随着人工智能技术的飞速发展，大语言模型（LLMs）在多个领域展现出巨大的潜力，社会模拟便是其中之一。近日，一项研究揭示了利用LLMs进行社会模拟的新挑战和机遇，引发学术界的广泛关注。
在这项研究中，研究者们尝试将LLMs作为驱动智能体的核心，以模拟复杂的人类社会行为。然而，他们发现了一个有趣的现象：这些由LLMs驱动的智能体，在模拟过程中变得异常啰嗦，缺乏自主性和创新性。这不禁让人联想到教外国朋友打麻将的场景：是事无巨细地指导每一步，还是只介绍基本规则让他们自主探索？显然，过于详细的指导会扼杀学习和发现的乐趣。
以霍布斯的“人人相争”理论为例，研究者们为每个智能体编写了详细的“剧本”，包括“打不过就投降”、“抢劫比种地更有效就继续抢劫”等规则。这种设计虽然让模拟过程看似严谨，但却缺乏真实的互动和创新，更像是一出事先写好的戏。
研究者们担忧，这种过度指导可能导致所谓的“发现”其实只是研究者预设的剧情。正如魔术表演中，人们惊叹于魔术师从帽子里掏出的兔子，却不知这只兔子本就藏在帽子里。因此，在使用LLMs研究社会现象时，“少即是多”的原则显得尤为重要。过于详细的指导反而会遮蔽真正有价值的发现。
为了探索LLMs在社会模拟中的潜力，研究者们进行了多项实验。其中一项研究利用LLMs复现了利维坦理论，构建了一个包含9个智能体的模拟世界。每个智能体被赋予了攻击性、贪婪度和力量值等特征，通过耕种、抢夺、交易或捐赠等行为方式在资源有限的环境中生存。实验结果显示，这个人工社会的演化轨迹与霍布斯的理论预测高度吻合，智能体在资源争夺中逐渐形成了让渡关系，最终出现了一个绝对主权者，即“利维坦”。
另一项研究则更具野心，研究者们开发了一款名为WarAgent的多智能体系统，通过模拟历史上的重大战争来探索战争是否可以避免。他们选择了第一次世界大战、第二次世界大战和中国战国时期作为研究对象，每个国家智能体拥有特定的属性如领导力、军事实力等，并可以采取多种行动如军事动员、外交沟通等。实验结果显示，该系统成功重现了历史上的战略决策过程，并揭示了战争爆发的内在机制。
基于这些开创性尝试，研究者们提出了一种新的分类方法和模块化框架——生成式智能体模型（GABM）。该模型将LLMs与机械模型相结合，通过LLMs进行推理和决策，而机械模型则负责模拟智能体之间的互动机制。这种方法无需事先定义详细的决策规则，而是利用LLM中包含的大量训练数据来模拟人类行为，从而更真实地反映人类决策的复杂性。
然而，研究者们也意识到，在使用LLMs进行社会模拟时，过于详细的指导语可能会损害模拟的生态有效性。他们指出，高度指导性的指导语可能导致观察到的行为模式更多是研究者的预设，而非智能体之间真实的动态交互结果。因此，在设计GABM时，应尽量减少直接的行为指引，转而关注如何构建一个允许真实涌现现象产生的生态。
这项研究不仅揭示了LLMs在社会模拟中的潜力和挑战，也为未来的研究提供了重要启示。随着技术的不断进步，我们有理由相信，LLMs将在更多领域展现出其独特的价值。
