「私が創造できないものは、真に理解することはできない。」— ファインマン

知能の時代が到来し、人々の生産、生活、学習のあり方を根本的に変えつつあります。数十年にわたり、社会科学者や関連分野の研究者は、実証データやモデルを通して、人間の行動と知能社会の運営を支配する基本法則を明らかにしようと尽力してきました。様々な社会現象やガバナンス上の課題の背後に隠された因果メカニズムを解明し、「それは何なのか？ なぜなのか？ どのように対処するのか？」といった問いに答えようと試みてきました。しかし、社会科学研究が「世界を説明する」から「世界を変革する」へとパラダイムシフトする中で、研究者たちは常に根本的な課題に直面してきました。それは、従来の実証主義的手法の限界を打破し、人間の行動パターンと社会運営を支配する法則について、深く、計算可能で、介入主義的かつ予測可能な理解をどのように達成するか、という課題です。

物理学者ファインマンの有名な言葉に「創造できないものは、真に理解することはできない」というものがあります。真の理解とは、観察と解釈だけでなく、「生成的」アプローチを通して、人間の行動の複雑なパターンや社会システムの運用ルールをボトムアップでシミュレートし、再現する能力です。これにより、インテリジェントな社会統治の進化の道筋と潜在的な社会的リスクをシミュレート、予測、評価し、将来を見据えた実験主義に基づくインテリジェントな社会統治の最適な道筋を推進することが可能になります。

複雑性科学の先駆者であるホランドは、「社会システムの本質は、その構成要素間の非線形的な創発にある」と指摘しました。この主張は、社会の複雑性を扱う従来の還元主義的手法の固有の限界を明らかにし、「生成社会科学」研究パラダイムの急速な台頭を促しました。このパラダイムは、社会を複雑適応システムと捉え、ミクロレベルから出発し、個々の行動や相互作用をシミュレーションすることで、複雑な社会システムの内部メカニズムを探究します。ボトムアップ計算による社会のデジタルツインの構築を重視しています。これらの手法の中でも、エージェントベースモデリングは広く用いられているアプローチです。エージェントと複数のエージェント間の相互作用関係を構築することで、社会の運用状態を動的に再現します。この手法は、社会科学、政治学、経済学などの分野で広く応用されており、研究者が人間の行動や社会の複雑性をより深く理解するのに役立っています。

この分野は大きく進歩しているものの、依然として解決すべき重要な課題が一つあります。それは、このようなシミュレーションは現実社会の複雑性をどの程度リアルに再現できるのかということです。したがって、複雑性研究を支えるのに十分なシミュレーション規模を確保しつつ、シミュレーションのリアリティを向上させ、現実社会の動作ロジックに近づけていくことは、依然として取り組むべき重要な方向性です。

最近、清華大学電子工学部都市科学計算センターの研究チームは、同大学公共政策・管理学院、社会科学学院のインテリジェント社会ガバナンス研究所の学際的なチームと共同で、大規模モデルに基づく大規模社会シミュレータ「AgentSociety」バージョン1.0の構築に成功しました。この共同研究は、大規模モデルインテリジェントエージェント、実社会環境シミュレーション、大規模シミュレーション加速フレームワークといった技術的優位性を活用し、インテリジェント社会ガバナンスにおける最先端の理論と実践的探究を融合させています。このシミュレータは、世論の広がり、認知の二極化、そして公共政策への対応を正確にシミュレーションすることができます。AgentSocietyは、社会学の根本原理を出発点として、社会科学研究におけるパラダイムシフトを促進し、行動シミュレーションからメンタルモデリングへ、静的演繹から動的共生へ、そして実験ツールから社会インフラへと社会学の発展を推進することを目指しています。具体的には、このシミュレータには以下の機能が含まれています。

* 大規模モデル駆動型ソーシャルインテリジェントエージェント：社会学理論に基づいて、「人間のような精神性」を備えたソーシャルインテリジェントエージェントを構築し、感情、ニーズ、動機、認知能力を付与し、これらの精神状態の駆動下で移動、雇用、消費、社会的相互作用などの複雑な社会的行動を実行します。

