--- title: "人类行为与社会 · 模拟 · 模拟假说" url: https://simulation-hypothesis.com/zh/simulations/human-society description: "决策、人群、观点、市场、过去的社会和整个人口。 这是人们实际运行的模拟分类体系的一部分。" license: https://creativecommons.org/licenses/by/4.0/ credit: "Ross Allan Dahl，模拟假说（simulation-hypothesis.com）" --- [模拟](https://simulation-hypothesis.com/zh/simulations)第 8 个领域，共 18 个 # 人类行为与社会 决策、人群、观点、市场、过去的社会和整个人口。 在这里，人被建模为决策者、人群、市场和人口。这些模型有意保持简单。通常的目的是说明：只要很少的个人意图，就足以产生很大的社会格局。人类学家和考古学家用同样的工具重建已不存在的社会。这使它们成为假说中祖先模拟在现实中最接近的类比。 ## 心智与决策 ### 认知架构 一个关于人类记忆、注意力和推理的计算模型，在实验室里给人的同一任务上运行。 它回答的问题: 模型是否以与人相同的速度，犯与人相同的错误？ 略去了： 拟合人类的反应时间，并不能证明模型用的就是大脑的真实机制。 运行于：约 10^12 FLOPS 粗略 台式工作站让一种架构运行实验室任务 自： 1983 Newell 对统一认知架构 Soar 的发展 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [规则与状态](https://simulation-hypothesis.com/zh/simulations/methods#m-rules)精度下限：规则 ### 决策模型 证据随机累积，直到越过阈值，用来解释选择和反应时间。 它回答的问题: 为什么人们会那样在速度和准确性之间取舍？ 略去了： 假定证据以恒定的、带噪声的速率累积，这是一幅简化的神经图景。 运行于：约 10^9 FLOPS 粗略 笔记本电脑，对选择数据拟合漂移扩散模型 自： 1978 Ratcliff 的决策漂移扩散模型 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：规则 ### 学习模型 智能体从奖励和错误中学习，拟合人和动物在学习实验中的行为。 它回答的问题: 哪种学习规则最能解释人们如何适应不断变化的概率？ 略去了： 能很好地捕捉平均行为，却常常漏掉学习中的个体差异。 运行于：约 10^10 FLOPS 粗略 台式工作站拟合一个奖励学习模型 自： 1972 Rescorla 和 Wagner 的联想学习模型 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：规则 ### 社会认知与心智理论模型 一个智能体对另一方相信什么、想要什么或知道什么的图景，嵌套在它自身之内，用来解释人们如何预测并操纵彼此的行为。 它回答的问题: 人们实际上会推理到别人想法的多少层深？ 略去了： 大多数模型把信念嵌套限制在很少几层，而真实的推理没有这么规整。 运行于：约 10^10 FLOPS 粗略 台式工作站运行嵌套信念推理模型 自： 1978 Premack 和 Woodruff 的心智理论，后来被用计算方式形式化 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [规则与状态](https://simulation-hypothesis.com/zh/simulations/methods#m-rules)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：规则 ### 情绪与情感建模 对一种处境（比如威胁或损失）的模拟评估被转化成一种情绪状态，随后影响智能体之后的决策。 它回答的问题: 感到害怕或愤怒，究竟如何改变随后的选择？ 略去了： 评估规则是建模者的情绪理论，并不是对任何人感受的直接读取。 运行于：约 10^10 FLOPS 粗略 台式工作站运行基于评估的情绪模型 自： 1988 Ortony、Clore 和 Collins 的情绪认知模型 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [规则与状态](https://simulation-hypothesis.com/zh/simulations/methods#m-rules)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：规则 ### 风险与不确定性下的选择建模 赌博和决策放进一个模型里运行，这个模型描述人们实际上如何权衡得失和概率，而不是纯理性的主体会怎样权衡。 它回答的问题: 为什么人们在风险下的选择，总是偏离教科书上的理性答案？ 略去了： 能很好地拟合平均偏差，但任何一个人的选择都可能偏离拟合曲线。 运行于：约 10^10 FLOPS 粗略 台式工作站拟合一个前景理论选择模型 自： 1992 Tversky 和 Kahneman 的风险下选择的累积前景理论 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：规则 ### 语言模型调查受访者 给语言模型一份人口统计画像，让它像那个人一样回答调查问卷。 它回答的问题: 模型能否代替调查样本，预测群体的回答？ 略去了： 它继承了模型训练文本中的偏见和同质性，对它见得很少的群体表现不佳。 运行于：约 10^14 FLOPS 粗略 每个模拟受访者一次模型调用 自： 2022 Out of One, Many: using language models to simulate human samples (2022) [来源](https://arxiv.org/abs/2209.06899) [习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：规则 ### 语言模型行为实验 语言模型被提示扮演许多不同的参与者，重演心理学和经济学中的经典实验。 