KeyFrame內部研究專用

Simulation: the new Scaling Law — Joon Sung Park, Simile AI

Latent Space69 min英文
觀看原始影片

三句話摘要

用生成式 AI 和行為數據精準建模人類決策,打造社會模擬平台以支持企業和政策制定。 模擬是理解與塑造人類社會的新工具——透過準確建模人的非理性行為而非純理性推理,讓決策者得以設計更好的未來,而非只被動預測它。 生成式 AI 真正的殺手級應用不在簡單分類與生成,而在於模擬逼真的人類行為與社會互動——這需要理解人不只說什麼,還實際做什麼,以及為什麼做。

重點整理

  1. 生成式 AI 真正的殺手級應用不在簡單分類與生成,而在於模擬逼真的人類行為與社會互動——這需要理解人不只說什麼,還實際做什麼,以及為什麼做。

  2. 準確建模需要整合三層數據:質性訪談(生命故事)、觀測行為(交易紀錄、線上行為)、因果機制(隨機對照試驗)——語言模型的統計知識不足以捕捉人類的細微偏好與非理性決策。

  3. 與通用大型語言模型相反,Similily 的模型目標是「和人類一樣聰明且同樣犯相同的錯」,而非超理性的推理機器——需要完全不同的訓練目標、數據集和優化方向。

  4. 模擬的價值不在被動預測未來,而在積極指導改變路徑的每一步,如科幻小說《基地》心理史學的邏輯——讓決策者看見如何塑造未來,而非只知道未來會如何。

實用技巧與重點

  • 準確度:85%(Similily)vs 20-60%(前沿通用模型在小眾人群上)
  • 核心論文:
  • Generative Agents: Interactive Simulacra of Human Behavior(Smallville,2023)
  • Generative Agent Simulations of 1,000 People(2024 年底)
  • Foundation Model 機會與風險論文(2021,發明「foundation model」術語)
  • 數據蒐集方式:2 小時訪談、行為實驗、pre-registered RCTs(隨機對照試驗)
  • 主要客戶應用:CVS(概念測試)、Gallup(策略夥伴)、Deloitte、Wellfront(多模態 UI 測試)
  • 驗證方法:1000 人參與者、2 週建模、回歸進行調查+經濟遊戲+人格測試,對比預測準確度
  • 數據來源平台:Open Science Foundation(pre-registered studies)、American Voices Project、客戶交易數據
  • 公司規模:60 人,15-20% 為前史丹佛實驗室成員,四位共同創辦人包括 June、Michael Bernstein、Percy Liang、Lanie
  • 市場規模假設:市場研究業百億美元規模,但模擬應用涵蓋所有人類決策領域

結論

模擬是理解與塑造人類社會的新工具——透過準確建模人的非理性行為而非純理性推理,讓決策者得以設計更好的未來,而非只被動預測它。

完整解析

June 是韓裔美國研究員,從小在波士頓長大,原本以繪畫為志,後在大學轉向科技領域。2020 年進入史丹佛攻讀博士時,正逢 GPT-3 與基礎模型興起,他與 Michael Bernstein、Percy Liang 等人展開「時光機遊戲」——想像十年後最有價值的應用是什麼?最終選定社會模擬勝過個人助理,因為真正有用的助理首先需要深入理解每個人,而這正是模擬的核心問題。

現有大型語言模型被訓練成超理性推理機器,擅長分類與生成,卻對人類行為的預測準確度只有 20-60%。June 的 Similily 另闢蹊徑:不追求模型參數的優化,而是蒐集三層結構化數據——人物故事訪談(擷取童年、創傷、人生選擇的深層故事)、觀測行為數據(交易紀錄、線上活動)、因果機制數據(隨機對照試驗,例如讓參與者在虛擬商店購物,購買真的會寄送)。關鍵洞見是語言模型缺乏「社會物理學」,尤其是人類真實生活中的深層行為,而非只是網路上表面說什麼。

2024 年底,Similily 發表重要研究論文:找來 1000 名代表美國人口的參與者,花兩小時蒐集訪談與行為數據,以此建構「數位雙胞胎」。兩週後讓參與者進行調查、經濟遊戲、人格測驗等真實行為決策,結果發現模型能以 85% 的準確度預測人的真實選擇——遠超通用 LLM 的 20-60%。這揭示了一個反直覺的設計原則:模型不需要變得比人聰明,反而要在同樣的地方犯同樣的錯。

模擬的真正價值不在預測(被動知道未來會如何),而在塑造(主動指導如何改變未來)。June 以《基地》系列科幻小說為喻:心理史學模擬預測了帝國衰退,進一步建議的第一步是「將警告帝國衰退的科學家流放到邊陲星系」——這個建議看似荒謬,卻是多層次模擬揭示的必要第一步。應用於企業時,一家電動車公司可能發現,用某種特定方式行銷電動車會提升電動車銷量,卻因改變人們對整個車隊的認知而降低整體銷售——單純優化電動車銷量的決策者會完全錯過這個全局洞見。

客戶應用從 CVS 的概念測試(新產品或訊息向合成人群測試)、Gallup 的政策評估、Deloitte 的策略分析,到 Wellfront 的 UI 與多模態產品測試。模擬讓組織能宣稱「我們諮詢過用戶」,但規模達數千至數萬人,無需騷擾真實用戶答千個問卷。長期願景更加宏大:模擬氣候變遷解決方案(多方利益相衝突的複雜決策)、民主衰退預警訊號、貨幣制度起源等「邪惡問題」(wicked problems),甚至最終模擬全球八十億人的社會互動。June 相信這類工作終將贏得諾貝爾經濟學獎。

83 min
企業管理英文PODCAST11月19日

Scaling Linear’s GTM to $100M ARR — Cristina Cordova, COO

Latent Space看原片 ↗
  • 議題追蹤已死的真正含義:不是issue單位消失,而是人類應停止手動追蹤工作。Linear著重構建AI友善的系統,讓代理自動執行原本由人工完成的繁瑣步驟(標籤、指派、狀態更新),讓工程師和PM把時間花在產品開發上。
  • 務實的市場階梯策略:Linear沒有直接攻擊企業市場,而是先聚焦成長期公司—那些已有既有工具但可被說服轉換的組織。唯有成功說服這個客群,才有信心向上攻擊企業。這個策略花了兩年時間,直到2025年才正式啟動企業銷售部門。
98 min
AI 技術英文PODCAST11月16日

Building Visual Intelligence — Andreas Blattmann & Dustin Podell, Black Forest Labs

Latent Space看原片 ↗
  • 從研究到商業的轉折點:穩定擴散2022年開源不僅改變了講者個人的職涯軌跡,也啟發整個社群。Dustin因此辭職投身AI,Andy看到了基礎模型產業化的可能性,這股動能直接催生Black Forest Labs的創辦。
  • 資料品質優於複雜算法:整個採訪反覆強調資料的重要性。從SDXL的多寬度訓練、SD3的文字渲染,到Flux Context的編輯能力,關鍵都不在算法創新而在精心設計的資料集。Dustin在法國小屋用6小時訓練測試集就看到編輯能力湧現,說明好資