* 現実的な都市社会環境: 社会的な存在が生存するために依存している都市空間を正確にシミュレートし、交通、インフラストラクチャ、公共リソースを再現し、インテリジェントエージェントが実際の環境の制約下で相互作用できるようにして、現実的な社会エコシステムを形成します。

* 大規模社会シミュレーション エンジン: 非同期シミュレーション アーキテクチャと Ray 分散コンピューティング フレームワークを採用し、エージェントのグループ化と MQTT 高同時通信を組み合わせることで、効率的でスケーラブルなエージェント相互作用と社会行動シミュレーションを実現します。

* インテリジェントな社会科学研究およびガバナンスツールキット：実験、インタビュー、アンケートなど、さまざまな社会学的研究手法を完全にサポートし、定性的研究から定量的分析まで、社会科学研究の徹底的な開発を総合的に支援するさまざまな自動データ分析ツールを提供します。

論文アドレス: https://arxiv.org/abs/2502.08691

公式ドキュメント: https://agentsociety.readthedocs.io/en/latest/

GitHub リンク: https://github.com/tsinghua-fib-lab/agentsociety/

AgentSocietyの概要

* インタラクティブなケーススタディはこちらをご覧ください: https://agentsociety.fiblab.net/exp/1a4c4fa5-04c1-4973-9433-b8b696f2fda0

大規模社会シミュレータは、デジタル化と仮想化を通じ、研究者が実際の実験を行うことなく社会現象の変化過程をシミュレート・観察することを可能にし、研究リスクとコストを大幅に削減します。同時に、シミュレータは様々なシナリオにおいて多次元的なデータ収集と実験設計を実施できるため、時間、空間、リソースといった制約による従来の研究の限界を克服します。チームは、視覚的にインタラクティブなツールとインテリジェントな社会ガバナンス研究ツールキットを提供し、リアルタイムモニタリング、プロアクティブな介入、データ収集をサポートすることで、社会調査とガバナンス実験を促進します。

社会シミュレータの応用は特定の社会実験に限定されません。社会科学研究における中核的な方法論的ツールとして、予備調査や仮説検証を支援し、政策立案者や公共政策関係者が賢明な意思決定を行う上で役立ちます。研究チームは、初期の理論構築、実験設計、政策効果評価に社会シミュレータを活用し、その後の実証研究の基盤を構築することができます。このツールの柔軟性と拡張性により、研究者は理論仮説を迅速に検証し、様々な社会的文脈や様々な条件下での実現可能性を検証することができ、学術研究の正確性と実用性を強力に支えます。

大規模社会シミュレータの社会科学研究における価値を実証するため、研究チームは介入実験、インタビュー、アンケート調査を含む一連の典型的な社会実験を実施しました。実験は、意見の二極化、扇動的なメッセージの拡散と統制、ユニバーサル・ベーシック・インカム（UBI）政策下における社会ダイナミクス、ハリケーンの影響に焦点を当て、異なる社会メカニズム下における個人および集団行動の進化パターンを深く探究しました。AgentSocietyを用いた実験は、現実世界でよく見られる「エコーチェンバー効果」、扇動的なメッセージのより強力な伝播力と感情操作力、UBI政策が個人の消費とメンタルヘルスの改善に及ぼす影響、そしてハリケーンの影響下における人口移動の制限と回復を効果的にシミュレートしました。研究結果は現実世界の観察結果と高い整合性を示し、AgentSocietyが政策検証のための低コストの実験場として有効であることを実証しました。

大規模モデル駆動型ソーシャルインテリジェントエージェント

社会エージェントはAgentSocietyの中核です。チームが開発した大規模モデル駆動型社会エージェントは、大規模エージェント技術と心理学、経済学、行動科学の理論を融合させ、複雑な社会行動を持つエージェントのシミュレーションを目指しています。大規模エージェント間、およびエージェントと環境間の相互作用をシミュレーションすることで、社会現象と集団行動の進化を探求します。具体的には、社会エージェントの設計を「心」、「心と行動の結合」、「行動」の3つのレベルに分けています。