它回答的问题: 模型能否重现一项经典研究中的人类结果？ 略去了： 复现可能反映的是记住了的研究，模型也未必能推广到新的设计。 运行于：约 10^14 FLOPS 粗略 每个实验需要多次模型调用 自： 2022 Using large language models to simulate multiple humans and replicate human subject studies (2022) [来源](https://arxiv.org/abs/2208.10264) [习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：规则 ## 社会动力学 ### 居住分选 当和自己相似的邻居太少时，家庭就会搬走，这是 Thomas Schelling 的模型，说明温和的偏好如何造成鲜明的隔离。 它回答的问题: 要多少个人偏好，才会造成一座分裂的城市？ 略去了： 真实的隔离还涉及收入、歧视和历史，仅凭温和的偏好无法解释。 运行于：约 10^9 FLOPS 粗略 笔记本电脑在网格上运行谢林隔离模型 自： 1971 Schelling 最初手工运行的隔离模型，后来被计算机化 在模拟树中: [谢林隔离模型](https://simulation-hypothesis.com/zh/trees/simulations?n=soc-schelling) 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [运行交互式模型](https://simulation-hypothesis.com/zh/simulations/run#toy-schelling) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[元胞自动机](https://simulation-hypothesis.com/zh/simulations/methods#m-cellular-automata)精度下限：身体 ### 观点动力学 智能体通过接触和网络，相互潜移默化地影响对方的观点。 它回答的问题: 一个群体何时达成共识，何时分裂成几派？ 略去了： 真实的观点涉及情绪和身份认同，简单的平均规则捕捉不到这些。 运行于：约 10^10 FLOPS 粗略 台式工作站更新社交网络中的观点 自： 1974 DeGroot 的迭代观点汇聚模型，后来在网络上被模拟 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：身体 ### 合作与规范 许多玩家之间反复进行的信任与欺骗博弈，带有声誉和惩罚。 它回答的问题: 合作与公平的规范如何变得稳定？ 略去了： 真实的声誉和惩罚，比干净的重复博弈更杂乱、更缓慢。 运行于：约 10^10 FLOPS 粗略 台式工作站运行重复博弈锦标赛 自： 1980 Axelrod 对重复囚徒困境的计算机锦标赛 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [博弈论](https://simulation-hypothesis.com/zh/simulations/methods#m-game-theory)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### 思想的扩散 创新、习惯和谣言在社交网络中传播。 它回答的问题: 为什么有些想法会流行起来，另一些却从未传开？ 略去了： 它更擅长预测采用曲线，而不是解释为什么某一个人会转用。 运行于：约 10^10 FLOPS 粗略 台式工作站模拟采用行为在社交网络中的扩散 自： 1969 Bass 的新产品扩散数学模型，后来被模拟 [网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### 社交网络的形成 人们按“朋友的朋友”和相似性等规则建立和断开关系。 它回答的问题: 为什么大型网络中几乎每一对节点之间的路径都很短？ 略去了： 真实的关系形成涉及地理和制度，而抽象规则跳过了这些。 运行于：约 10^10 FLOPS 粗略 台式工作站按依附规则生长一个网络 自： 1999 Barabási 和 Albert 的网络增长优先连接模型 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：身体 ### 语言演化 智能体发明词语和语法来交流，并把它们传下去。 它回答的问题: 在没有人主导的情况下，共同的词汇怎样产生？ 略去了： 真实的语言，其语法和历史比主体演化出的小词汇表丰富得多。 运行于：约 10^10 FLOPS 粗略 台式工作站运行让智能体发明共同词汇的模拟 自： 1995 Steels 早期对智能体发明共同词汇的模拟 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### 文化演化 技能、工具和传统在世代之间被复制、改进，也有的失传。 它回答的问题: 为什么规模更大、联系更紧密的人群能保有更复杂的技术？ 略去了： 把文化当作在人与人之间传递的基因，忽略了想法会被重新发明。 运行于：约 10^10 FLOPS 粗略 台式工作站模拟性状在世代间的传递 自： 1981 Cavalli-Sforza 和 Feldman 的文化传播模型 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[演化](https://simulation-hypothesis.com/zh/simulations/methods#m-evolutionary)精度下限：种群 ### 语言模型主体社会 由语言模型驱动的数十个软件智能体，各有记忆和计划，生活在一座小小的模拟小镇里，形成社会行为。 