Social Reality Construction via Active Inference: Modeling the Dialectic of… — 通俗解释

✨

这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

Each language version is independently generated for its own context, not a direct translation.

这篇文章讲述了一个关于**“社会现实是如何被我们共同创造出来的”**的有趣故事。

想象一下，社会就像是一个巨大的、正在不断变化的**“集体梦境”。我们每个人既是这个梦境的“做梦者”，也是“造梦者”**。

这篇论文通过计算机模拟，解释了两个看似矛盾的力量是如何共同作用，既让我们保持团结，又让我们保持创新的：

从众（ Conformity）： 我们努力理解并适应周围人的想法，以免被孤立。
创造（Creativity）： 我们试图打破常规，发明新东西，表达独特的自我。

作者用一种叫做**“主动推理”（Active Inference）**的数学框架，把这两个过程变成了一个动态的循环。

🎭 核心比喻：两个互相拉扯的“声音”

想象每个大脑里都有两个小人在吵架：

小人 A（社会规范者）： 它拿着一个**“旧地图”**（社会共识）。它总是说：“嘿，大家都这么走，你也跟着走吧！别搞特殊，否则你会迷路（产生‘惊讶’）。”
- 作用： 让我们保持同步，形成群体。
小人 B（创意探险家）： 它拿着一个**“新指南针”**。它总是说：“旧地图太无聊了！前面可能有个新大陆，我要去探险，画出新路线！”
- 作用： 让我们发明新事物，改变世界。

这篇论文的关键发现是：这两个小人并不是在打架，而是在跳一支完美的双人舞。

🧪 实验过程：一群“数字居民”的演化

研究人员在电脑里建立了一个虚拟社会，里面有 14 个“数字居民”，他们被分成了两个小圈子（像两个不同的部落）。

第一阶段：大家开始“同频共振”

一开始，每个人脑子里的想法都不一样。但是，当他们开始互相交流（就像在聊天室里交换观点）时，小人 A 开始起作用了。

现象： 两个部落内部的人，想法变得越来越像。就像两个不同的方言区，大家开始互相模仿，最终形成了两个清晰的“语言社区”。
结果： 社会自然分成了几个**“信息 cohesive（有凝聚力）”的小团体**。

第二阶段：大家开始“搞点新花样”

当大家在一个小团体里达成共识后，小人 B 开始活跃了。

现象： 居民们不再只是重复老话，而是开始创造新东西（比如发明新的词汇、新的艺术形式）。
关键点： 这些新东西不是凭空乱造的，而是基于他们刚才达成的共识，稍微“变奏”了一下。就像爵士乐手，先有一个和弦（共识），然后即兴演奏一段旋律（创造）。

第三阶段：新东西如何传播？

这是最精彩的部分。

旧观念（社会规范）： 像**“重力”**一样，稳稳地把你拉向你的小团体。你在部落里说的话，大家都听得懂，也愿意接受。
新创造（创意）： 像**“蒲公英种子”。它们不会均匀地飘向所有人，而是随机地、选择性地**落在某些人身上。
- 有些“种子”只在两个特定的“部落领袖”之间传播。
- 有些“种子”会跨越部落，连接原本不相关的人。
- 结果： 社会并没有变成一团乱麻，而是形成了**“文化生态位”**。就像森林里，有的树喜欢阳光，有的喜欢阴凉，大家虽然在一起，但各自占据不同的位置，共同构成了丰富的生态系统。

💡 三个主要发现（用大白话解释）

圈子是自然形成的：
不需要有人指挥，只要大家互相交流，社会就会自动分成几个“小圈子”。圈子内部的人想法高度一致，圈子之间则慢慢产生差异。这就像现实中的朋友圈或亚文化群体。
“现实”是双向塑造的：
这不仅仅是“社会影响个人”，也是“个人创造社会”。
- 比喻： 想象我们在玩一个**“接龙游戏”**。
- 社会规则（旧规则）限制了你能接什么词（从上而下的影响）。
- 但你接出的新词（你的创造），如果足够精彩，别人就会模仿，从而修改了游戏规则（从下而上的影响）。
- 最终，“我们看到的现实”和“我们心里的规则”是互相塑造、共同进化的。
创新传播是“挑剔”的：
社会规范像洪水，均匀地覆盖每个人；但创新像闪电，只击中特定的几个人。
- 并不是所有的新想法都能传遍天下。只有那些恰好符合某些人“口味”或“需求”的新想法，才会被特定的人接受并传播。
- 这意味着，每个人都在通过自己的选择，构建属于自己的“文化小天地”。