ソーシャルインテリジェントエージェントの基本コンポーネントは、心、心と行動の結合、行動に分けられます。

精神レベル：知的エージェントのための心理的認知システムの構築

精神レベルでは、各エージェントが様々な状況においてパーソナライズされた行動パターンを示すことを保証するため、安定した個人プロファイル（性格、年齢、性別など）と動的な個人状態（感情、経済状況、社会的関係など）が各エージェントに対して構築されます。これに基づき、チームは感情、ニーズ、認知という3つのコアとなる心理プロセスを導入し、これらがエージェントの意思決定の推論、行動パターン、そして社会適応性を共同で決定します。

具体的には、感情はエージェントの外的刺激に対する即時的な反応を反映し、短期的な意思決定や社会的相互作用に影響を与えます。例えば、肯定的なフィードバックは協力意欲を高め、否定的なフィードバックは回避行動として現れます。欲求は行動の内在的な原動力です。マズローの欲求階層説に基づくと、エージェントは基本的な生存欲求を満たした後、徐々に安全、社会的相互作用、尊重、さらには自己実現を追求し、長期的な行動軌跡と社会的戦略を​​形成します。認知は、エージェントが外界をどのように理解するかを決定づけるものであり、これには社会的な出来事、政策環境、集団行動に対する態度などが含まれます。このプロセスは、性格や過去の経験に影響を受けるだけでなく、長期的な社会的相互作用によっても継続的に進化します。

心と行動のカップリング：心が知的エージェントの行動をどう動かすか

インテリジェントエージェントの行動は、ランダムでも受動的な反応でもなく、感情、ニーズ、認知によって駆動され、外部環境との相互作用に応じて常に調整されます。マズローの欲求階層説と計画行動理論（TPB）に基づき、チームは心理状態から行動実行までの完全なパスを構築し、エージェントの行動を人間の動機付けパターンにより沿わせました。マズローの欲求階層説によれば、エージェントは生存と安全の欲求を優先し、徐々に社会的相互作用などのより高いレベルの目標を追求します。同時に、TPBに基づき、目標設定後、エージェントは自身の認知と環境要因に基づいて積極的に行動を計画し、適応性と長期的な一貫性の両方を備えた行動を実現します。

行動レベル: インテリジェントエージェントが人間のような複雑な行動をどのように示すか

行動レベルでは、提案するソーシャルエージェントは単純な行動だけでなく、移動、社会的交流、経済活動など、多層的で複雑な社会的行動を示す能力を備えています。単純な行動は、主に睡眠、食事、娯楽、休息といった基本的な活動を含みます。これらの行動は複雑な意思決定を伴うものではありませんが、エージェントの全体的な状態や長期的な行動パターンにとって極めて重要です。例えば、睡眠不足は気分や社会的な意欲に影響を与える可能性がありますが、適切な食事や娯楽体験は幸福感を高め、エージェントの社会的行動や仕事行動をさらに形作る可能性があります。

複雑な社会行動の面では、インテリジェントエージェントは移動、社会的な相互作用、経済活動において高度な自律的な知能を発揮することができます。移動行動は単純な位置変更だけでなく、交通手段の選択、経路計画、交通環境への動的な調整などを含み、エージェントの移動パターンは現実世界の移動習慣とより一致するようになります。社会行動は基本的な相互作用を超え、社会関係の構築、維持、発展を伴います。エージェントは自身のニーズ、感情状態、外部環境に基づいて社会戦略を調整し、人間と同様の社会ネットワークを形成します。経済行動の面では、エージェントは資源交換の基本概念を理解するだけでなく、自身の経済状況、市場環境、個人の嗜好に基づいて労働や消費などの経済的意思決定を行うことができ、社会ルールに適合した経済行動パターンを示します。