它回答的问题: 当智能体用自然语言做计划和交谈时，会出现什么社会模式？ 略去了： 行为来自语言模型的训练，运行成本高昂，也难以复现。 运行于：约 10^15 FLOPS 粗略 每个模拟日要调用数千次模型 自： 2023 Generative Agents: interactive simulacra of human behavior (2023) [来源](https://arxiv.org/abs/2304.03442) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：规则 ### 有居民的社会系统原型 语言模型生成一个由模拟成员组成的社区，带有帖子和回复，设计者可以在上线前测试社交平台。 它回答的问题: 一个新社区的设计会吸引什么样的行为？ 略去了： 输出在各次运行之间有差异，而坏人的逼真程度只取决于提示。 运行于：约 10^13 FLOPS 粗略 每个群落需要多次模型调用 自： 2022 Social Simulacra (2022) [来源](https://arxiv.org/abs/2208.04024) [习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：规则 ### 语言模型社交平台模拟 一个有信息流、关注和推荐功能的平台，由多达一百万个模型驱动的用户构成，用来研究信息传播和从众。 它回答的问题: 帖子、观点和虚假信息如何在一个由模型驱动的用户组成的平台上传播？ 略去了： 智能体比真实用户整齐划一得多，而且在现实中的验证有限。 运行于：约 10^17 FLOPS 粗略 大规模模型推理 自： 2024 OASIS: open agent social interaction simulations with one million agents (2024) [来源](https://arxiv.org/abs/2411.11581) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：规则 ### 推荐系统反馈回路模拟 模拟用户与推荐系统进行多轮互动，显示推荐如何改变用户的选择。 它回答的问题: 推荐系统会不会随着时间推移，让人们消费的内容变窄？ 略去了： 用户行为是一个风格化的模型，而不是测得的偏好。 运行于：约 10^10 FLOPS 粗略 廉价的重复回合 自： 2017 How algorithmic confounding in recommendation systems increases homogeneity and decreases utility (2017) [来源](https://arxiv.org/abs/1710.11214) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：规则 ### 用于推荐系统的语言模型用户模拟 带有品味档案的语言模型主体浏览、评分并放弃推荐的内容，在推荐算法测试中充当用户的替身。 它回答的问题: 用户会如何对一个新的推荐算法作出反应？ 略去了： 智能体的口味只是对真实口味的近似。 运行于：约 10^14 FLOPS 粗略 每个模拟用户需要多次模型调用 自： 2023 On generative agents in recommendation (2023) [来源](https://arxiv.org/abs/2310.10108) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：规则 ### 错误信息与谣言传播 成团的人们根据有多少联系人分享了某个故事来决定是否分享，所以传播取决于网络结构。 它回答的问题: 什么样的网络结构能让一个假故事疯传？ 略去了： 平台算法和分享者的动机被简化了。 运行于：约 10^7 FLOPS 粗略 在工作站上做网络传染。 自： 2018 Toernberg, echo chambers and viral misinformation: modelling fake news as complex contagion. [来源](https://doi.org/10.1371/journal.pone.0203958) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：种群 ### 气候压力下的迁移 家庭根据收入、气候冲击和社会关系决定是否离开某个地区，各地区之间的流动再加总起来。 它回答的问题: 如果降雨或农业收入下降，会有多少人迁移？ 略去了： 决策规则是假定的，而迁移有多重成因。 运行于：约 10^8 FLOPS 粗略 在工作站上做区域主体模拟。 自： 2011 Kniveton 及同事，用主体模型模拟布基纳法索未来迁移流的变化。 [来源](https://doi.org/10.1016/j.gloenvcha.2011.09.006) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：种群 ### 人类流动与迁移模型 根据人口和距离，用引力型或辐射型规则预测人在各地之间的流动。 它回答的问题: 有多少人在两地之间往来？ 略去了： 忽略运输成本、边界和个体差异。 运行于：约 10^6 FLOPS 粗略 在笔记本电脑上做流量矩阵计算。 自： 2012 Simini 及同事，流动与迁移格局的通用模型。 [来源](https://doi.org/10.1038/nature10856) [微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：种群 ### 合成人口生成 建立一整套人工家庭和个人，使其与某个真实城市或国家的已知总量相符，给每个人一个年龄、工作、住所和家庭。 它回答的问题: 怎样才能得到一个区域里每个人的逼真替身，又不用任何人的真实记录？ 