🌟 总结：我们是如何构建社会的？

这篇论文告诉我们，社会现实不是静止的，也不是完全由少数人控制的。

它是一个动态的循环：
我们为了**“合群”而学习规则（同化），为了“自我”**而打破规则（创造）。

如果没有合群，社会就是一盘散沙，无法交流。
如果没有创造，社会就会停滞不前，变成一潭死水。

最妙的地方在于： 正是这种“既想合群，又想独特”的张力，让社会既能保持稳定，又能不断进化。就像一条河流，河床（社会规范）限制了水流的方向，但水流（我们的创造）也在不断冲刷、改变着河床的形状。

一句话总结：
社会现实不是被“发现”的，而是由我们每个人在“随大流”和“搞创新”的拉锯战中，共同“编织”出来的。

Each language version is independently generated for its own context, not a direct translation.

这是一份关于论文《Social Reality Construction via Active Inference: Modeling the Dialectic of Conformity and Creativity》（通过主动推断构建社会现实：模拟顺从与创造力的辩证关系）的详细技术总结。

1. 研究问题 (Problem)

现有的计算模型在解释社会现实构建时存在以下局限：

单向性缺失：大多数模型要么侧重于自下而上的规范形成（如命名游戏），要么侧重于自上而下的规范内化，缺乏一个统一的框架来捕捉“个体内化集体规范”与“通过创造性行动重塑规范”之间的双向辩证过程。
缺乏生成能力：现有的多智能体模型（如命名游戏、迭代学习）通常将智能体视为遵循规则的实体，缺乏内部生成模型（Generative Model），因此无法模拟智能体如何基于内部模型主动产生偏离现有规范的观察数据，也无法捕捉社会背景对个体认知的自上而下调节作用。
群体分化机制不明：现有的集体预测编码（CPC）假设群体共享同一表示，难以解释社会群体如何自然分化形成不同的子群（Social Groups）。

核心目标：构建一个基于**主动推断（Active Inference）**的多智能体模拟模型，在结构化社交网络上形式化社会现实的辩证构建过程，揭示顺从（Conformity）与创造性偏离（Creative Deviation）如何共同导致共享社会现实的内生形成与分化。

2. 方法论 (Methodology)

2.1 核心框架：主动推断

模型基于自由能原理（Free Energy Principle），将每个智能体 $A_k$ 建模为一个内部生成模型，包含以下组件：

社会先验 (Social Prior, $p_{social}(z)$ )：反映智能体所处社会背景的分布，通过与邻居交互动态演化。
似然函数 (Likelihood, $p_\theta(o|z)$ ) 和 近似后验 (Approximate Posterior, $q_\phi(z|o)$ )：由神经网络参数化，用于在观察 $o$ 和潜在社会表征 $z$ 之间进行推断。
判别器 (Discriminator, $D_\psi$ )：基于 f-GAN 框架训练，用于量化近似后验与社会先验之间的散度（对数密度比），评估个体信念与社会期望的偏离程度。

2.2 智能体架构与交互机制

模型在结构化社交网络（无向图）上运行，每个时间步包含四个阶段：

创造性行动 (Creation)：
- 智能体通过最小化预期自由能 (Expected Free Energy, $G_k$ ) 来生成新的人工制品（观察值 $o^+$ ）。
- $G_k$ $G_{k}$ 包含两项：
  - 信息增益项：最小化后验与社会先验的散度（鼓励偏离现有规范，探索新信息）。
  - 重建误差项：最小化生成模型的重建误差（保持与个体内部知识的一致性）。
- 生成的新观察值被存入智能体的 FIFO 记忆缓冲区 $B_k$ 。
选择性记忆 (Selective Memorization)：
- 智能体接收邻居的创造物，基于主动推断进行行动选择（接受或拒绝）。
- 通过比较接受新创造物与保留旧记忆的预期自由能，以玻尔兹曼分布概率决定是否更新记忆。这模拟了智能体对“相关性”的主动筛选。
基于 MHNG 的通信 (Communication via MHNG)：
- 智能体与邻居进行联合注意 (Joint Attention)，交换记忆样本和创造物。
- 使用 Metropolis-Hastings 命名游戏 (MHNG) 算法从联合观察中采样社会表征 $z$ 。
- 通过贝叶斯更新，将采样得到的表征视为新的社会先验，从而在智能体间对齐社会表征。
模型更新 (Model Update)：
- 判别器更新：通过最小化损失函数 $L_k$ 训练判别器，使其能区分社会先验和个体后验。
- 生成模型更新：通过最小化变分自由能 (Variational Free Energy, $F_k$ ) 更新参数 $\theta$ 和 $\phi$ 。
- 对抗关系：模型更新（最小化 $F_k$ ）推动后验向社会先验靠拢（自上而下的顺从）；而创造性行动（最小化 $G_k$ ）推动后验偏离社会先验（自下而上的创新）。两者形成形式上的对抗但功能互补的关系。