ソーシャルヒューマンインテリジェントエージェント設計アーキテクチャ

ソーシャルヒューマンエージェントシミュレーション：自律的な人間の一日

エージェントの自律的な意思決定能力と行動パターンの合理性を検証するため、研究チームは社会エージェントの1日をシミュレーションし、移動、社会交流、経済活動における意思決定と適応性を観察しました（下表参照）。24時間のシミュレーションを通して、エージェントはニーズ、感情、認知に基づいて日々のタスクを自律的に計画し、現実社会の時間リズムと相互作用ロジックに合わせて行動を動的に調整しました。

ソーシャルインテリジェントエージェントの自律的な日常生活の例

現実の社会環境

エージェントの行動をよりリアルにするため、チームは移動、社会的交流、経済活動といったコア行動のシミュレーションをサポートする、非常にリアルでインタラクティブな都市社会環境を構築しました。大規模モデルによる推論のみに頼るのではなく、チームの環境には物理的な制約、社会的ルール、そしてリソースの制限が組み込まれており、エージェントの行動が現実世界のロジックに準拠し、大規模モデルによって生成される「錯覚」の影響を回避できることが保証されています。

この環境には、主に 3 つの利点があります。

1. 現実世界のメカニズムの正確なモデリング:物理的制約、コストのフィードバック、社会的運用ルールを統合することで、インテリジェント エージェントは時間、リソース、経済性などの複数の次元における現実世界の制限を受け、その動作がより合理的で一貫したものになります。

2. データは現実から取得され、行動ロジックの一貫性が保証されます。環境データは現実世界から直接取得されるか、現実の社会原則に基づいて構築されるため、シミュレーション結果が現実世界の基準値を持つことが保証され、仮想環境が社会法則から逸脱することが回避されます。

3. 現実的な意思決定をサポートするインテリジェント エージェントのインタラクティブ インターフェース:インテリジェント エージェントは環境を認識できるだけでなく、環境と直接対話して、経路計画、社会的関係の発展、経済取引などの動的な決定を下すことができます。これにより、動作がテキスト推論の結果であるだけでなく、実際のアクションのシミュレーションであることも保証されます。

さらに、チームは環境を都市空間、社会空間、経済空間に分割し、完全で動的な社会システムを共同で構築し、インテリジェントエージェントの行動シミュレーションに正確なサポートを提供し、それを人間社会の動作モードにより適合させました。

現実の都市社会環境

大規模な社会シミュレーションにおける実際の都市社会環境の適応性と運用効率を検証するために、チームはさまざまなエージェント数と高同時実行クエリシナリオでのパフォーマンスを評価するパフォーマンステストを実施しました。

この実験では、平日の一般的な移動パターンを使用し、朝のラッシュアワーの午前 8 時 30 分にシミュレーションを開始して、都市、社会、経済空間における 1,000、10,000、100,000、1,000,000 のエージェント間のインタラクションをシミュレートしました。テスト中、チームはシミュレーション プロセスの数を 2、4、8、16、32 に制御しながら、実際のエージェント インタラクションに近づけるためにクエリ実行比率を 1:999 (つまり、999 のデータ クエリごとに 1 つの環境状態更新) に設定しました。各実験条件で、チームはテストを 5 回繰り返し、各テストは 10 秒間続き、クエリ レート (QPS) の変動を 10^2 から 10^5 の間で記録しました。実験結果によると、エージェントの数とクエリ レートが大幅に増加しても、システムは安定しており、大規模なエージェント インタラクションを効率的に処理できるため、大規模な社会シミュレーションにリアルタイムで信頼性の高い計算サポートを提供できます。

都市社会環境パフォーマンス評価

大規模社会シミュレーションエンジンと社会学研究ツールキット

現実的かつ効率的な大規模社会シミュレーションを実現するために、チームは大規模社会エージェントの並列実行をサポートする高効率でスケーラブルな社会シミュレーションエンジンを構築しました。このエンジンは、LLM駆動型マルチエージェントシステムと実際の都市社会環境を組み合わせるだけでなく、システムアーキテクチャの徹底的な最適化を行うことで、シミュレーション結果が現実的に妥当であり、大規模かつ効率的に実行できることを保証します。

