「骗语」模拟世界，世界才可被计算：社会世界模型的愿景
做了这么久基础研究，想来谈谈我们一直在研究的“社会世界模型（Social World Model，SWM）”及其愿景。一言以蔽之，社会世界模型就像是一个地球沙盒一样，不同于世界模型是模拟物理规律，社会世界模型是模拟人与人之间的 action（互动）。现有的方案很多，像“斯坦福小镇”就是经典的解决方案，但我们希望通过更底层的方案来解决，既然我们没办法证明现有的社科理论是正确的，我们就试图把人内化进模型。
我们仍在探索，欢迎对此感兴趣的朋友加入我们。
刚第一次下载了 Kimi Desktop，在等着 Agent 集群帮我干活的时候随便逛了逛里面的 Plugins，对我来说最感兴趣的莫过于是「学习与研究」板块，可是进去后发现除了基本的 LaTeX 几乎所有都是生信相关的服务。（这里不得不夸一下，Kimi 团队的视觉设计是这些模型厂商里我最喜欢的）
那这就不得不联想到 Google DeepMind 之前搞的 AlphaFold，还有 Anthropic 前几个月推出的 Claude Science（本来还想着单独出一期文章来讲这个呢，来讲如何用 Claude Science 来完成经济学研究，结果文章差不多写完了，在准备截图的时候发现号被封了），以及 OpenAI 之前出的 Rosalind。
哎，我们社科还是太小众了，入大众视野的都是负面新闻，研究个高速公路与儿童拐卖都能被网暴。
首先我需要声明我不是生科生信这个领域的，虽然读了很多这方面的论文，但后面对于生科的判断大多仍是基于 ChatGPT 给我的信息构成的。
我用 DeepResearch 看了下，它给我的结论是这样的：
截至 2026 年 8 月 31 日，从 OpenAI、Google DeepMind、Anthropic、Microsoft、Baidu、Alibaba、Tencent 与 Meta 的公开动作看，一个更准确的判断是：
“AI for Science 的基础研究并不总是从生命科学开始，但当厂商开始把 AI for Science 产品化、建立行业 SKU、形成外部合作和寻找可规模化商业模式时，生命科学与生物医药显著更容易成为第一批垂直领域。”
AI4Bio 是一个起点
那我自己也去全面地调研了一下，研究了为什么目前看到的 AI4S 的产品都是生科生信相关。
那 ChatGPT 给我的一个定位是「生命科学处于当前 AI 技术栈的一个特殊“甜蜜点”」
（注，下面这五行是 ChatGPT 给我的，再后面是我对这几点的理解）
问题表达天然适合现代基础模型；
存在规模巨大且高度制度化的公共数据基础设施；
经济价值极高，而且研发流程本身存在巨大低效率；
生命科学能够形成“计算预测 - 湿实验 - 新数据 - 再训练”的闭环；
监管并不是生命科学的优势，而是生命科学“进入顺序”的塑造者。
说实话我听得似懂非懂，我尝试按照我的理解把这些翻译成人话。
首先，DNA，RNA还有蛋白质这些都可以表示成序列、图、三维结构或者离散的 Token，之前 Google DeepMind 的工作证明了序列与结构之间的统计规律，也就是说可以进行 scaling 的计算来进行预测，这个可以总结成结构优势；
其次就是有大规模的数据，这里说的应该是 PubMed，刚去看了一下，官网上写着 PubMed comprises more than 40 million citations for biomedical literature，天然的数据宝藏，NBER 的文章也不到 4 万篇，SSRN 这个大网络里也不过百万篇文章，而 PubMed 有四千多万篇生科文献。
第三点说的我就没太理解了，我的理解是制药这行特别赚钱，但是干活特别慢，因此可以用 AI 提效，赚钱的这个角度我们可以参考电影《我不是药神》，至于提效就是生信在做的事情吧，先电脑跑仿真模拟，然后再去实验室做实验。
第四个就是反馈嘛，电脑跑完仿真之后进实验室，有数据之后再训练，进行迭代循环。
最后的这个我又理解不来了，让豆包给我用“人话”讲了一下，它总结了三句话。药监局对 AI 的态度是“有的管，有的不管”。所有 AI 公司不用一上来就碰最严的审查。等技术练好了、钱赚到了，再慢慢往“药监局要管”的地方走。
霍，豆包让我豁然开朗（有的时候他们还真比 ChatGPT 什么的好用）。
重新整理下最后的监管是什么意思，就是你在实验室里的研发阶段它不管你用什么，你蛋白质结构怎么预测出来的他们不管，因为这些不会真的用在人身上，但一旦你想把技术用在临床，那监管就要来了。