2.3 实验设置

网络拓扑：使用包含 14 个智能体的“连接穴居人图”（Connected Caveman Graph），分为两个簇（Cluster 0 和 Cluster 1），每个簇 7 个节点，簇间有少量连接（枢纽节点）。
条件对比：
- w/ creation：包含完整的创造和选择性记忆过程。
- w/o creation：智能体仅进行通信和模型更新，不生成新观察值（ $C_k = \emptyset$ ）。
指标：Wasserstein 距离（表征点态差异）、Gromov-Wasserstein 距离（表征结构几何差异）、表示相似性分析 (RSA)。

3. 主要贡献 (Key Contributions)

统一框架：提出了首个在统一主动推断框架下，形式化社会规范内化（自上而下）与创造性重塑（自下而上）双向过程的计算模型。
内生群体形成：证明了信息凝聚的社会群体可以内生地涌现，其表征结构自动映射底层网络的簇拓扑结构。
辩证机制揭示：揭示了社会表征与观察分布之间的**循环互构（Circular Mutual Constitution）**机制。智能体的创造性行动将表征结构投射到外部世界，而外部世界的变化又反过来重塑社会表征。
异质性传播模式：发现社会表征的传播是稳定的（簇内），而创造性成果的传播是选择性、异质性的，表明智能体通过局部交互动态构建了“文化生态位”。

4. 实验结果 (Results)

4.1 社会表征的演化

群体分化：在“有创造”条件下，智能体间的表征距离逐渐从全局均匀转变为块对角结构。簇内智能体的表征高度对齐，而簇间出现显著分化。
结构相似性：Gromov-Wasserstein 距离分析显示，簇内智能体的表征几何结构在模拟后期发生分离，而枢纽节点（连接两簇的节点）保持在中间区域，表现出在两个社会先验间的震荡。
时间滞后：个体观测值的差异先于整体表征几何结构的分化出现，表明局部创造积累到一定程度后才重塑全局表征空间。

4.2 观察分布的演化

先收敛后发散：初期，簇内智能体的观察分布收敛形成共享结构；后期，个体开始创造独特的观察值，导致簇内结构溶解，形成更细粒度的亲和关系。
对抗动态：这一过程反映了模型更新带来的顺从压力与主动推断驱动的创造性偏离之间的动态平衡。

4.3 表征与观察的结构相似性

创造的关键作用：在“无创造”条件下，观察与社会表征的相似性随时间单调下降；而在“有创造”条件下，两者保持了高度的结构相似性（RSA 相似度 > 0.65）。
互构机制：证明创造性行动是将社会表征结构投射到外部观察空间的关键机制，维持了社会现实与物理世界的结构一致性。

4.4 传播动力学

社会表征：在簇内稳定传播，簇间传播受阻（边缘修剪）。
创造性成果：传播路径动态变化。特定智能体对（如枢纽节点）之间形成跨簇的创造性交流通道，表明智能体通过局部互动构建了动态的“文化生态位”。

5. 意义与结论 (Significance & Conclusion)

理论意义：
- 该模型为米德（Mead）的“主我（I）”与“客我（Me）”的辩证关系提供了计算实现，解释了个体创造力与社会规范如何共同演化。
- 填补了生态位构建理论（Niche Construction Theory）中缺失的“自下而上”方向的计算形式化，展示了生物体如何通过主动修改环境（创造观察值）来重塑自身的认知环境。
机制洞察：
- 社会现实的稳定性并非来自静态的规则，而是来自顺从与偏离的持续张力。模型更新提供稳定性（吸引子），创造性行动提供多样性（探索），两者互补驱动社会系统的演化。
- 社会群体的分化不是预先设定的，而是通过局部交互和选择性记忆自组织涌现的。
局限与未来：
- 当前模型假设网络拓扑固定，未来可引入基于主动推断的动态网络形成（智能体主动选择伙伴）。
- 模型抽象了具身性（Embodiment），未来可结合物理环境模拟完整的因果链。
- 可引入信息论工具（如非平凡信息闭合 NTIC）来量化社会自主性。

总结：该研究通过主动推断框架，成功模拟了社会现实如何在个体的创造性探索与集体的规范内化之间动态构建，揭示了社会结构分化、文化生态位形成以及社会现实自我维持的计算机制。

Social Reality Construction via Active Inference: Modeling the Dialectic of Conformity and Creativity