大規模社会シミュレーションエンジン

従来のマルチエージェントフレームワーク（CAMELやAgentScopeなど）は、エージェント間のインタラクションを整理し、タスクの実行順序を保証するために、厳密なメッセージパッシングメカニズムに依存しています。しかし、現実社会においては、個々の行動決定は必ずしも外部入力によって直接駆動されるわけではなく、むしろ個々の記憶、認知状態、そして環境制約の自律的な統合によって生じます。そのため、チームの社会シミュレーションエンジンは、より現実的な非同期シミュレーションアーキテクチャを採用し、各エージェントが特定の実行順序に依存せずに独立したシミュレーションユニットとして機能し、メッセージシステムを介して情報を交換することでエージェント間の相互影響を実現します。

大規模並列シミュレーションの計算効率を向上させるため、チームはRay分散コンピューティングフレームワークとPythonの非同期実行メカニズムを組み合わせました。これにより、シミュレーションタスクはマルチコアコンピューティングリソースを効率的に活用し、分散クラスターの拡張をサポートできるようになりました。同時に、エージェント間通信のシステムオーバーヘッドを削減するために、チームはエージェントグループ化メカニズムを導入しました。これにより、複数のエージェントを1つのプロセスで実行できるようになり、プロセス間通信のオーバーヘッドが削減され、計算効率が向上しました。さらに、大規模ソーシャルエージェントの高い並行性と信頼性の高いメッセージ伝送を実現するために、チームはMQTT通信プロトコルを導入しました。このプロトコルはIoTシナリオで広く使用されており、高スループットと低レイテンシを特徴としているため、大規模ソーシャルシミュレーションにおけるエージェント間の情報交換に非常に適しています。

システムアーキテクチャに関しては、共有サービス層、シミュレーションタスク管理層、そしてオプションのGUIインタラクション層を含むモジュール設計を採用しました。共有サービス層には、LLM APIインターフェース、MQTTメッセージサーバー、データベースストレージ、メトリクス管理システムが含まれ、効率的なデータ転送、エージェントの行動記録、そしてシミュレーション中の結果可視化を実現します。シミュレーションタスク管理層はRayフレームワークをベースとしており、効率的なエージェント管理とタスクスケジューリング機能を提供します。これにより、コンピューティングリソースを共有しながら、異なる実験を独立して実行することができ、スケーラビリティと再利用性が向上します。

大規模社会シミュレータは、デジタル化と仮想化を通じ、研究者が実際の実験を行うことなく社会現象の変化過程をシミュレーション・観察することを可能にし、研究リスクとコストを大幅に削減します。同時に、シミュレータは様々なシナリオにおいて多次元的なデータ収集と実験設計を実施できるため、時間、空間、資源といった制約による従来の研究の限界を克服します。チームは、リアルタイムモニタリング、プロアクティブな介入、データ収集を支援する視覚的インタラクティブツールと社会学的研究ツールキットを提供し、社会実験研究を促進します。

* リアルタイムの視覚的モニタリング：ソーシャルネットワーク、経済活動、移動軌跡などのコア変数を直感的に表示し、実験パラメータの調整をサポートし、社会進化のプロセスを正確に追跡します。

* インタビュー:研究者はエージェントにリアルタイムで質問し、エージェントの通常の動作に影響を与えることなく、記憶、現在の状態、環境に基づいた回答を得ることができます。

* アンケート：構造化されたアンケートの一括配信をサポートします。エージェントは事前に設定されたルールに従って回答するため、データの一貫性が確保され、傾向分析が容易になります。

* 介入:社会的状況における個人およびグループの反応をテストするために、次の 3 つの行動介入方法が提供されます。1) エージェント構成: 性格、目標、関係を事前設定して、初期の行動傾向に影響を与えます。2) 記憶操作: 感情と認知を修正して、意思決定と社会的相互作用への影響を観察します。3) 外部情報介入: 特定の情報 (災害警報など) を送信して、緊急時の対応と伝達パターンをテストします。

