优先连接、三元闭合，AI如何复制人类社交的“套路”？

发布日期：2025-12-17 23:54    点击次数：88

财经摆渡人

精研出品

破浪前行，共探财富新局

大家好欢迎收看【古今财鉴】

最近《PNASNexus》期刊发了篇挺有意思的研究，马里奥斯·帕帕克里斯托和袁渊团队做的，核心就一个事，用大语言模型（LLM）搞出来的AI代理，能不能像人一样在社交网络里交朋友、建关系？这个问题琢磨透了，对咱们理解AI和人类行为都挺重要。

传统社会科学研究人类社交，头疼的就是数据。

你想观察几百万人怎么交朋友，隐私、成本都是坎。

这次研究团队想了个招，用LLM代理模拟人，在虚拟社交网络里跑实验。

这样既能搞大规模数据，又不用麻烦真人，思路挺巧妙。

展开剩余90%

他们设计了个多参数模型，调了好几个变量。

比如网络环境是像Facebook那样开放的，还是职场协作那种封闭的；给AI的信息多还是少；模型“温度”高一点（更随机）还是低一点（更稳定）。

就看这些AI代理怎么选朋友，怎么建连接。

LLM代理的“社交天赋”，复现人类社交四大定律

先看第一个发现，优先连接。

简单说，AI代理也喜欢“抱大腿”。

哪个节点朋友多、连接广，AI就更愿意跟它建立联系。

这跟咱们现实里一样，社交媒体上粉丝多的博主，新关注的人也多，慢慢就成了“意见领袖”。

研究里AI建的网络里，也出现了这种“明星节点”，看着还挺眼熟。

然后是三元闭合。

这个词听着玄乎，其实就是“朋友的朋友易成朋友”。

你有俩好朋友，他俩本来不认识，通过你一介绍，慢慢也成了朋友。

AI代理也这样，会优先找那些跟自己共同朋友多的节点连接。

研究里模拟的小圈子，一圈套一圈，跟咱们微信里的同学群、同事群扩张逻辑差不多。

同质性也很明显。

人总喜欢跟自己像的人玩，爱打球的跟爱打球的聚，住一个小区的容易熟。

AI代理也这样，给它设定“兴趣标签”“地理位置”，它就会优先找标签相似的节点连接。

这点挺有意思，机器没人的情感，却能靠数据匹配出“物以类聚”的效果。

最后是小世界现象。

就是说随便找两个人，中间最多隔几个人就能连上，所谓“六度分隔”。

AI代理建的网络里也这样，不管多少个节点，任意两个节点之间平均就几步距离。

信息在里面传得飞快，跟现实中一条热搜半天传遍全网一个道理。

这些特征不是凭空猜的，研究团队拿真实数据验过。

在Facebook好友网络、公司内部协作网络、甚至电信通讯记录里跑，LLM代理的连接决策优先级同质性排第一，然后是三元闭合，最后是优先连接跟真人的选择习惯几乎一致。

他们还放了几张图，图A能看到优先连接堆出来的“大头节点”，图B的三元闭合像串葡萄，看着就像咱们手机里的联系人关系图。

AI与人类社交的本质差，“模仿”还是“真懂”？

光说像还不够，得看看AI和真人到底有啥不一样。

研究团队找了100个真人，让他们跟AI代理做一样的连接任务。

结果发现，两者的选择重合度挺高，但细看差别就出来了。

AI代理特别“稳”。

同样的任务做几遍，选择几乎不变。

真人就不一样，今天心情好可能多加点陌生人，明天累了就只跟熟人连，甚至有时候会凭直觉选个“看着顺眼”的节点。

这种“不稳定性”可能正是人类社交的特点哪有那么多理性决策，情绪、状态都能影响判断。

更深层的差别在决策逻辑。

人交朋友，不只是看数据。

你跟一个人处久了，知道他的脾气，会根据他的变化调整关系；朋友的敌人，你可能也会疏远，这叫“动态适应”。

但AI代理不会。

它的决策全靠训练数据里的统计规律，比如“过去80%的情况，兴趣相似的节点会连接”，就按这个概率选。

遇到没见过的情况，比如需要合作博弈，它就懵了，不知道怎么根据对方的行为调整自己的策略。

学术界对这事儿也挺谨慎。

《美国国家科学院院刊》有篇评论就说，LLM训练数据大多来自网上活跃用户，那些不爱发帖、不常上网的人群，AI模拟不出来。

斯坦福大学之前搞过1000多个AI代理模拟人群，看着挺热闹，其实还是“预设规则+统计模仿”，离人类那种“见机行事”的社交智慧差远了。

那这研究有啥用？最直接的就是帮社会科学搞研究。

比如模拟疫情传播，不用费劲追踪真人接触记录，用AI代理建个社交网络，就能大致算出病毒怎么扩散。

城市规划也能用，模拟人们的出行和社交习惯，公交站、公园建在哪儿更合理。

商家搞营销，也能让AI先跑一遍，看看新产品怎么通过社交网络传开，比传统调研省钱多了。

但风险也得防着。

AI代理的决策逻辑不透明，万一用它模拟政策效果，结果跑偏了咋办？更别说要是有人用AI代理建虚假社交账号，在网上带节奏、传谣言，那麻烦就大了。

2016年美国大选期间，就有社交机器人搅局，这前车之鉴得记着。

未来研究还得往深了挖。

比如这些类人行为，到底是AI“理解”了社交，还是单纯记住了数据规律？得控制训练数据试试，把某些特征去掉，看AI还会不会选，才能搞明白。

还有，哪些场景AI能替真人，哪些必须真人上？

比如静态的社交网络结构分析，AI可能比人准；但动态的社交博弈，比如谈判、合作，还得靠真人实验。

说到底，LLM代理确实能复现人类社交的一些核心特征，是个不错的研究工具。

但它终究是机器，靠统计规律干活，没有人类的情感和深层理解。

咱们用它的时候，得清醒点，别指望它完全替代人。

技术是好东西，但人类社交的复杂和微妙，可能才是最值得琢磨的。

这研究就像给AI照了面镜子，也给咱们提了个醒，理解自己，可能比教会机器模仿自己，更重要。

发布于：江苏省