略去了： 只匹配人口普查公布的总数，所以未被测量的特征之间的相关性是编造的。 运行于：约 10^9 FLOPS 粗略 一个国家需要在工作站上数小时。 自： 1996 Beckman、Baggerly 和 McKay 创建合成基线人群。 [来源](https://doi.org/10.1016/0965-8564%2896%2900004-3) [随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：种群 ## 人群 ### 行人与人群动力学 每个行人靠社会力绕开障碍物和其他人。 它回答的问题: 人群在这个车站的哪里形成瓶颈，我们怎样防止踩踏？ 略去了： 真实的人群会恐慌，行为难以预测，光滑的力模型捕捉不到这一点。 运行于：约 10^13 FLOPS 粗略 大学集群，模拟数万个行走者 自： 1995 Helbing 和 Molnar 的行人运动社会力模型 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[连续场](https://simulation-hypothesis.com/zh/simulations/methods#m-continuum)精度下限：身体 ### 人群情绪与行为传染 恐慌、欢呼或大笑之类的情绪或行为在密集人群中一个传一个，速度比任何人决定加入都快。 它回答的问题: 一种情绪或一个行动如何席卷一群陌生人？ 略去了： 传染规则通常是事后根据视频画面猜出来的，而不是实时测量的。 运行于：约 10^11 FLOPS 粗略 台式工作站模拟情绪在人群中的传播 自： 2000 早期基于智能体的人群恐慌中情绪传染模型 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：身体 ### 集体行动与临界点模型 每个人只有在足够多的他人已经参与后才愿意加入，所以人群从平静到一起行动的转变，取决于个人阈值的分布。 它回答的问题: 要有多少人先行动，其他人才会都跟上来？ 略去了： 假定每个人的阈值是事先固定的，而真实的阈值在人群开始移动后会改变。 运行于：约 10^9 FLOPS 粗略 笔记本电脑在一个群体上运行阈值级联 自： 1978 Granovetter 的集体行为阈值模型 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：规则 ### 集体估计与群体智慧 许多相互独立、各自带噪声的、对同一个数的猜测被汇总起来，看平均值比任何一个人的猜测更接近真相多少。 它回答的问题: 平均许多人的猜测，何时胜过询问一位专家？ 略去了： 一旦各个人的猜测不再相互独立，平均效应就会失效。 运行于：约 10^9 FLOPS 粗略 笔记本电脑运行猜测的蒙特卡罗汇总 自： 1907 Francis Galton 对人群猜测一头牛体重的分析 [蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：规则 ### 抗议动员网络模型 人们根据自己有多少社会关系已经去了，来决定是否加入抗议，参与通过网络扩散，而不是在一个地方聚成人群。 它回答的问题: 抗议运动如何从少数坚定的人发展到大规模的参与？ 略去了： 把加入当作一个非此即彼的决定，忽略了真实承诺中的细小步骤。 运行于：约 10^10 FLOPS 粗略 台式工作站模拟网络中的招募 自： 1997 Kim 和 Bearman 的抗议参与网络模型 [网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### 大型集会疾病风险建模 节庆、朝圣或体育赛事上异常密集的短暂人群混合，通过建模来估计感染能传播多快，并在人群散去后多快熄灭。 它回答的问题: 让这么多人聚集几天，会额外增加多少疾病风险？ 略去了： 人群散去之后，要追踪由此产生的感染接下来去了哪里，基本上无从下手。 运行于：约 10^12 FLOPS 粗略 大学集群，模拟一次聚会中的接触 自： 1987 对朝圣者大型集会中一次脑膜炎暴发的建模 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：身体 ## 经济与市场 ### 宏观经济模型 把整个经济当作有代表性的家庭、企业、银行和一家央行，彼此相互反应。 它回答的问题: 如果利率上升，就业和物价会怎样？ 略去了： 代表性家庭模型可能漏掉由不平等产生的动态。 运行于：约 10^12 FLOPS 粗略 台式机或小型集群，求解一个结构性宏观经济模型 自： 1955 Klein 和 Goldberger 早期的计算机化宏观计量经济模型 [微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：种群 ### 基于智能体的经济 成千上万个单独的家庭、企业和银行在买进、卖出、借款和破产。 它回答的问题: 危机如何从普通的行为中开始？ 略去了： 智能体的行为规则由建模者选定，而不是从人身上测得的。 运行于：约 10^13 FLOPS 粗略 大学集群，模拟数千个相互作用的家庭和企业 自： 1993 圣塔菲研究所早期基于智能体的计算经济学模型 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### 金融市场 采用不同策略的交易者向模拟的市场下单。 它回答的问题: 崩盘和泡沫从何而来？ 略去了： 真实的市场有监管、新闻和罕见事件，而玩具交易规则把这些都漏掉了。 运行于：约 10^13 FLOPS 粗略 大学集群，模拟许多交易策略的相互作用 自： 1994 Palmer、Arthur 及同事的圣塔菲人工股票市场 [来源](https://deepblue.lib.umich.edu/items/18b0197f-305e-40c5-b9bf-98ca56549ca5) 在模拟树中: [人工股票市场](https://simulation-hypothesis.com/zh/trees/simulations?n=soc-santafe) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：身体 ### 金融风险 一个投资组合、一家银行或一家保险公司的数千种可能的未来。 