社会シミュレータの応用は特定の社会実験に限定されません。社会科学研究における中核的な方法論的ツールとして、予備調査や仮説検証を支援し、政策立案者や公共政策関係者が賢明な意思決定を行う上で役立ちます。研究チームは、初期の理論構築、実験設計、政策効果評価に社会シミュレータを活用し、その後の実証研究の基盤を構築することができます。このツールの柔軟性と拡張性により、研究者は理論仮説を迅速に検証し、様々な社会的文脈や様々な条件下での実現可能性を検証することができ、学術研究の正確性と実用性を強力に支えます。

社会シミュレーションエンジンのスケーラビリティと計算効率を評価するため、チームは大規模テストを実施し、さまざまなエージェント数をシミュレートし、高同時実行シナリオにおけるシステムのパフォーマンスを測定しました。メッセージ通信システムについては、MQTT、Redis Pub/Sub、RabbitMQをテストし、並列処理能力、スループット（msg/s）、補助ツールのサポートを比較しました。実験結果から、MQTTとRedis Pub/Subは高スループット要件を満たすことが示されました。

メッセージングシステムのパフォーマンス評価

大規模エージェントシミュレーションでは、64コアサーバー上で実験を行い、シミュレーションエンジンに32コア、エージェント実行に32コアを割り当てました。1,000エージェントと10,000エージェントを異なるプロセス数（8、16、32）で実行した場合のパフォーマンスをテストしました。実験では、総実行時間、LLM API応答時間、シミュレータAPI応答時間、トークン消費量を測定しました。結果は、Ray分散コンピューティングフレームワークとエージェントグループ化メカニズムがシミュレーション効率を大幅に向上させ、高同時負荷下でも安定したシステム動作を保証することを示しています。

AgentSociety 総合パフォーマンス評価表

上の表は、エージェント数の増加に伴う分散コンピューティングシステムのスケーラビリティとパフォーマンスを示しています。実験の結果、トークンの使用パターン（入出力を含む）は安定しており、分散並列フレームワークは大規模エージェントの実行を効果的にサポートし、マルチコアコンピューティング能力を最大限に活用し、CPUボトルネックを効果的に緩和し、システムのスケーラビリティを確保していることが示されました。一方、実験結果は、完全並列条件下では、実行効率は主に大規模モデルAPI呼び出しのパフォーマンスによって制限されることも示しています。

社会実験の典型的な事例

社会科学研究における大規模社会シミュレーターの価値を実証するため、研究チームは介入実験、インタビュー、アンケート調査といった手法を駆使した一連の典型的な社会実験を実施した。実験は、意見の二極化、扇動的なメッセージの拡散とガバナンス、UBI政策、ハリケーンの影響といった社会ダイナミクスに焦点を当て、異なる社会メカニズム下における個人および集団行動の進化パターンを深く掘り下げた。

4.1 社会的コミュニケーションにおける意見二極化現象のシミュレーション

意見の二極化とは、社会集団内での視点が徐々に分化し、相容れない対立する陣営が形成されることを指します。この実験では、銃規制政策をトピックとして、社会的エージェント間の視点の進化をシミュレートします。実験設計には、コントロールグループと2つの介入グループが含まれます。コントロールグループでは、エージェントは外部からの介入なしに、相互の議論を通じて視点を更新します。視点の進化は、エージェント間の自律的な社会的相互作用に完全に依存します。同質情報グループでは、エージェントは自分の立場に沿った情報のみを受け取り、情報繭効果をシミュレートします。反対情報グループでは、エージェントは自分の立場に反する情報のみを受け取り、異なる視点の影響をテストすることを目的としています。この実験設計により、研究者はシミュレータで実験を実施するための簡単な実験構成ファイルを作成するだけで済みます。

