轉載推薦｜《復雜系統的計算實驗方法—— 從 Agent Simulation 到 Social Simulator》

導語

在信息—物理—社會深度耦合的復雜系統時代，傳統研究方法已難以解釋與預測復雜現象。本書以大模型Agent為核心，系統構建從建模、實驗到落地的計算實驗方法體系，推動AI for Social Sciences走向高保真社會模擬與現實決策應用。

關鍵詞：復雜系統、計算實驗、Agent建模、大語言模型、社會模擬、AI4SS、因果推斷、強化學習、復雜網絡、多主體系統

1. 背景：復雜世界呼喚突破性研究方法

在智能技術飛速發展的今天，人類社會已演變為“信息 - 物理 - 社會” 深度耦合的復雜系統（CPSS），從金融市場波動、流行病傳播到社會治理優化，各類復雜問題層出不窮。傳統研究方法要么難以捕捉系統微觀異質性與宏觀涌現的關聯，要么無法開展真實場景下的干預實驗，導致對復雜現象的解釋力不足、決策支持能力有限。

“AI for Social Sciences” 的興起為這一困境帶來了全新破局思路 —— 當人工智能技術與社會科學研究深度融合，復雜系統的認知維度被徹底拓寬。上世紀八九十年代興起的 Agent 建模與仿真（ABM）雖為復雜系統研究提供了新思路，但仍面臨擬人化建模難、重推演輕實驗、重解釋輕預測等核心挑戰，難以滿足 “高保真” 社會模擬的需求。而大語言模型（LLM）的爆發式發展，讓 Agent 建模實現了認知深度、動態交互與涌現行為的三重躍升，為構建 “高保真社會模擬器”奠定了堅實基礎。在此背景下，《復雜系統的計算實驗方法——從 Agent Simulation 到 Social Simulator》應運而生，以大模型 Agent 技術為核心支撐，整合多學科智慧，破解復雜系統研究的方法論困境，推動 “AI for Social Sciences” 從理論構想走向實踐落地。

2. 內容介紹：

構建“理論 - 技術 - 實踐” 完整知識體系

本書以“AI for Social Science” 為主線，系統梳理計算實驗方法的發展脈絡與核心體系，涵蓋理論基礎、關鍵技術、系統平臺與發展趨勢四大維度，形成 “知識全景 - 核心技術 - 落地路徑” 的三維架構。

全書既解析了復雜性科學、計算社會科學的底層邏輯，又深入探討人工社會建模、實驗系統構建、實驗設計與分析、因果推斷等關鍵技術；既涵蓋 Agent 模擬、強化學習、復雜網絡、大模型等前沿 AI 技術，又囊括計算經濟學、計算流行病學、社會治理等典型交叉領域應用。通過智能物流、煤礦應急、API 服務市場、互聯網平臺算法行為等真實案例，生動展示計算實驗在政策評估、策略優化、機制探索中的實踐價值，實現“理論深度 + 技術精度 + 應用廣度”的有機統一。

3. 核心問題：直擊領域研究痛點

計算實驗方法作為社會科學與智能科學相融合的一種研究方法，集成了經濟科學、計算科學、復雜性科學、智能科學等諸多學科。盡管科研人員付出了很多努力，計算實驗方法目前還不能算是一套成熟的工具，也沒有一套完整成形的理論體系，其前景預期和實際應用之間還存在著巨大的差距。因此，為了能夠推動本領域的研究發展，本書將梳理清楚以下三個問題：