它回答的问题: 百年一遇的损失有多严重？ 略去了： 假定未来在统计上和过去一样，这在危机中会失效。 运行于：约 10^13 FLOPS 粗略 银行或保险公司的集群，运行数百万个蒙特卡罗情景 自： 1994 风险管理团队较早采用蒙特卡罗风险价值模型 [蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：种群 ### 市场与拍卖设计 有策略的竞拍者在不同拍卖规则下竞争。 它回答的问题: 哪一套规则能以最少的钻空子行为得到最公平的价格？ 略去了： 真实的竞拍者并不总是像策略假定的那样理性。 运行于：约 10^10 FLOPS 粗略 台式工作站在拍卖规则下测试出价策略 自： 1961 Vickrey 的拍卖理论，后来通过模拟和实验检验 [博弈论](https://simulation-hypothesis.com/zh/simulations/methods#m-game-theory)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### 人工社会 智能体在资源景观上采集、交易和繁衍，由此涌现出财富分布和贸易。 它回答的问题: 哪些简单规则足以长出一个社会的大尺度特征？ 略去了： 简单的规则可能出于错误的底层原因，长出看起来逼真的图案。 运行于：约 10^10 FLOPS 粗略 台式工作站运行智能体景观经济模型 自： 1996 Epstein 和 Axtell 的 Sugarscape 模型 在模拟树中: [Sugarscape](https://simulation-hypothesis.com/zh/trees/simulations?n=soc-sugarscape) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### AI 设计的经济政策模拟 学习型主体在模拟经济中充当劳动者，同时一个训练过的规划器搜索能平衡平等与生产率的税收政策。 它回答的问题: 学习型智能体和规划者会收敛到什么税收规则？ 略去了： 真实的人和学习型主体不同，而且经济结构很简单。 运行于：约 10^15 FLOPS 粗略 大规模强化学习 自： 2020 The AI Economist (2020) [来源](https://arxiv.org/abs/2004.13332) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[博弈论](https://simulation-hypothesis.com/zh/simulations/methods#m-game-theory)[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：规则 ### 基于智能体的交易所模拟器 一个模拟证券交易所，有完整的订单簿和带时间戳的消息，交易智能体（包括会学习的）在其中互动。 它回答的问题: 一个交易策略或规则的改变会如何影响市场？ 略去了： 智能体行为是风格化的，市场冲击也很难校准。 运行于：约 10^11 FLOPS 粗略 对数千个智能体做事件驱动的运行 自： 2019 ABIDES: towards high-fidelity market simulation for AI research (2019) [来源](https://arxiv.org/abs/1904.12066) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[离散事件](https://simulation-hypothesis.com/zh/simulations/methods#m-discrete-event)精度下限：规则 ### 住房市场基于主体的模型 有收入的家庭、有放贷规则的银行和有限的住房存量相互作用，显示杠杆和信贷如何改变价格和违约。 它回答的问题: 放贷规则如何造成房地产的繁荣与萧条？ 略去了： 家庭行为是基于规则的，数据的细节也有限。 运行于：约 10^9 FLOPS 粗略 在工作站上运行数十万个主体。 自： 2012 Geanakoplos and colleagues, getting at systemic risk via an agent-based model of the housing market. [来源](https://doi.org/10.1257/aer.102.3.53) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：种群 ### 动态随机一般均衡模型 一个有代表性的家庭和企业在随机冲击下随时间做选择，用这个模型追踪此类扰动和政策如何影响经济。 它回答的问题: 经济如何响应冲击或利率变化？ 略去了： 假定有理性的代表性主体，不容易产生危机。 运行于：约 10^6 FLOPS 粗略 在笔记本电脑上做微扰或贝叶斯估计。 自： 1982 Kydland 和 Prescott，建设时间与总量波动。 [来源](https://doi.org/10.2307/1913386) [微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：规则 ### 保险巨灾模型 把数千场模拟的风暴、地震或洪水加到一个财产组合上，以估计保险公司可能面临的损失。 它回答的问题: 每 200 年才会被超过一次的损失是多少？ 略去了： 罕见的极端事件依据的是很短的记录，建筑物的脆弱性也是估计的。 运行于：约 10^11 FLOPS 粗略 在集群上处理大型事件目录。 