視点偏光実験構成テンプレート

異なる情報露出条件下における意見二極化の程度の比較。

上図に示すように、銃規制という政治問題に関する視点の変化は、3つの実験設定間で大きく異なっていました。統制群では、エージェントは外部からの介入なしに自由な議論を行いました。その結果、相互作用後、39%のエージェントがより分極化し、33%はより穏健な見解を持つ傾向にあることが示されました。対照的に、同質情報群では、視点の分極化がより顕著になり、52%のエージェントの見解がより極端になりました。これは、同じ考えを持つ個人との過度な相互作用が、現実世界では「エコーチェンバー効果」として知られる視点の分極化を悪化させる可能性があることを示唆しています。反対情報群では、89%のエージェントの見解がより穏健化し、11%は反対の見解を受け入れるよう説得されました。これは、異なる意見を持つコンテンツに触れることが、視点の分極化を効果的に緩和し、分極化に対処するための効果的な戦略となる可能性があることを示唆しています。

4.2 扇動的なメッセージの拡散のシミュレーションとインテリジェントガバナンス

煽動的なメッセージとは、極端な見解や誤解を招く情報を含むコンテンツを指します。ソーシャルネットワーク上でこのような情報が急速に拡散すると、集団間の対立を悪化させ、公共の言論環境に悪影響を及ぼす可能性があります。この実験は、ソーシャルネットワーク上での煽動的なメッセージの拡散をシミュレートし、異なるコンテンツガバナンス戦略が拡散パターンと集団感情に与える影響を検証します。実験には、コントロールグループと煽動メッセージグループが用意されています。コントロールグループでは、エージェントは通常の情報のみを拡散し、その自然な拡散プロセスと感情の変化を観察しました。煽動メッセージグループでは、強い感情表現を伴う煽動的なコンテンツを導入し、それが情報拡散速度と集団感情に与える影響を分析しました。

炎上情報の拡散に対処するため、研究チームはノード介入とエッジ介入という2つの戦略を考案しました。ノード介入は、炎上コンテンツを繰り返し拡散するアカウントを検出・停止することで情報源を削減し、エッジ介入は、炎上コンテンツが検出された場合、ソーシャル接続を遮断することで拡散を抑制します。また、この実験では、エージェントとのインタラクティブなインタビューを通じて、炎上メッセージを共有する個人の心理的動機についても調査しました。シミュレータにおける本実験の構成は以下の通りです。

炎上メッセージ実験設定テンプレート

扇動的なメッセージの拡散と管理のための戦略

実験結果によると、ソーシャルネットワーク上では、炎上メッセージは拡散しやすく、感情的な反応も強いことが示されています。炎上メッセージの拡散を抑制するには、エッジ介入よりもノード介入、すなわち炎上コンテンツを頻繁に拡散するアカウントの停止の方が効果的です。感情の強度分析によると、炎上メッセージはネットワーク上で感情の強度を著しく増幅させ、ノード介入は感情的な反応を緩和するのに特に効果的です。さらに、インタビュー結果から、強い感情的反応と社会的責任感が炎上情報の共有を促進する主な要因であることが明らかになりました。ユーザーは、同情や懸念から情報を共有し、世間の注目を集めたり、社会的反応を刺激したりすることを望んでいるのです。

全体的に見て、扇動的なメッセージはより強い拡散力と感情操作能力を有しており、これは現実の人間社会における観察結果と非常に一致しています。一方、ノード介入は情報制御と感情制御においてより効果的であり、ソーシャルネットワークのコンテンツ管理戦略の最適化を強力にサポートします。

4.3 ユニバーサルベーシックインカム（UBI）政策控除

UBI 旨在缓解贫困、促进经济稳定和提升社会福祉，尽管其高昂成本和经济影响存在争议，但作为改善收入分配和增强社会保障的政策工具，已成为研究焦点。本实验通过模拟UBI 政策的干预效果，探讨其对个体经济行为和宏观经济环境的影响。实验包括对照组和UBI 干预组。对照组中，智能体在无UBI 政策的条件下进行经济活动；干预组则模拟实施UBI，每名智能体每月获得$1,000 的无条件收入，以观察其消费、储蓄、就业选择等行为变化。实验基于UBI 试点地区（如美国德克萨斯州）的人口分布数据，并通过对比两组模拟的经济和社会指标，评估UBI 对个体和整体经济的影响，分析其是否与现实UBI 社会实验的结果相符。

