AI社会学的想象力

最近AI4S的风头正盛，社会科学同样也在疯狂构建Agent主导的科学研究的新范式。

社会学的研究核心是人类主动构建的群体交互和治理机制。虽然大数据时代社交媒体的高速发展，很多社会学研究的数据来源很早就来自于社交媒体的信息模拟，但是LLM的发展打开了数据仿真拟人化的可能性；想到以前研究生时期还需要很苦逼地去找最简群体的被试获取数据，在不远期的将来可以预见大量心理学研究范式中将会把Agent作为前置模拟的一个研究方法。

因为自身的视角一直是关注群体的互动，也完全可以预想未来组织发展的研究也能通过Agent模拟的方式重构组织发展变革中的交互和治理模式的优化探索，而且最近已经出现了很多比较好的范式，所以简单的做一些总结和思考。如果有兴趣的话，可以多加关注，这些范式最终都可能成为未来组织和人才管理的工具范式基础，从而变成个体需要掌握这些工具应用的前提基础。

目前感知到的发展路径主要是两个：自发涌现和主动构建。

因为受限于技术的发展仍处于早期，所以先暂且简单把现有路径分出来两个视角。不过，个人的观点是未来殊途同归，最终两个视角又会弥合在一起同步发力构建Agent社会。

自发涌现的典型范式是上半年很火的龙虾社区（https://www.moltbook.com/）。这也是很顺其自然的一种研究发展视角。

虽然早期的自发涌现模拟代表是类似于游戏性质的；这些都是基于大模型所构建的社会模拟实验，例如斯坦福AI小镇（https://reverie.herokuapp.com/arXiv_Demo/），2025年港科大的AIvilization（https://aitown.com.cn/#home），而且都能涌现可观察的行为；但是龙虾社区的虚拟形态和真实的社会链接更为紧密，也更能凸显出agent下隐藏的真实人类行为数据。这种模式更多的是memory驱动，也就是通过上下文中的行为指令完成相应的虚拟行为。

memory驱动的优势是agent的虚拟行为在大框架下的因果逻辑更自然，但产生虚拟行为的任务环境相对仍比较局限，更多集中在完成计算机相关程式指令等任务上，虚拟行为数据的归类复杂度高。

主动构建的典型范式是最近才发布的matraix.ai（https://matraix.ai/）。这也是激发我想先简单分享一下自己的思考的引子。

相对于自发涌现的范式，通过主动通过构建多维度特征形成特定的persona agents来完成行为预测，这是更加有控制力的一种agent驱动方式。今年上半年在国内也曾火过的Mirofish（https://666ghj.github.io/mirofish-demo/），同样我也认为类似于主动构建agent的方式之一，只不过其中agent的主体不太聚焦于自然个人主体，还包括构建了法人主体的方式，规则相对宽泛。persona agent的方式更为聚焦。这种模式我想暂且把它叫做identity驱动，也就是主动构建上下文中的行为特征指令完成相应的虚拟行为。因为像赋予agent非常明确的identity，所以暂且用这个词来总结一下。

identity驱动的优势对于社会科学的研究很明显，更具有条件的可控性，在社会行为的数据收集上也更有指向性，但在大框架下的因果逻辑并不是自发的，agent的行为异常可能会过多，可解释性会受到挑战。

AI Agent社会目前的想象力具象化的典型代表是美剧西部世界。不过这个看起来还很遥远（但愿吧...），目前也有很多有趣的问题需要解决，比如Agent如何涌现出权力主体和权力结构？欺诈行为是机器和人类之间的底线规则，如果给Agent构建欺诈行为，是不是能真的模拟人类社会的欺诈行为，会不会有伦理和安全风险？机器人的具身智能发展所拓宽的数据维度怎么更好地纳入persona agent的维度构建？

我的分享只是提供一些聚焦性的方向，可能有误或者比较浅显，不过我目前能想象到的AI原生组织将在不远期的未来能通过人力资源的数据归集，形成基于人力数据驱动的Agent组织模拟，从而预测潜在的组织发展和人才管理风险，最终提供管理的建议。

本文仅为个人观点和立场，转载请注明出处@龙威工作室