模拟人类：从生成式智能体到80亿个数字孪生体——Joon Sung Park，Simile AI

摘要

• Joon Sung Park 的核心判断是，模拟也有自己的规模定律：在模拟和预测人类时，摄入的关于人类的数据越多、使用的算力越大，模型表现就会获得可预测的提升。 Simile 正在训练自己的模型，并看到了这条曲线的“早期一瞥”。
• 护城河的核心在于，Park 将生成式模型追求“超级理性、客观的机器”，与 Simile 所需的“和我一样笨”的模型作对比——模型必须犯下人类会犯的同样错误。 通过网络训练的模型，本质上包含的是人类主动暴露出来的态度数据，只掺杂了部分行为数据，而不是“人类的暗知识”（dark knowledge of humanity）——即人们实际上会做什么。在利基人群上，Park 称前沿模型的行为预测准确率会降至20–30%，一般人群也只有50–60%；相比之下，Simile 已验证的基准是以85%的准确率复现人们的态度和行为，“大致与人们复现自身的准确度相当”。
• 验证方面的核心资产是《Generative Agent Simulations of 1,000 People》论文：对具有代表性的1,000名美国人进行抽样，采集2小时数据，2周后用问卷、Big Five、行为经济学博弈、General Social Survey 以及已发表的RCT测试数字孪生。 后续研究显示，在 Open Science Foundation 平台数万项预注册实验上进行后训练，还能带来显著的进一步提升；因果数据和随机对照试验数据最稀缺、也最有价值，因为“世界是我们的 ground truth，但它只发生一次”（the world is our ground truth, but it happens once）。
• 产品定位是用模拟来塑造结果，而不是预测结果。 Park 说：“得知两季度后销售额会崩掉……并不能真正帮到你。”客户真正想知道的是，现在需要做什么，才能避开那个未来。他对 Foundation 及心理史学的讨论——把科学家流放至Terminus这一反直觉的第一步——说明了逐步推进的因果模拟为何胜过点预测；例如，一套电动车营销方案可能提升 EV 销量，却让整体汽车销量下降。
• 在TAM问题上，Park明确拒绝将市场研究定义为1000亿美元级市场，并直言：“模拟不是市场研究工具。” 模拟是人类决策工具。当前落地场景包括概念测试、焦点小组、上市公司的模拟财报电话会，以及与 Gallup 的战略合作；Simile 每周从数万人处采集数据，并拥有覆盖全球数千万人的样本库合作。由于风险偏好等特征“不会随时间真正改变”，采集到的受访者可以跨研究复用。
• 给投资人的成熟度标尺是，Park认为模拟行业所处阶段，类似 AGI 叙事中的 GPT-3.5 和 GPT-4：在当前垂直领域已足以造成真实影响，但激进扩展仍在前方。 他猜测，模拟最终的成本会“与训练一个基础模型相当”；谈到一次社会规模的气候变化模拟时，他说：“我现在就会筹钱，只为跑一遍。”在主持人对谈中，swyx 称一项非洲 UBI 研究得出的结果是“否”，并提出5年约1400万美元的成本；Park 没有确认这一数字，并质疑问题是否出在落地执行上。
• Park 将 Simile 描述为研究实验室与产品公司的结合体：公司约60人，在 Mission Rock 设有旧金山总部，并新开纽约办公室；联合创始人包括 Michael Bernstein、Percy Liang（“foundation model”一词的创造者）和 Lainie Ellen，员工约15–20%来自 Park 的实验室。 他对市场的收束判断是：“你看任何一部科幻作品里的先进文明，都会有两项双支柱技术：一项是某种形式的 AGI，另一项就是模拟。”

精读

上游暂未提供，后续同步将继续补齐。