UBI 政策效果与公众意见

实验结果显示，模拟中的经济系统随着时间推移逐渐稳定，实际GDP 和智能体消费水平的波动逐渐缩小。团队在第96 步引入了UBI 政策，并比较了接下来24 步内的经济和社会指标，具体包括智能体消费水平和抑郁水平（使用CES-D 量表进行调查问卷评估）。结果表明，UBI 政策显著提高了消费水平并降低了抑郁水平，这与德州UBI 政策的影响相似，验证了模拟的现实性。此外，通过对智能体的访谈，分析了它们对UBI 政策的看法。访谈结果显示，UBI 政策的影响与利率、长期福利、储蓄和生活必需品等关键因素密切相关，反映了现实中公众对UBI 政策的普遍认知。这些结果一方面支持了UBI 政策在提高消费和改善心理健康方面的效果，另一方面也证明了模拟器作为低成本实验场地验证政策的有效性。

4.4 飓风冲击下的社会动态模拟推演

飓风等极端自然灾害对社会结构和个体行为产生深远影响，理解此类事件对人口流动、基础设施和社会稳定的冲击对于优化应急响应和降低灾害风险至关重要。本实验模拟飓风来袭期间的社会动态，分析个体在灾害环境下的行为模式。实验基于2019 年飓风多里安(Hurricane Dorian) 对美国东南部的影响，选取南卡罗来纳州哥伦比亚市作为案例研究。数据来源包括SafeGraph 移动数据（记录城市内人群流动模式）和Census Block Group (CBG) 数据（提供人口统计特征），用于构建1,000 名社会智能体，模拟其在飓风期间的行为变化。

实验结果显示，模拟智能体在飓风事件中的移动模式与真实数据高度一致，活动水平随飓风来临大幅下降，并在灾后逐步恢复，符合实际人群出行趋势。模拟数据与真实人口流动的时间演化相似，验证了模拟器在复现极端天气下人类行为的有效性，为优化灾害应对策略提供支持。

飓风冲击实验配置模板

飓风冲击下人流移动强度变化

将来の展望

面向未来智能社会治理探索，AgentSociety 将成为人机共生、治理创新、后稀缺经济模式的试验场，测试AI 议员参与立法对民主决策的影响，模拟UBI 与机器人税组合政策，甚至在数字环境推演AI 时代的法律与伦理框架，探讨科技与社会的共存模式。团队所提出的AgentSociety 是一个基于大语言智能体的大型社会模拟器，正在从「预测与解释工具」逐渐进化为「智能社会治理实验室」。其核心价值不仅在于分析社会现象，更在于构建一个实验平台，用于政策沙盒测试、危机预警和未来社会形态探索，助力社会治理与文明演化。

AgentSociety 未来展望

https://github.com/HeewoongNoh/Retrieval-Retro

平台使用方法

AgentSociety 同时提供在线使用和离线运行两种智能体部署方式，欢迎智能社会治理同仁和社会科学研究人员关注使用。

1. 在线体验

目前平台正处于内测阶段。研发团队诚挚欢迎来自社会科学、大模型、智能体等各个领域的学者尝试平台并提出宝贵建议和意见。平台提供易用的在线实验环境，包括智能体、城市社会环境、社会科学研究工具箱、完善的手册文档与实验案例以及在线指导。后续内部评测后，将提供在线使用模式。内测地址详见： https://agentsociety.readthedocs.io/en/latest/https://agentsociety.fiblab.net/exp/1a4c4fa5-04c1-4973-9433-b8b696f2fda0

用户可以通过邮箱mailto:agentsociety.fiblab202... 提交研究提案。经过团队审核和讨论后，团队将通过邮件发送内测账号，协助您顺利完成实验。期待与大家共同探索和推动社会科学研究的前沿发展！

2. 离线运行

用户可以在官方网站 https://agentsociety.readthedocs.io/en/latest/下载离线版本，在本地部署后进行智能体的配置和实验，平台提供适用于Linux 、 MacOS Arm 等不同类型操作系统的相应版本，方便模拟环境的快速部署和测试。