Simile AI创始人Joon Sung Park在访谈中阐述了其公司从生成式智能体研究走向构建人类行为基础模型的历程。核心论点是：模拟而非预测，是理解与塑造未来的关键。公司通过收集访谈、行为观察和随机对照试验数据，训练出能以85%准确率复现个体行为与态度的数字孪生模型。其长远愿景是构建模拟全部80亿人的社会级模拟器，以应对气候变化、民主稳定性等复杂社会问题。
Simile AI是一家专注于构建人类行为基础模型的公司，其愿景是在做出决策前先“模拟世界”。公司CEO Joon Sung Park是2023年里程碑式论文《生成式智能体》（即“Smallville”研究）的核心作者，该论文首次展示了AI角色能够记忆、规划、社交并产生涌现行为。如今，Simile已从学术研究走向商业化，获得由GreenOaks和Index Ventures领投的20亿美元B轮融资，其数字孪生模型正为包括CVS在内的财富100强客户提供服务，在模拟人类焦点小组方面达到了85%-99%的准确率。本次访谈中，Joon深入探讨了其技术路径、核心理念以及模拟技术改变社会决策的宏大潜力。
展开「深读」看每一段讨论的问题与论据。
讨论的问题：Joon Sung Park是如何从艺术领域转型到AI领域的？
讨论的问题：《Generative Agents》论文（Smallville）是如何诞生的，其核心洞察是什么？
论据 / 案例：论文《Generative Agents》有7200次引用（Google Scholar数据）。
讨论的问题：为什么团队最终选择了“模拟世界”作为核心方向，而不是其他可能的杀手级应用？
论据 / 案例：Joon举了一个简单的例子来说明对用户深刻理解的重要性：如果个人助手点了你讨厌的夏威夷披萨（有菠萝），它就完全失败了。
讨论的问题：为什么当前基于提示的个人代理存在根本局限？建立行为基础模型需要什么？
讨论的问题：为了构建准确的“行为基础模型”，需要哪些类型的数据，为什么？
论据 / 案例：Joon举例说明了RCTs如何揭示因果机制：同一个人在喝咖啡和不喝咖啡的日子里，行为可能不同。
讨论的问题：模拟相对于简单预测的核心价值是什么？
论据 / 案例：Joon引用阿西莫夫《基地》系列中的“心理史学”作为模拟指导决策的类比。
讨论的问题：Simile如何验证其数字分身的准确性？为什么前沿模型在模拟人类行为方面表现不佳？
论据 / 案例：Simile的研究显示，其数字分身能以85%的准确度复制真人自身的行为重复度。
讨论的问题：如何通过RCTs数据对模型进行后训练？Simile的模型训练有何特点？
论据 / 案例：Simile使用来自“开放科学框架”的数万个预注册行为研究和随机对照试验数据进行模型后训练。
讨论的问题：模拟技术的扩展定律是怎样的？其终极目标和可能解决的社会问题是什么？
论据 / 案例：Joon提到，Simile观察到了模拟性能随数据和算力增长的“扩展定律”早期迹象。
讨论的问题：模拟技术的历史渊源是什么？其未来的经济学考量和终极哲学问题有哪些？
论据 / 案例：托马斯·谢林因其早期的智能体建模工作获得了诺贝尔经济学奖。
