Agentic World Analysis (AWA) - an alternative way to explore systems and support decision making
本文介绍了代理世界分析（Agentic World Analysis, AWA），这是一种将代理式人工智能模拟与专家启发式相结合的新型框架，旨在应对复杂的环境不确定性，并通过 WEGA 系统在模拟荷兰氮危机未来路径方面的成功应用进行了验证。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 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
几个世纪以来，人类一直以一种混合着希望与焦虑的情绪展望未来，试图预见像气候、经济和人类社会这样复杂的系统可能会发生怎样的变化。为了理解这种不确定性，科学家们长期以来一直依赖两种主要工具：遵循严格数学规则的计算机模拟，以及利用经验来推测可能发生情况的人类专家小组。这两种方法各具优势，但也都有显著的弱点。计算机模型可能过于僵化，在收到新信息时难以更新；而人类专家则可能存在偏见、缺乏一致性，或者在面对快速变化的事件时反应迟钝。随着世界面临日益紧迫的可持续发展挑战（从污染到资源匮乏），我们需要一种更灵活、更透明的方式来探索可能的未来，这已变得至关重要。
一种被称为“智能体世界分析”（Agentic World Analysis）的新方法试图弥合这一差距，将两者的优点结合在一起。该方法不再仅仅依赖静态的方程式或单一的人类顾问团队，而是使用人工智能智能体，使其表现得像一支专业的专家团队。这些数字智能体不仅仅是进行数据计算；它们会阅读文档、收集证据、辩论不同的观点，并构建关于世界如何演变的详细叙事。其目标并非以完美的准确度来预测未来（这本身是不可能的），而是创建一个清晰、可审计的可能性图谱，展示特定的决策如何导致不同的结果。这使得决策者不仅能看到可能发生什么，还能看到为什么会发生，并能针对广泛的潜在情景测试他们的策略。
在最近的一项研究中，研究员容超（Yongchao Zeng）及其同事引入了这一新框架，并用一个现实世界的危机对其进行了测试：荷兰的氮污染问题。多年来，来自农业的氮排放量一直超过环境限制，威胁着生物多样性，并引发了农民、环保团体与政府官员之间的政治冲突。研究人员构建了一个名为“生成式智能体世界引擎”（World Engine by Generative Agents，简称 WEGA）的系统，用以模拟这场危机在未来十五年内可能如何展开。他们并没有用一套固定的规则来编写系统关于农民或政治家如何行为的程序。相反，他们为人工智能提供了一个起点——危机的现状——以及一份关键参与者名单，包括一位畜牧业联合会代表、一位欧盟委员会官员、一位环境科学家、一位右翼媒体编辑和一位荷兰农业部长。
随后，系统开始运行循环，模拟以五年为一个步长的时间流逝。在每个循环中，利益相关者智能体会讨论现状并提出政策建议，例如新的法规或对农民的财政支持。一旦做出决策，专家智能体会分析该决策在未来五年内可能产生的后果。它们会寻找证据，识别不确定性，并基于这些不确定性可能如何得到解决，生成不同的可能未来。例如，如果实施了一项新政策，系统可能会询问：“如果公众接受这项政策会怎样？”对比“如果公众拒绝这项政策又会怎样？”这一过程创造了一个分支场景树，允许研究人员探索许多不同的路径，而无需为每一种路径都从头构建一个新的计算机模型。
模拟结果揭示了两条截然不同的路径。在第一条路径中，系统假设新政策的社会接受度保持在较低水平。这导致了一种冲突情景，即监测设备遭到破坏且报告数据被伪造，导致情况恶化。然而，即使在这种困难的情景下，系统也找到了稳定局面的方法。一项新的协议被提出，规定如果农民能够恢复监测系统的完整性，可以获得财政支持。当系统模拟了监测系统的成功恢复时，冲突开始缓解，焦点也从政治斗争转向了技术问题的解决。
在第二条替代路径中，研究人员探讨了如果尝试恢复监测系统失败会发生什么。在这种情景下，失败导致了信任崩溃，欧盟因此施加了巨额罚款并削减了农业补贴。这种外部压力使农业群体进一步激进化，造成了一个更难打破的僵局。通过比较这两条路径，系统提出了一个关键洞察：任何政策的成功都高度取决于维持信任和数据完整性的能力。如果数据被视为可信的，合作是有可能的；如果不是，即使是设计得最好的政策也可能失败。
研究人员还构建了一个专门的工具来评估人工智能生成的叙事质量。该工具检查了情景的逻辑性、所用证据的强度以及角色行为的一致性。它发现系统生成了连贯且有据可依的叙事，但也指出了局限性。例如，模拟显示系统有时会假设一种可能并不现实的稳定性，并指出所生成的特定政策仅为说明性的示例，而非完美的行动蓝图。评估强调，该系统的价值在于识别驱动成功或失败的机制，而非预测确切的结果。
这项研究表明，人工智能可以被用来创建一个灵活、透明且协作的方式来探索复杂问题。与那些往往受限于僵化结构的传统模型不同，这种方法允许整合多样化的知识，从科学数据到政治叙事。研究人员认为，这种方法并不是取代人类专家，而是增强他们思考复杂局势的能力。通过使推理过程透明化并接受审查，该系统帮助决策者理解其选择中所涉及的权衡。虽然这项技术仍处于早期阶段，但它提供了一种充满前景的新方式来应对未来的不确定性，将占卜师手中的水晶球变成了清晰、可审计的可能性图谱。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。