Joon Sung Park：「模型要像我一样愚蠢」— 复制错误才懂人

当行业竞相训练更全知、更理性的模型时，Simile AI 创始人 Joon Sung Park 提出反直觉观点：想准确模拟人类，模型必须保留人的偏见、误判与非理性。本期「AI快递」深度解析这场访谈，理解数字分身为何不是万能助手的附属功能，而是实现可靠自动化与社会级推演的前提。 从生成式智能体到覆盖数十亿人的数字孪生，视频讨论了如何用真实行为数据、因果训练与大规模模拟，帮助企业和公共决策者在行动之前推演后果。欢迎结合原视频观看，获取完整的技术脉络与案例细节。 原视频链接： https://www.youtube.com/watch?v=KpOW9Pk4BUs 原视频标题：Simulating Humanity: from Generative Agents to 8 Billion Digital Twins — Joon Sung Park, Simile AI 主要内容： • 好模型不一定更聪明：若目标是预测具体人群的真实选择，模型应能复现人类会犯的典型错误，而非始终给出最理性答案。 • 互联网文本记录的是人们说什么，真实世界的行为与利益取舍则构成更关键的「暗知识」。 • 提示词无法替代底层训练：要让系统掌握社会行为的因果机制，需要通过实验数据改变模型的参数与权重。 • 自动化应以精准的用户数字分身为先：先理解用户，才能避免智能体自作主张做出错误决策。 • 模拟的价值不只是预测坏结果，更是反推当下应采取什么行动，避免单一指标优化引发系统性反噬。 推荐理由： 这支访谈为「更强模型必然更有用」的主流叙事提供了重要反思。它把生成式智能体、个人助手、商业决策和社会政策放进同一套模拟框架中，揭示了真实人类数据、因果建模与数字试错的长期价值。对于关注智能体、用户建模、社会模拟与 AI 应用边界的听众，这是一场值得深入观看的前沿讨论。 --- 「AI快递」为您精选全球最前沿的AI技术视频，深度剖析技术背后的核心洞察。 由 voieech.com 提供技术支持。