多智能体模拟解析：AI代理如何预测现实世界结果

多智能体模拟是一个模型，描述了许多独立的AI“代理”——每个代理都有自己的角色、目标和个性——在一系列轮次中互动，产生出单个代理无法编写的集体行为。 这就是MiroFish如何将一个简单的场景转化为预测的方式。

这个想法比AI聊天机器人更早

基于代理的建模自1970年代以来就被用于研究从交通堵塞到流行病的各种情况：定义简单的参与者，给他们规则，让他们互动，观察现实的宏观行为如何出现。托马斯·谢林的著名隔离模型展示了温和的个人偏好如何产生戏剧性的集体结果——这是从规则本身无法预测的结果。

2023年斯坦福大学的生成代理研究升级了参与者：每个代理不再是简单的规则追随者，而是一个具有记忆、计划和个性的庞大语言模型。代理们举办了一个情人节派对，传播邀请，形成对彼此的看法——这是语言模型扮演角色所产生的涌现社会行为。

MiroFish模拟内部发生了什么

当你向MiroFish提交一个场景时，系统会：

1. 分配代理

场景简报决定了谁是关键：对价格敏感的客户、忠实粉丝、持怀疑态度的科技记者、快速跟进的竞争对手、谨慎的监管者。每个代理都有自己的目标和偏见。

2. 设置舞台

知识图谱将代理与场景中的实体——产品、品牌、事件——连接起来，以便影响可以沿着现实的路径传播。

3. 进行轮次

在每一轮中，代理观察发生了什么，按照角色反应，并将这些反应发布到其他代理可以看到的地方。反应会叠加：

• 一个客户代理抱怨定价。
• 一个记者代理注意到模式并起草批评意见。
• 一个竞争对手代理嗅到机会并进行削价。
• 你品牌的忠实代理进行反击，分裂了对话。

这一链条——抱怨、报道、竞争反应、社区分裂——是涌现的。没有人编程它；它是从互动中自然产生的。这正是单模型问答无法产生的结果，而真实市场则不断产生。

4. 提炼记录

在最后一轮之后，完整的互动历史被压缩成一个结构化报告：结果概率、关键驱动因素、异议声音、风险。报告聊天让你可以深入挖掘其中的任何内容。

为什么更多代理胜过一个智能模型

一个大型模型被要求“考虑所有观点”往往会将它们平均化成糊状。具有冲突激励的独立代理保持了紧张关系——就像一个好的小组辩论胜过单一评论员一样。这种结构性分歧是为什么模拟能够揭示出聊天机器人的共识答案所掩盖的风险，也是AI预测的准确性有多高的一个重要部分。

一个模拟在任何单一步骤上并不比聊天机器人更聪明。它在系统层面上更聪明，因为冲突是内置的。

在我们的产品发布手册中查看该技术在具体决策中的应用，或自己运行一个模拟。