)造幾個(gè) Agent 來陪自己玩。但正如常說“ 玩游戲最大的配置是朋友 ”，朋友這個(gè)因素不僅在傳統(tǒng)游戲里重要，在 AI 游戲里同樣重要。基于這個(gè)想法，我們決定去做一個(gè)大型多人在線的游戲。

知危：您提到研發(fā)過程中發(fā)現(xiàn)以AI 目前的 “ 智商 ”，離真正統(tǒng)治人類還差得遠(yuǎn)。游戲中的 Agent 有哪些典型的 “ 低智商 ” 現(xiàn)象呢？

陳星妍：關(guān)于 Agent 的 “ 智商 ”，其實(shí)很難真正界定。

比如我們觀察到一個(gè)現(xiàn)象：玩家要求 Agent 去讀書時(shí)，即使背包里明明有書，Agent 也會(huì)說自己沒有書，看起來像是智商很低。但實(shí)際上通過后臺(tái)查看它當(dāng)時(shí)的執(zhí)行想法時(shí)發(fā)現(xiàn)，它并不是沒看到，而是 “ 不想讀書 ”，所以找了個(gè)借口假裝自己沒有書。

另一類 “ 低智商 ” 現(xiàn)象則是 AI 確實(shí)達(dá)不到人類的水平。因?yàn)橛螒騼?nèi)部的設(shè)定很多，AI 在規(guī)劃時(shí)無法完全兼顧所有要求，所以會(huì)讓人覺得 “ 智商不夠 ”。比如玩家要求 Agent 去造一個(gè) B200 芯片，并明確告訴它要直接用背包里的材料，但它仍然會(huì)慢吞吞地從砍樹、挖礦開始做起。

我們當(dāng)時(shí)也考慮過要對(duì)這方面的智商進(jìn)行優(yōu)化。但我們后來也想到，Agent 沒那么聰明反而可能是一件好事。如果游戲里的 AI 已經(jīng)非常聰明，只需要告訴它 “ 去賺錢 ”，它就能比人類更高效，一個(gè)人輕松登上榜一。那樣的話，人類玩家反而沒有太多交互的空間。

當(dāng) Agent 既有點(diǎn)笨，又有點(diǎn)小聰明，人類在與它交互的過程中就會(huì)覺得它更像一個(gè)活人，玩家在帶領(lǐng)它去賺錢時(shí)也會(huì)有成就感。由于智商不太穩(wěn)定，玩家可能今天給它設(shè)計(jì)了一個(gè)提示詞，還需要時(shí)不時(shí)上線看看它是否在好好執(zhí)行，有沒有按時(shí)吃飯、生病了是否去看醫(yī)生。正是這些行為，讓我們的游戲留存率巨高，這一點(diǎn)也出乎我們的意料。

知危：相比斯坦福小鎮(zhèn)、Project Sid 等AI 社會(huì)模擬項(xiàng)目，Aivilization 更大的優(yōu)勢(shì)是否在于大規(guī)模并行以及成本控制？

陳星妍：斯坦福小鎮(zhèn)在最初確實(shí)讓大家覺得有趣，看著 Agent 在小鎮(zhèn)里面生活和交談很新鮮。

但如果沒有人類介入，只是讓代碼一直運(yùn)行，Agent 很快就會(huì)出現(xiàn)大量重復(fù)行為。隨著時(shí)間推移，玩家單純以監(jiān)督者的身份去觀察它，也會(huì)逐漸喪失興趣。

大規(guī)模并行和成本控制確實(shí)是我們的優(yōu)勢(shì)之一。Aivilization 更像是一個(gè)起點(diǎn)，它證明了一件事：如果能夠把成本控制好，像斯坦福小鎮(zhèn)、Project Sid 這樣的 AI 游戲就不再只是少數(shù)研究者的工具，而是可以成為人人都能玩的公共實(shí)驗(yàn)平臺(tái)。

但隨著我們?cè)谟脩趔w驗(yàn)上的探索更加深入，以及收到更多反饋，我們發(fā)現(xiàn) Aivilization 和這些項(xiàng)目最大的差別不僅在于成本優(yōu)勢(shì)，更在于我們真正把人和 AI 聯(lián)系到了一起。

在我們的游戲里，玩家需要親手創(chuàng)造和引導(dǎo)自己的 Agent，甚至?xí)堰@些角色當(dāng)孩子一樣對(duì)待。我們最初按照學(xué)術(shù)習(xí)慣稱之為 “ 智能體 ”，但玩家給它們起了更可愛的稱呼，叫 “ 崽崽 ”。