自： 1972 Friedman, insurance and the natural hazards. [来源](https://doi.org/10.1017/s0515036100005699) [蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：种群 ### 银行间网络中的金融传染 用贷款相连的银行受到冲击，追踪银行倒闭如何从一家蔓延到下一家，以衡量系统性风险。 它回答的问题: 一家银行倒闭会在整个系统中蔓延多远？ 略去了： 风险敞口只能部分观测到，银行的行为是固定的。 运行于：约 10^7 FLOPS 粗略 在工作站上运行出清算法。 自： 2001 Eisenberg and Noe, systemic risk in financial systems. [来源](https://doi.org/10.1287/mnsc.47.2.236.9835) [网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：规则 ### 动力学财富交换模型 智能体像碰撞的气体粒子一样两两随机交换金额，财富分布由此涌现。 它回答的问题: 简单的随机交换能否产生观察到的不平等？ 略去了： 交换规则忽略了生产、信贷和制度。 运行于：约 10^6 FLOPS 粗略 在笔记本电脑上模拟数百万次交换。 自： 2000 Dragulescu and Yakovenko, statistical mechanics of money. [来源](https://doi.org/10.1007/s100510070114) [蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[粒子与 N 体](https://simulation-hypothesis.com/zh/simulations/methods#m-particles)精度下限：规则 ### 灾害经济波及模型 一个描述各行业如何相互供给的投入产出模型，在灾后受到产能损失的冲击，短缺沿着供应链层层传递。 它回答的问题: 当灾害使一些行业停摆时，总的经济成本是多少？ 略去了： 固定的技术系数夸大了刚性，也忽略了企业更换供应商。 运行于：约 10^6 FLOPS 粗略 在笔记本电脑上运行矩阵模型。 自： 2008 Hallegatte，一个自适应的区域投入产出模型，用于估算卡特里娜飓风的经济损失。 [来源](https://doi.org/10.1111/j.1539-6924.2008.01046.x) [微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)精度下限：规则 ### 电力市场基于智能体的模型 发电商反复向市场出价，从利润中学习，价格走势显示规则如何影响结果。 它回答的问题: 拍卖规则会带来更低的价格，还是导致串通出价？ 略去了： 企业的学习规则是假定的。 运行于：约 10^7 FLOPS 粗略 在工作站上做重复拍卖模拟。 自： 2001 Bower and Bunn, experimental analysis of the efficiency of uniform-price versus discriminatory auctions. [来源](https://doi.org/10.1016/s0165-1889%2800%2900036-1) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[博弈论](https://simulation-hypothesis.com/zh/simulations/methods#m-game-theory)[演化](https://simulation-hypothesis.com/zh/simulations/methods#m-evolutionary)精度下限：种群 ### 流行病与经济耦合模型 把流行病模型与经济模型连接起来，感染会减少工作和消费，经济上的选择又会改变传播。 它回答的问题: 挽救的生命与损失的产出之间怎样权衡？ 略去了： 行为被假定为理性而统一的。 运行于：约 10^6 FLOPS 粗略 在笔记本电脑上做动态优化。 自： 2020 Eichenbaum, Rebelo and Trabandt, the macroeconomics of epidemics. [来源](https://doi.org/10.3386/w26882) [微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：种群 ### 闪崩市场模型 多种交易主体，包括快速的自动卖家和缓慢的基本面买家，在一个期货市场模型中相互作用，显示价格骤跌如何积累并恢复。 它回答的问题: 一笔大额卖单加上稀薄的流动性，能否单靠自己引发全市场的价格暴跌？ 略去了： 这些智能体的策略只是对真实企业的简单替身，而真实企业的算法是保密的，所以它讲的故事是合理的，却未经验证。 运行于：约 10^11 FLOPS 粗略 在集群上数小时，用于交易日的集合模拟。 自： 2012 Paddrik 及同事的 E-Mini S&P 500 期货市场主体模型，应用于 2010 年闪电崩盘。 [来源](https://doi.org/10.1109/cifer.2012.6327800) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[离散事件](https://simulation-hypothesis.com/zh/simulations/methods#m-discrete-event)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：种群 ### 算法定价共谋 从销售结果中学习的定价程序被放进模拟市场，看它们是否会在从不交谈的情况下一起收取高价。 它回答的问题: 使用学习算法的独立卖家能否逐渐把价格维持在竞争水平之上？ 略去了： 这些市场很小，只有几家企业和相同的商品，而真实的企业使用更丰富的信息和设计。 