工作原理
四层构建一个社会
每一层都让模拟更贴近现实。演示包含这四层的简化版本;完整引擎则用数据和语言模型充实每一层。
第 1 层
人口
拥有年龄、性别、地区、职业和生活方式的人——与各国统计数据相匹配的人物画像。
演示 每个国家从 NVIDIA Nemotron-Personas(CC BY 4.0)中抽取 800 个人物画像
第 2 层
网络
家人、同事、邻居、网友。相似的人相互连接;少数枢纽人物影响深远。
演示 地区与年龄同质性 + 3% 枢纽人物
第 3 层
媒体
社交媒体、电视和新闻触达谁、触达程度如何。年轻人偏向社交媒体,年长者偏向广播电视。
演示 分渠道曝光 · 依据互联网使用率、经济增长和通胀校准
第 4 层
判断
听到消息的人会结合自身倾向和邻居的看法加以权衡,做出决定,并继续传播。
引擎 每个人物画像通过语言模型做出决定,并进行多轮审议
每个模拟日会发生什么
- 媒体触达部分人群,各渠道的重度用户更常被触达。听到信息会推动一个人的观点;怀疑者变化较小,在有争议的话题上,部分人会产生反弹。
- 口碑传播:邻居已知情的人可能从邻居那里听到消息。邻居越活跃、立场越明确,可能性越大。
- 已表态的邻居会把一个人的观点拉向自己——但如果观点相差太远,反而可能适得其反。
- 每个人都会略微回归到自己的初始倾向。每天结束时,每个人处于不知情、未决定、支持或反对四种状态之一。
用真实数据校准
- 产品发布:实际 GDP 增长率高于或低于 2% 会调整初始购买意向(每个百分点 0.02,上限 ±0.1)。
- 交通票价:通胀率高于常见的 2% 目标时,人们对票价更加敏感(每个百分点 −0.05)。
- 互联网用户比例 ÷ 90% 决定社交媒体触达人们的强度(0.4–1.1)。
演示的局限
规则代替了判断,人际关系是生成的而非观测的,且每个社会都使用相同的三个情景。请用演示来建立对传播和干预时机的直觉,而不是预测具体数字。