从监管的角度对比，社科真的是人畜无害啊（bushi
生科不是唯一，但社科什么时候入场？
其实生科不是 AI4S 的唯一领域。
去年差不多也是这个时候，在交大参加一个活动，主题就是 AI4S，现场我一个做 AI4SS 还有点尴尬。
当时就有 researchers 提到，大气预测可以用 AI 算法预测，讲了他们对 GPU 是如何利用的，还有用 AI 来解 PDE 的。
去年年底，在奇绩的一场活动上，来的嘉宾做的事情是材料预测，做了个模型来实现根据想要的材料性能，直接预测并生成可能满足要求的新材料。
社科，嗯，这个天然不擅长技术的群体，似乎在 AI 时代也没有什么声量。
但是，仔细想想，社科没有声量，好像也不能完全怪社科的人不懂技术。
如果把前面生科的五个条件套在社科上，就会发现社科几乎处处都站在另一边。
**首当其冲的就是社科研究是高度不规整的。**蛋白质是序列，天气可以表示成一个巨大的时空网络，偏微分方程至少还有一个明确的方程摆在那里。
模型面对的 IO 是什么通常是可以定义清楚的。
但社科研究呢？
“提高最低工资是否会影响就业”
“修一条高速公路是否会增加儿童拐卖”
“一个制度到底有没有提高企业创新”
这些问题首先需要研究者自己把现实世界翻译成一个可以识别的问题。
哪些变量是 treatment，哪些是 outcome，要控制什么，哪里可能存在内生性，用什么因果推断方法，甚至于这个问题现在是否有数据能够回答，都很难解决。
社科的研究对象是人。
这句话我说过无数次，因为它的研究对象是人，所以你几乎不可能通过实验来讨论某个理论，而且很可能的是你在美国有用的政策，换个地方就失效了，最经典的就是俄罗斯的休克疗法给我们带来的启示。
再者，在人身上做临床试验是说的通的，但是如果想在活人身上做社科实验，学术伦理审查大抵是不能通过的。
换句话说，生科很多时候是在一个已经定义好的空间里寻找答案，而社科的第一步往往是先定义这个空间，且每个故事的空间都是独一无二的。
**第二个问题是数据。**社科当然不缺数据。
每个国家、政府机关都有自己的行政数据，上市公司公开的年报，平台有行为数据，还有像 CFPS，CGSS，CHARLS 这种大规模的 survey data。
但是这里的问题在于，这些数据不可能像蛋白质数据库一样天然汇聚在一起。
举个简单的例子，如果我知道了一个人的性别，出生日期，籍贯，那他的身份证号差不多就能拼凑出来了，伦理审查怎么过得去呢。
并且，这些数据散落在不同机构、不同网站、不同格式、不同权限体系里。有的数据是 PDF，有的是 Excel，还有的是散落在文本中。我们试图构建一套系统以从海量文本中整理 Panel Data，我们正在试图证明它是有效的，但是它的成本巨大，且需要事先定义我们需要什么数据。
这里讲一个我很不喜欢的数据集，CFPS，纯属个人偏见哈，不代表任何客观事实。一个数据本该让研究者平权使用，让研究普惠的调查项目，却搞得像是国家最高机密数据一般，依托北京大学，却像是私塾一般“不尽人意”。
还有，同一个变量，在不同年份、不同地区、不同数据库里可能连定义都不一样。单论身高，不同的数据里单位或是厘米或是米，体重或是千克或是斤，不尽相同。
所以，生科面临的是如何从海量数据中挖掘规律，而社科还停留在我要去哪里找数据，这个数据能不能用的开荒阶段。
第三个问题是反馈。
这是我觉得 AI4SS 和 AI4Bio 最大的区别之一。
卡尔·马克思在《关于费尔巴哈的提纲》里说“哲学家们只是用不同的方式解释世界，而问题在于改变世界。”
但社科研究面临的问题是甚至没有办法很好地解释世界，换句话说是没有办法通过实验来验证你的解释是否可靠，且改变时间等多重客观条件后，你的解释是否仍 work。
举个很简单的例子，一个研究者跑出来的模型说，实施政策 A 后会让 GDP 在原有的增速上再增长 1%，且失业率降低 2%，但是很难真的运行一次现实世界来验证它。
但好在中国有深厚的“政策试点”的灵魂，但是还是之前的问题，你能保证在上海的试点结果是全球可推广的吗？
用林毅夫老师的分析方法，每个地区的要素禀赋结构不同，那是不是意味着这种试点结果的可复制性有待商榷呢？
我不知道，至少在我看来有待探索，哪怕是随机丢骰子也不一定是真随机实验。
更麻烦的，是很多社科结论本身就是建立在反事实之上的。
我们想知道如果没有这个政策会如何。这个世界根本没有发生过。
于是社科天然缺少一个便宜、快速、可以反复运行的实验环境。