运行于：约 10^9 FLOPS 粗略 在工作站上重复数百万轮。 自： 2019 Calvano、Calzolari、Denicolò 和 Pastorello 对 AI 算法定价与共谋的研究。 [来源](https://doi.org/10.2139/ssrn.3304991) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)[博弈论](https://simulation-hypothesis.com/zh/simulations/methods#m-game-theory)精度下限：种群 ### 语言模型宏观经济主体 语言模型主体在模拟经济中扮演家庭和企业，用语言决定工作、消费和储蓄的多少，并测量总产出和通货膨胀。 它回答的问题: 用语言推理的智能体，能否重现真实宏观经济的规律？ 略去了： 这些智能体的行为来自它们学到的文本，可能反映的是人们写下的关于经济学的内容，而不是人们实际的行为方式。 运行于：约 10^16 FLOPS 粗略 一百个主体、数十年的模拟时间，需要数百万次模型调用。 自： 2023 Li 及同事的 EconAgent，用于模拟宏观经济活动的语言模型主体。 [来源](https://arxiv.org/abs/2310.10436) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：种群 ## 人类学与考古学 ### 重建的古代社会 一个过去社会中的农耕家庭，生活在根据气候和土壤记录重建的模拟地貌上，比如美国西南部祖先普韦布洛人的村落。 它回答的问题: 为什么人们在这个山谷定居，又为什么放弃了它？ 略去了： 取决于气候和作物产量的重建，而这些重建本身就带有很大的不确定性。 运行于：约 10^12 FLOPS 粗略 大学集群，运行数百年的模拟家庭 自： 2002 Axtell、Epstein、Dean、Gumerman 及其同事对 Long House Valley 的 Kayenta Anasazi 所建的模型 [来源](https://profiles.wustl.edu/en/publications/population-growth-and-collapse-in-a-multiagent-model-of-the-kayen/) 在模拟树中: [人工阿那萨齐](https://simulation-hypothesis.com/zh/trees/simulations?n=soc-anasazi) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### 人类扩散 早期人类种群随着气候和海岸线变化而扩散到各大洲。 它回答的问题: 人类何时、沿哪些路线到达各个大陆？ 略去了： 路线和日期取决于气候和遗传估计，而这些估计一直在变。 运行于：约 10^12 FLOPS 粗略 大学集群，模拟种群在各大洲之间的扩散 自： 2008 到 2008 年，早期基于智能体的走出非洲人类扩散模拟 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[元胞自动机](https://simulation-hypothesis.com/zh/simulations/methods#m-cellular-automata)精度下限：种群 ### 狩猎采集经济 游群觅食、迁移营地和分享食物。 它回答的问题: 为什么在狩猎采集者中，分享食物会变得普遍？ 略去了： 少数几个幸存群体的民族志数据，被拿来代表范围更广的古代多样性。 运行于：约 10^11 FLOPS 粗略 台式工作站模拟一个狩猎采集者游群的觅食与分享决策 自： 1994 早期基于智能体的狩猎采集者食物分享决策模型 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### 古代的贸易与交换 由小路和海路连接的聚落，物品和思想在它们之间流动。 它回答的问题: 黑曜石、陶器或思想是怎样传播得那么远的？ 略去了： 留存下来的人工制品，只是所有实际移动过的东西中极少且有偏差的样本。 运行于：约 10^11 FLOPS 粗略 台式工作站为一个聚落网络间的交换建模 自： 2007 到 2007 年，早期的罗马时代贸易路线网络模型 [网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### 人口微观模拟 一个合成人群，逐年经历出生、结伴、迁移和死亡。 它回答的问题: 人口会如何老龄化，这对养老金和护理意味着什么？ 略去了： 个体人生事件概率中的误差，会在一个模拟的人生里不断叠加。 运行于：约 10^13 FLOPS 粗略 大学集群，模拟合成人群的人生事件 自： 1957 Orcutt 最初构建的美国人口微观模拟模型 模型： [人类](https://simulation-hypothesis.com/zh/entities/human) [蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：身体 ### 纪念建筑的建造与工程复原 一座古代纪念碑的结构荷载、劳动和后勤，通过模拟各种候选的建造方法，对照实物遗存能承受什么、不能承受什么来检验。 它回答的问题: 这座纪念碑真的能按传统或主流理论所说的方式建成吗？ 略去了： 几种相互竞争的建造方法，往往对留存下来的证据拟合得同样好。 运行于：约 10^11 FLOPS 粗略 台式工作站运行结构与劳动力物流模型 自： 1997 早期检验埃及金字塔施工坡道能否奏效的模拟 [微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ## 政策与组织 ### 税收与福利微观模拟 把一项拟议的税收或福利变动应用到大量真实家庭的样本上。 它回答的问题: 这一改变让谁得益、谁受损，各有多少？ 略去了： 假定人们不会因政策而改变行为，而他们有时会改变。 