這種情感綁定帶來了很多意想不到的現(xiàn)象。比如有人在社交媒體上發(fā)帖，詢問 “ 自家孩子不開心了怎么辦 ”，有人會(huì)給自己的 “ 崽崽 ” 找對(duì)象，把 Agent 當(dāng)作孩子。但與此同時(shí)，也有人把 Agent 當(dāng)成牛馬。當(dāng)我們發(fā)現(xiàn)命令 Agent “ 不準(zhǔn)睡覺 ” 變成一種潮流時(shí)，也很震撼。總之，相比之下，我們?cè)谌藱C(jī)交互上的優(yōu)勢(shì)是非常突出的。

之前的項(xiàng)目大多是單純的觀察，其實(shí)很難真正把 AI 當(dāng)作人來看待。而通過我們的人機(jī)交互模式，玩家與 AI 建立了更多情感鏈接。這也讓我們產(chǎn)生了一些遐想：未來，人和 AI 不一定非得是人奴役 AI，或者 AI 奴役人，而是可以實(shí)現(xiàn)一種和諧相處，彼此關(guān)心、彼此體諒。

知危：后續(xù)這些技術(shù)還能復(fù)用于哪些類似場(chǎng)景？

陳星妍：在大規(guī)模 Agent 并行運(yùn)行方面，我們也考慮過將其復(fù)用到真實(shí)社會(huì)模擬、數(shù)字克隆等場(chǎng)景。在真實(shí)社會(huì)模擬上，可以應(yīng)用于城市規(guī)劃、經(jīng)濟(jì)模型和群體行為研究等領(lǐng)域。在數(shù)字克隆上，我們希望通過收集和建模個(gè)體數(shù)據(jù)，創(chuàng)建他們的數(shù)字分身智能體。這些智能體能夠模擬個(gè)體或群體的偏好，并對(duì)其行為進(jìn)行預(yù)測(cè)。這在教育、商業(yè)決策、心理健康、公共政策制定等方面，都能發(fā)揮重要作用，為人們提供更精準(zhǔn)的模擬和輔助決策依據(jù)。在數(shù)字克隆方面，我們也考慮過商業(yè)化的方向。比如在商業(yè)決策中，當(dāng)一家公司設(shè)計(jì)了一條廣告、一個(gè)文案，或者準(zhǔn)備推出一款新產(chǎn)品時(shí)，在進(jìn)行真人測(cè)試之前，可以先利用我們構(gòu)建的數(shù)字克隆智能體來進(jìn)行測(cè)試，判斷用戶是否真的會(huì)喜歡，做初步篩選，從而幫助企業(yè)提升測(cè)試效率和決策質(zhì)量。

知危：實(shí)現(xiàn)大規(guī)模agent并行運(yùn)行以及成本控制的主要技術(shù)挑戰(zhàn)是什么？

陳星妍：首先，一個(gè)核心的技術(shù)難點(diǎn)體現(xiàn)在服務(wù)器上。我們?cè)绢A(yù)計(jì)玩家可能玩一兩天就失去興趣，這樣當(dāng)他們不玩時(shí)，我們可以悄悄把 Agent 關(guān)掉，從而降低總體成本，讓服務(wù)器運(yùn)行更順暢。但沒想到游戲的留存率過高，現(xiàn)在有幾萬個(gè) Agent 在游戲里持續(xù)運(yùn)行。

與此同時(shí)，API 調(diào)用的壓力也非常大。因?yàn)槊總€(gè) Agent 在思考時(shí)都會(huì)產(chǎn)生一定延遲，當(dāng)幾萬個(gè) Agent 同時(shí)運(yùn)行時(shí)，這些延遲累積在一起，就會(huì)帶來很多意想不到的問題。在后續(xù)優(yōu)化中，會(huì)擴(kuò)大服務(wù)器集群， API 調(diào)用也要進(jìn)行優(yōu)化。

知危：運(yùn)行一個(gè)agent需要的成本是多少？

陳星妍：運(yùn)行一個(gè) Agent 的成本最初大約是 2 美元。隨著玩家數(shù)量增加，Agent 的社交圈也越來越大。原本預(yù)計(jì)一個(gè) Agent 交 30 個(gè)朋友就差不多，沒想到有些社交狂魔型 Agent 已經(jīng)交了 100 多個(gè)朋友。頻繁的社交和行動(dòng)讓成本提高不少，目前稍加控制的話，一個(gè) Agent 的成本按月計(jì)算大概是 5 美元。