1. 如何建模？Agent模型是計算實驗的核心，也是不同智能知識發揮作用的容器。目前，研究者大多通過給 每個 Agent 指定一些簡單的演繹規則來主導 它們 的決策過程 ， 由此產生宏觀 涌現現象 。然而， 研究者們 普遍認為，這種模型通常不能充分代表真正的 社會主體行為決策 方式。 好的Agent模型應該具有類人特征， 影響 其 決策的因素 多種多樣， 包括內部狀態 、所處 環境 、 以及相應的動態回報和風險 等 ， 甚至 可能還 會 涉及復雜的社會因素、不同的 文化背景 和 Agent 的學習曲線 等 。 因此，如何利用各類AI技術（例如大模型、強化學習、群體智能等）來提升Agent模型設計（包括異質性、有限理性、學習演化以及交互），就成為該領域持續發展所要面臨的關鍵挑戰。

2. 如何實驗？在計算實驗系統中，每一個場景都是多節點、非線性的，每個AI Agent在任何節點上都有N種選擇，從而涌現出無數條故事線。隨著參與Agent越多，Agent越多樣，交互就會越復雜，影響因素的數量會呈指數級遞增，產生隨機偏差的概率也會越大，涌現的可見性就容易被各個環節掩蓋。研究者們大都重“描述”而輕“實驗”，可以對系統的演化過程進行推演，但是卻難以對涌現現象提供有洞察力的、理解系統運行的因果分析，無法給出現象背后的規律。因此，本書將著重研究如何采用計算實驗設計實現因果關系挖掘與因果機制推斷，進而為后續的調控策略優化提供決策依據。

3. 如何落地？ 計算實驗作為一個多學科的交叉領域，牽涉的領域知識非常多。研究者往往難以理清AI技術與沙盤模型之間、模擬推演與計算實驗之間、通用設定與特定場景之間的關系，而各類層出不窮的AI技術更加劇了這種困境。目前，研究人員大都重“解釋”輕“預測”，沙盤推演比較簡單，往往只能用于現象解釋，卻難以起到智能輔助決策的作用。針對該問題，本書將重點研究如何采用大模型技術來支撐計算實驗平臺的開發與實驗流程的自動化，希望為計算實驗理論的落地找到一個合適的平臺支撐。

4. 書稿的內容組織：邏輯清晰，層層遞進

本書內容的組織結構如圖1- 14 所示，主要分為四個部分：基礎理論篇、關鍵技術篇、系統平臺篇和發展趨勢篇。全書采用“理論+實踐”的研究思路，從計算實驗的基礎知識出發，使讀者在理解理論模型的基礎上對實驗案例進一步剖析，從而能夠對計算實驗方法體系有一個完整的把握。每個章節的具體內容如下。

圖1- 14 本書內容的組織結構

（1）理論篇

• 第1章：梳理計算實驗方法的起源、思想精髓與組織結構，剖析社會系統復雜性來源及 ABM 的因果挑戰，闡明計算實驗 方法 “ABM + 實驗”的核心邏輯及與新興技術、應用領域的融合路徑。

• 第2章：夯實仿真技術基礎，解析系統仿真的概念、原理與建模原則，介紹社會系統仿真基礎模型及糖域模型、人工股市模型等經典案例。

• 第3章：闡述實驗理論核心，明確實驗設計的關鍵要素與常用方法，詳解實驗數據統計分析邏輯，聚焦虛擬場景下的反事實推斷及在決策劇場、兵棋推演等場景的應用。

（2）技術篇

• 第4章：聚焦人工社會建模，構建 “自治 - 演化 - 交互 - 涌現” 四層建模框架，破解異質性、有限理性等建模難點。

• 第5章：講解實驗系統構建，解決領域模型與通用人工社會模型的銜接問題，實現多模型組件的集成與動態運轉。

• 第6章：提出計算實驗設計框架，通過描述性、解釋性、預測性建模應對社會模擬的隨機性與主動性挑戰，配套自動化情景生成算法。

• 第7章：建立 “觀察 - 干預 - 機制” 三級因果推斷框架，挖掘變量間結構因果關系，解析微觀個體到宏觀涌現的形成機理。

• 第8章：給出計算實驗能力成熟度評估框架，從多維度全面評估模型準確性與有效性，并通過 人流車流模擬 案例驗證 其 應用價值。

（3）平臺篇

• 第9章 ： 介紹計算實驗平臺四大核心模塊：①沙盤設計模塊（定制化構建 AI Agent 與 AI Society）；②計算實驗模塊（提供多元實驗設計與因果分析工具）；③仿真引擎模塊（實現場景構建與運行管理解耦）；④場景對接模塊（支持 2D/GIS/3D 等多形式場景適配）。

