走进AI Town：当AI学会“像人一样生活”，我们学到什么

这不是一场关于模型参数的技术演讲，而是一次关于“人是什么”的实验。a16z与Generative Agents论文作者June Park，通过AI Town这一模拟世界，展示了大语言模型如何第一次被用来理解、而不只是模仿人类行为。

从规则角色到“会生活的AI”：Generative Agents带来了什么变化

如果你玩过《模拟人生》，你会熟悉那种被规则严格约束的角色行为：在固定时间吃饭、睡觉、上班。但June Park指出，Generative Agents的突破在于，它们不再遵循二元规则，而是基于概率和上下文做出“看起来很像人”的选择。

在AI Town里，一个父亲可能因为注意到孩子而出门，另一个角色会因为闻到焦味把早餐从炉子上拿走，还有人会答应参加情人节派对，却临时选择不出现。这些并非预先写好的脚本，而是由大语言模型结合情境即时生成的结果。

支撑这一切的，是论文中提出的三段式架构：观察（Observation）、规划（Planning）和反思（Reflection）。每个Agent都有一个“种子身份”，并通过这三个步骤不断更新自己的行为逻辑。June形容这是一种新的模拟范式——不是把世界简化为规则，而是让系统容纳不确定性和例外，这恰恰是人类社会的真实状态。

记忆、反思与“可置信性”：AI第一次被用来理解人类复杂性

为了让Agent“像人一样”，团队很快意识到，单次Prompt远远不够。真正的挑战在于长期行为的一致性——角色要记得自己遇见过谁、发生过什么，并基于这些经历形成新的判断。

为此，Generative Agents引入了外部长期记忆系统，并通过检索函数按“最近性、重要性、相关性”打分。例如，刷牙的重要性可能是1，而一次分手是10；当累计重要性达到150时，系统才会触发一次反思。这种设计让Agent能够形成类似人类的高层认知，比如“这个人好像每天早上都吃煎蛋”。

团队最终选择用“可置信性（believability）”作为评估标准——看它们的行为是否让人产生共鸣。但有趣的是，这个标准本身就暴露了人类的不确定性。June分享了一个失败案例：有Agent中午去酒吧，被评为“不像人”，结果不少观众反馈说“我就会这么做”。他的结论是：连人类彼此之间都很难预测行为，更别说用一个完美标准去定义‘像人’。

像早期互联网一样的时刻：为什么这些“玩具”可能很重要

a16z合伙人Martine Casado把AI Town比作早期互联网。他回忆，当年人们为“能在网上看到咖啡壶”而兴奋，第一个网页应用只是一个“按了没反应的红色按钮”。这些看似幼稚的玩具，却孕育了后来无法预测的伟大公司。

在他看来，生成式Agent正处在类似阶段。“任何被这种技术触碰到的东西都会变得有点魔法。”他说。很多企业现在还无法理解这种价值，正如当年有人禁止员工使用浏览器一样。

Casado还分享了一个程序员视角的转折点：他曾误把一段代码发给模型，结果模型没有报错，而是直接评论代码。“那一刻我意识到，我面对的不是一个有限状态机。”他甚至把大语言模型比作“研究生”——你不会用形式化语言指挥研究生，而是用自然语言协作。这正是AI Town试图探索的交互未来。

从游戏到社会科学：AI模拟人类行为的真正潜力

在June看来，真正“必须用新技术才能做的事”，是模拟人类行为本身。短期内，这看起来像游戏或创意实验；长期来看，它可能成为社会科学的新工具。

他提到，已经有研究尝试用大语言模型复现经典社会科学实验，结果“出乎意料地有效”。但问题在于：模型是在真正模拟人类，还是只是“记得”那些论文？为绕开这一点，团队曾让GPT-3模拟其训练数据中尚未出现的新社区，比如在疫情成为全球议题前，生成关于疫苗政策讨论的论坛。

结果显示，模型可以通过已有知识推断出合理的社会反应。June认为，如果未来能从“可置信”走向“分布意义上的准确”，这些系统或许能帮助政府、银行和研究者，在现实政策落地前，先观察一个“可能发生的世界”。这不仅是技术进步，更是一种理解人类的新视角。

总结

AI Town并不是在回答“AI能不能像人”，而是在反问“人到底是什么”。通过Generative Agents，研究者第一次用可运行的系统，把记忆、反思、不确定性这些人类特质变成了工程问题。它也许还不准确，但正如早期互联网一样，真正重要的价值，往往诞生在看起来像玩具的地方。

关键词： Generative Agents， AI Town， 大语言模型， AI Agent， 社会模拟

事实核查备注： 视频来源：a16z《Inside AI Town： What AI Can Teach Us About Being Human》；论文：Generative Agents： Interactive Simulacra of Human Behavior；核心人物：June Park、Martine Casado；技术要点：观察-规划-反思架构、外部长期记忆、重要性阈值150、1百万token上下文讨论；相关产品与概念：ChatGPT、AutoGPT、Character.AI。