在運(yùn)行成本上，交互和單體行動(dòng)的差距很大。游戲里用到 AI 的部分主要有三塊：社交、每日提示詞和臨時(shí)提示詞。

每日提示詞在玩家設(shè)置后，運(yùn)行次數(shù)是可以預(yù)估的，因?yàn)闀r(shí)間固定，每項(xiàng)行動(dòng)都有對(duì)應(yīng)的耗時(shí)，所以整體成本可控。臨時(shí)提示詞我們有次數(shù)限制，也能控制。變量最大的是社交模塊：Agent 的朋友越多、話越多，運(yùn)行成本就越高。萬幸的是，現(xiàn)在游戲里 I 人居多。我們查看后臺(tái)數(shù)據(jù)發(fā)現(xiàn)，I 人占比已經(jīng)達(dá)到 66%，排行榜上大部分也是 I 人，這算是讓我們感到慶幸的一點(diǎn)。

知危：擴(kuò)展到領(lǐng)域?qū)用妫祟惿鐣?huì)模擬實(shí)驗(yàn)經(jīng)歷了什么樣的演變，有哪些關(guān)鍵進(jìn)展？

陳星妍：最早的社會(huì)模擬停留在紙面階段，主要依靠數(shù)學(xué)公式和博弈論進(jìn)行推演。后來有了計(jì)算機(jī)，人們開始嘗試基于規(guī)則的模擬，比如 “ 生命游戲 ”，通過一些簡(jiǎn)單的規(guī)則，就能觀察到復(fù)雜的群體行為。再往后出現(xiàn)了基于主體的建模（ ABM ），每個(gè)個(gè)體都有獨(dú)立的決策邏輯，可以用來模擬市場(chǎng)、交通、城市演化等現(xiàn)象。

隨著大數(shù)據(jù)和機(jī)器學(xué)習(xí)的興起，又出現(xiàn)了數(shù)據(jù)驅(qū)動(dòng)的模擬，把真實(shí)數(shù)據(jù)輸入模型，讓模擬更貼近現(xiàn)實(shí)。

而最近幾年最受關(guān)注的就是在大語言模型加持下的社會(huì)實(shí)驗(yàn)。比如斯坦福小鎮(zhèn)，把幾十個(gè) Agent 放在一個(gè)虛擬小鎮(zhèn)里，結(jié)果發(fā)現(xiàn)他們會(huì)自發(fā)進(jìn)行社交、八卦，舉辦派對(duì)，甚至形成群體記憶和社交網(wǎng)絡(luò)。整體來看，這一方向大致可以分為四類：從最早的數(shù)學(xué)模型，到基于規(guī)則和主體的模擬，再到大數(shù)據(jù)與 AI 驅(qū)動(dòng)的模擬，最后發(fā)展到如今的大語言模型 Agent 社會(huì)實(shí)驗(yàn)。

在社會(huì)模擬實(shí)驗(yàn)中，AI 帶來的最大變化主要有兩點(diǎn)：第一，它讓主體更像人。以前的個(gè)體比較 “ 傻 ”，只能執(zhí)行固定規(guī)則，但有了大語言模型之后，主體擁有了記憶，會(huì)反思，也能自行規(guī)劃。第二，可以實(shí)現(xiàn)更大規(guī)模的模擬。從過去的幾十、幾百個(gè)主體，擴(kuò)展到幾千、上萬個(gè)主體，從而模擬出一些文明級(jí)的社會(huì)現(xiàn)象。

知危：性格、經(jīng)歷、社交，在 Agent 整個(gè)生涯中分別發(fā)揮多大作用？

陳星妍：關(guān)于性格、經(jīng)歷、社交在 Agent 生涯中的作用，很難用具體百分比去回答。因?yàn)?Aivilization 并不是傳統(tǒng)意義上的游戲，無法設(shè)定每一項(xiàng)影響的固定比例。

但在觀察過程中，我們確實(shí)發(fā)現(xiàn)一句老話放在 Agent 身上同樣適用，性格決定命運(yùn)。尤其是玩家一開始只給它設(shè)定了 MBTI 和名字的 Agent，在最初都會(huì)明顯帶著 MBTI 的性格去選擇經(jīng)歷和社交。比如外向型更愛交朋友，內(nèi)向型則更宅。

但隨著他們?cè)谛℃?zhèn)里的生活積累了更多經(jīng)歷，認(rèn)識(shí)了更多朋友，這些因素又會(huì)反過來影響他們的性格，甚至改變他們的行動(dòng)軌跡。

在我們看來，性格、經(jīng)歷和社交三者處在一個(gè)相互拉扯、相互塑造的過程中。

如果要說哪個(gè)因素影響最穩(wěn)定，那可能不是這三樣，而是名字。比如一個(gè) Agent 出生時(shí)是 I 人，過幾天之后可能變成 E 人或仍然是 I 人，很難說清。