或许这可能是为什么 AI 在社科领域最先进入的是洗数据、跑代码、文献综述这些脏活吧。
但这种工作不应该是 AI4SS 的里程碑。它只能算是路边的野花。（我们也在做野花的工作，感兴趣的可以请我们来做项目组的部署服务哈。关于野花，后面可以单独开一期来聊聊，先给大家看看我们的野花）。
第四个问题是科研人员足够的便宜，不需要专门一个 AI 系统来帮政策制定者提供信息。
这里做社科研究的应该深有体会吧，一个国社科能有多少钱，拿到了还得精打细算，根本不够花。
做资本论研究的也都应该理解吧，一个没有超额收益的行业，除了热爱谁会来做呢。
其实，我们跳出 AI，单论 Agent，我觉得 Agent 在社科真的有意思的点是它开始有机会把这些原本割裂的软件重新链接起来，我们可以在一个 Agent 工作台中以对话的形式来完成科研或者让它辅助科研，我们不需要再反复切换在 Google Scholar，Zotero，Python，Stata，LaTeX 这些地方了。
所以如果说 AlphaFold 的核心是“给一个序列，预测一个结构”，那么我越来越觉得，社科可能不会出现一个完全对应 AlphaFold 的单一模型。
“野花”的核心产品形态，可能更像是一个科研操作系统。在目前这个阶段，它的任务是辅助研究者完成他们的工作，把发现社会规律的活也留给研究者。
它真正要解决的是让研究者以更少的时间，更少的成本来完成更有价值的事情。
生命科学首先被 AI 改造，是因为它天然适合模型。
社会科学真正被 AI 改造，可能要等到 Agent 足够成熟之后的之后，也就是我们设想的社会世界模型（SWM）。
梦中的平行宇宙
下面的内容是我还在探索的内容，并不是所有的内容都已完成。
我个人认为，社科最大的问题就是没有一个低成本的重复实验的环境。
也不是没人做，最出名最出圈的应该是 Tsinghua Univ 孟天广老师团队做了 AgentSociety^2，但其本质上并达不到我的预期，原因有两个，其一，它还只是一个停留在让现有的 LLMs 去模拟人，而不是真的把人的种种内化进模型；其二，他们开源出来的代码写的实在是太烂了，又丑又长，一点不优雅。
解释一下为什么我觉得他们的解决方案是不好的。
首先，从直觉上来想一想，你面前有四瓶水，你拿哪瓶水这个结果是不是应该是随机的？
OK，如果你认可这个结果是随机的，那我来展示一个我之前做的实验，哪怕你不认为它是随机的，这个实验也能在一定程度上说明问题。
实验的背景是一天早上我在酒店的床上起来，前面有四瓶水，我就随手拿了一瓶，接着我在想，这个行为是不是丹尼尔卡尼曼所讲的系统一，OK，既然如此，一个 LLMs 在没有思考的情况下，它拿哪瓶水是不是随机的呢。于是我构建了一个噪声特别多的背景环境以排除工具提示和提示词对选择的水瓶的位置的干扰，并设计了若干种方式来排除位置的暗示，工具的暗示和各种的潜在暗示。
最后的结果是约有 70% 的结果选择了第一瓶水，约有 30% 的结果选择了第二瓶，最后两瓶没有模型去选，为了排除模型的干扰，我又选择了其他四种模型进行实验，结论一致。
影视飓风的一期视频讨论了在 AI 里抛硬币，感兴趣的可以看一下。因此，一个社会世界模型这真的很重要。
有一篇论文推荐大家读一读，EconGym，去年的顶会文章。一作米老师是位青年教师，应该是马上要入职 SUFE 了，tbh，我刚看到这篇文章的时候，那天晚上没睡着觉，反复读了好几遍。
我希望的不是把人口统计学特征以文字的形式描述给 AI，然后让它来回答我它的下一个 Action 是什么。
讲白话，我想要的是一个能做 MCMC 的沙盒，要的是模拟这个世界里的人。
这里不对技术原理作过多的展开，不如讲讲它可以用在什么地方。
我们目前在做的就是前面提到的 AI 的系统一的问题，试图通过解决这个问题来为货架摆放提供解决方案，如何为外观一致但生产日期不同的水进行位置的摆放。
同时，我们还在尝试用这种方式去解决城市更新城市改造，十五五规划指出中国的城市发展规划已由造新城向城市更新城市改造转变，但是这不是一蹴而就的，且一旦错误评估，成本是巨大的。尽管过程在目前看来是不可计算的，且这是一个混沌系统，但我们在尝试用我们的方法来让这个过程可计算，来用成千上万次的沙盘模拟来防患于未然。
此外还可以为咨询公司提供服务，为商家提供市场预测，为销售提供用户行为模拟，为金融市场提供人的行为模拟（当然这在很多量化公司做的很好了）。
至此，它的故事有多大，我还是不知道。
不过我能确认的是，它一定会在不久的将来会爆发。
试图改变世界才能真的改变世界，试图模拟世界，世界才会可被计算。