（4）趨勢篇

• 第 10章：探討大模型 Agent 與社會模擬的融合，以 “斯坦福小鎮” 為例，總結生成式 Agent 關鍵技術及典型應用案例。

• 第11章：分析大模型 Agent 與工作流的融合趨勢，聚焦多 Agent 協作模式、工作流程與技術挑戰，助力計算實驗自動化。

• 第12章：總結全書核心觀點，明確領域未來研究重點。

5. 作者簡介：深耕領域的權威學者

薛 霄 天津大學智能與計算學部教授、博士生導師、國家重點研發計劃項目首席科學家。主要研究方向為AI Agent、AI4SS、服務計算和群體智能。工作以來，先后獲得楊嘉墀科技獎、CCF服務計算杰出成就獎、IFAC社會計算杰出成就獎、省級科技創新杰出青年、省級高校學術帶頭人等榮譽稱號；擔任天津市健康人居環境與智慧技術重點實驗室副主任、中國自動化學會計算社會與社會智能專委會副主任以及一系列國際期刊的編委。主持和參與國家重點研發計劃項目、國家自然科學基金重點/專項/面上項目、省級重大課題等30余項。以第一作者或通信 作者在 CCF A/中科院一區/IEEE Trans等頂刊、頂會上發表論文80余篇，并多次獲得最佳論文獎; 獲得省級自然科學二等獎2項(排名第一)、省級決策成果二等獎1項(排名第一)、省級優秀學術著作一等獎1項(獨著)。

2020年出版著作《復雜系統的計算實驗方法一一原理、模型與案例》，是 “計算實驗”系列的第一冊， 也是 國內第一本對計算實驗方法進行系統化梳理的專著，獲得同行高度評價。 《復雜系統的計算實驗方法—— 從Agent Simulation 到 Social Simulator》 “計算實驗”系列的第二冊，具體闡述 計算實驗方法 的實現技術與支撐平臺。 本書不僅適用于人工智能、社會計算、復雜系統仿真等領域的教研人員與專業人士，也可為政府決策者及社會學、經濟學、管理學等領域從業者提供重要參考。翻開本書，帶你穿越復雜系統的迷霧，掌握從虛擬實驗到現實決策的智慧鑰匙！

京東購物

「大模型時代下的Agent建模與仿真」讀書會

集智俱樂部聯合山東工商學院副教授高德華、天津大學教授薛霄、北京師范大學教授張江、國防科技大學博士研究生曾利共同發起。讀書會自2025年7月8日開始，每周二晚上7:30-9:30進行，現讀書會已結束，支持查看課程回放。掃碼加入Agent建模與仿真的前沿探索之旅，一起共學、共創、共建、共享「大模型時代下的Agent建模與仿真」社區，共同暢想大模型時代人工社會的未來圖景！

核心問題

Agent建模與仿真是什么，核心技術發生了怎樣的演變？

大模型時代，Agent建模與仿真會給復雜系統理論帶來哪些突破？

大模型如何賦能Agent實現自主思考與動態適應？

大模型驅動的Agent交互會涌現出什么新型的社會現象？

Agent建模與仿真如何改變金融、心理、管理、軍事等領域的研究范式？

你將收獲

梳理Agent建模與仿真的歷史發展脈絡與方法論；

掌握一套理解、分析、控制、預測復雜系統的計算實驗框架；

掌握基于多主體強化學習的復雜系統優化方法；

領略領域前沿學者的研究體系與科研路徑。

詳情請見：

1.

2.

3.

4.

5.

6.

7.