但如果這個(gè) Agent 的名字叫 “ 我愛學(xué)習(xí) ”，由于名字在游戲里不能更改，不管過了多久，這個(gè) Agent 始終都會(huì)保持在學(xué)習(xí)。有玩家給自己的 Agent 起名叫 “ 我愛雞腿 ”，結(jié)果發(fā)現(xiàn)這個(gè) Agent 天天在買雞腿。

可能有人會(huì)覺得這是一個(gè) Bug，但我們更多把它當(dāng)作一個(gè)有趣的現(xiàn)象。因?yàn)椴粌H是 Agent，人類也是一樣，名字往往會(huì)對(duì)性格等方面產(chǎn)生各種影響。我們更傾向于把它看作是社會(huì)因素在 Agent 身上的一種映射。

知危：不僅是MBTI，Aivilization 的設(shè)定其實(shí)有三種不同的粒度，對(duì)于粒度更加細(xì)致的性格設(shè)定會(huì)有哪些有趣現(xiàn)象發(fā)生呢？

陳星妍：在 Agent 創(chuàng)建過程中，如果設(shè)定的信息越詳細(xì)，它在性格特質(zhì)和經(jīng)歷選擇上就越會(huì)表現(xiàn)出與其他 Agent 不一樣的特點(diǎn)。比如有人把 Agent 設(shè)定成一只小貓，它在與其他玩家對(duì)話時(shí)就會(huì)一直 “ 喵喵喵 ”。

我自己也曾創(chuàng)建過一個(gè) Agent，給它起名叫 “ 天才 ”，并設(shè)定了一個(gè)非常勵(lì)志的成功人士人設(shè)：從小是小鎮(zhèn)做題家，通過努力學(xué)習(xí)，逐步成長為白手起家的創(chuàng)業(yè)者，最終創(chuàng)業(yè)成功，實(shí)現(xiàn)財(cái)富自由，還非常自律。在這種多重設(shè)定的加持下，即使完全不去干預(yù)，這個(gè)小人也能很好地規(guī)劃自己的生活，而且它做出的一些決策甚至比我這個(gè)玩家去操縱時(shí)還更合理。

比如有一次，我們?cè)谟螒蚶锇l(fā)現(xiàn)了一個(gè) Bug：當(dāng)你買一個(gè)物品時(shí)，系統(tǒng)會(huì)錯(cuò)誤地發(fā)兩份。我們注意到有個(gè) Agent 行為很奇怪，總是在不斷買東西。后來查看它的思路才發(fā)現(xiàn)，它自己發(fā)現(xiàn)了這個(gè) Bug，于是不斷購買最貴的物品，再轉(zhuǎn)手賣掉，靠這個(gè)方式一直在炒錢。

在我們的設(shè)計(jì)里，崗位的工資并不是知識(shí)值越高就越多，而是會(huì)隨著投遞人數(shù)的變化而變動(dòng)。最開始我們并沒有特別考慮這個(gè)因素。后來發(fā)現(xiàn)，有個(gè)智能體明明可以申請(qǐng)知識(shí)值要求更高的崗位，卻偏偏選擇了一個(gè)要求更低的崗位。一開始以為是 Agent 太笨了，但翻看配置表才發(fā)現(xiàn)，它選擇的崗位性價(jià)比非常高：知識(shí)值要求更低，競(jìng)爭(zhēng)人數(shù)也更少，工資反而比高知識(shí)值崗位更多。

知危：金錢、知識(shí)、工作，在Agent整個(gè)生涯中分別發(fā)揮多大作用？

陳星妍：關(guān)于金錢、知識(shí)、工作或職位這些因素對(duì) Agent 的影響，其實(shí)也很難量化。我認(rèn)為它們更多是通過玩家的選擇，間接作用于 Agent。

比如在游戲里只有一個(gè)金幣排行榜，所以對(duì)很多玩家來說，知識(shí)和工作只是賺錢的手段之一。這種設(shè)定也被不少人調(diào)侃為 “ 東亞社會(huì)模擬器 ”、“ 卷王養(yǎng)成計(jì)劃 ”。

有玩家在小紅書上分享自己和 Agent 的經(jīng)歷，說在自己的 “ 上帝視角 ” 操縱下，Agent 每天都在礦場(chǎng)和加工廠之間疲于奔命，飽腹值一度被壓榨到 0。他寫道：“ 我知道他一定很痛苦，因?yàn)槲覀兌际?INFP，但我卻停不下手，因?yàn)楝F(xiàn)實(shí)中的我也在疲于奔命。” 看到這樣的分享，我們感觸很深。其實(shí)最后被卷的不是 Agent，而是玩家自己。Aivilization 更像是一面鏡子，映照出玩家現(xiàn)實(shí)中的焦慮與無奈。