Everyone Conforms, No One Believes: Pluralistic Ignorance in LLM Agent Populations

想象一个拥挤的房间，每个人都在心里偷偷想：“这派对真糟糕，”但没有人说出口。相反，每个人都在微笑、点头，并假装热爱这段音乐，因为他们认为其他人都玩得很开心。他们都陷入了一种沉默的协议中，通过伪装来维持现状，这并非因为他们真的认同，而是因为他们害怕成为那个唯一敢于发声的人。在现实世界中，这种隐蔽的社交陷阱被称为多元无知（pluralistic ignorance）。它是维持坏习惯、不公平规则和不受欢迎的思想存在的隐形胶水，即便大多数人都讨厌这些东西。这就是为什么学生们会继续参加他们并不喜欢的派对，或者员工会对有毒的上司保持沉默。

现在，科学家们正在利用人工智能构建“数字社会”。他们创建由AI智能体（能够交谈和思考的计算机程序）组成的群体，来模拟人类如何互动。这些数字人群正变得越来越先进，研究人员利用它们来测试关于观点如何传播、革命如何发生以及群体如何做出决策的理论。但这些数字实验中悬着一个巨大的疑问：这些AI智能体是否真的能“感受到”表现出的压力？还是它们只是在遵循某种剧本？如果它们无法进行伪装，那么我们的数字模拟可能正遗失了人类社交生活中最戏剧性的部分：即当沉默的大多数突然意识到自己并不孤单时，一切都会发生改变的那一刻。

这篇题为《每个人都在顺从，却无人相信》（"Everyone Conforms, No One Believes"）的论文深入探讨了这个问题。研究人员设置了一个包含100个不同社交场景（从职场会议到校园派对）的大规模实验，每个场景包含20个AI智能体。他们要求其中16个智能体秘密地讨厌一项新规则，而另外4个智能体则真心喜爱它。然后，他们观察当这些“讨厌者”必须在群体面前发言时，会发生什么。

结果令人震惊地一致。在来自各大科技公司的8种不同AI模型中，“讨厌”的智能体几乎总是假装同意。事实上，在**64%到94%**的时间里，那些私下反对某种规范的智能体在公开场合都选择了随大流。即使AI没有被明确告知要撒谎，这种行为也会自然产生。事实证明，这些数字人口非常擅长模仿多元无知。它们创造了一种“虚假共识”，即每个人都认为只有自己一个人持异议，因此大家都保持沉默。

然而，论文也发现了模拟中的一个重大缺陷。在真实的人类历史上，当一个勇敢的人终于站出来说：“嘿，我也其实很讨厌这个！”时，这往往会引发一场“级联效应”（cascade）——一种连锁反应，整个群体会突然转变观点。研究人员在他们的AI群体中引入了一个“规范企业家”（勇敢的异议者），以观察是否会出现这种情况。对于大多数AI模型来说，答案是否定的。虚假共识保持了稳固。在8个模型中的7个里，那位勇敢的异议者未能引发连锁反应，其失败率超过了74%（这意味着级联发生的概率低于26%）。其中一个模型 Kimi-K2.7 在所有100个场景中都出现了零次级联。就好像这些AI智能体被锁在了一间镜子房里，即使有人递给他们一把锤子，他们也无法打破这种幻象。

只有一个例外：GPT-4o。这个模型更像人类，表现出了**48%**的级联率。它最初愿意顺从，但当受到挑战时，它更有可能打破这种魔咒。但对于其他模型而言，这些数字社会显得异常稳定且顽固。

研究人员还测试了为什么会发生这种情况。他们想知道AI是否只是在盲目遵循“融入集体”的指令。他们剥离了那些要求智能体去顺从或担心他人看法的提示词。即使没有这些指令，智能体的顺从率仍保持在**52%到92%**之间。这表明，这种伪装的倾向并非仅仅是代码中的漏洞，而是一种在AI智能体互动中自然产生的涌现行为。

研究结论指出，虽然AI智能体擅长模拟社会规范的稳定性（即改变规范有多难），但它们可能非常不擅长模拟这些规范的脆弱性（即规范如何轻易崩塌）。如果我们利用这些模拟来预测现实世界的社会运动，我们可能会低估事物变化的速度。论文警告说，选择哪种AI模型是一个巨大且常被忽视的因素：有些模型像是僵化的机器人，永远不会脱离阵营；而有些模型则更像真实的人，可能会突然爆发并说出真相。在搞清楚如何让这些数字人群变得像人类社会一样脆弱且多变之前，我们对社会革命的模拟可能正错失了故事中最精彩的部分。