运行于：约 10^12 FLOPS 粗略 大学集群，把规则应用到大样本的家庭上 自： 1976 Orcutt 及同事对美国税收政策的 DYNASIM 微观模拟 [蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[规则与状态](https://simulation-hypothesis.com/zh/simulations/methods#m-rules)精度下限：身体 ### 世界模型 人口、粮食、工业、资源和污染，作为全球尺度上的存量与反馈回路。 它回答的问题: 资源有限的世界在持续增长下会怎样？ 略去了： 几个全球性的存量，掩盖了所有地区和国家之间的差异。 运行于：约 10^10 FLOPS 粗略 台式工作站求解一个全球存量-流量模型 自： 1971 Forrester 的 World2，发表于 World Dynamics；《增长的极限》所用的 World3 于 1972 年随后问世 [来源](https://en.wikipedia.org/wiki/World3) 在模拟树中: [World3](https://simulation-hypothesis.com/zh/trees/simulations?n=soc-world3) [系统动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-system-dynamics)精度下限：种群 ### 组织与团队 成员、问题和决策在组织中流转。 它回答的问题: 为什么组织会做出它们那样的决定？ 略去了： 真实的组织政治和个性很难归结为决策规则。 运行于：约 10^10 FLOPS 粗略 台式工作站模拟决策在组织中的流转 自： 1963 Cyert 和 March 的组织决策模拟模型 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：身体 ### 可计算一般均衡建模 把整个经济中的各行业、家庭和政府重建成一个所有市场必须同时出清的体系，然后用一项税收或贸易政策冲击它，看价格和产出落在哪里。 它回答的问题: 这次政策变化之后，整个经济如何重新平衡？ 略去了： 假定市场会干净利落地稳定到新的均衡，忽略了实际中杂乱无章的过渡。 运行于：约 10^11 FLOPS 粗略 小型集群，求解一个庞大的市场出清方程组 自： 1972 Shoven 和 Whalley 的税收政策应用一般均衡模型 [微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：种群 ### 机构腐败与廉洁建模 官员和市民决定是否行贿、举报或服从，每个人都对腐败已有多普遍和被抓住的可能性有多大作出反应。 它回答的问题: 为什么腐败在有些机构里依然罕见，在另一些机构里却成了常态？ 略去了： 真实的腐败本来就被设计成隐藏的，所以输入模型的数字是粗略的估计。 运行于：约 10^10 FLOPS 粗略 台式工作站运行基于智能体的合规模型 自： 2002 早期基于智能体的腐败如何在机构内部扩散的模型 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[博弈论](https://simulation-hypothesis.com/zh/simulations/methods#m-game-theory)精度下限：规则 ### 政策扩散网络模型 一个政府采用某项法律或计划，通过彼此之间的联系传播到其他政府，这些联系可以是邻国、贸易伙伴或共同的专业网络。 它回答的问题: 为什么有些政府很快就会照搬一项政策，另一些却始终不采用？ 略去了： 在纸面上照搬一项政策，比它在别处是否同样奏效更容易建模。 运行于：约 10^10 FLOPS 粗略 台式工作站模拟政策在政府网络中的扩散 自： 1990 到 1990 年，早期的政府间政策扩散网络模型 [网络模型](https://simulation-hypothesis.com/zh/simulations/methods#m-network)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：种群 ### 语言模型主体组织 语言模型主体扮演经理、程序员和测试员等角色，协作开发软件。 它回答的问题: 一队扮演不同角色的智能体，能否完成多步骤的组织任务？ 略去了： 输出取决于提示，而真实的人类组织摩擦并不存在。 运行于：约 10^14 FLOPS 粗略 每个项目需要多次模型调用 自： 2023 ChatDev: communicative agents for software development (2023) [来源](https://arxiv.org/abs/2307.07924) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)精度下限：规则 ### 基于语言的谈判主体 智能体把语言模型与战略规划结合起来，在一款多人游戏里通过彼此交谈来谈判并结盟。 它回答的问题: 智能体能否在开放式谈判中与人类一起说服和规划？ 略去了： 只有一个游戏的规则，而且它无法推理长期的信任。 运行于：约 10^16 FLOPS 粗略 大规模训练加对局时规划 自： 2022 Human-level play in the game of Diplomacy by combining language models with strategic reasoning (2022) [来源](https://doi.org/10.1126/science.ade9097) [习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)[博弈论](https://simulation-hypothesis.com/zh/simulations/methods#m-game-theory)精度下限：规则 ### 阿片类药物流行的系统动力学 处方药使用者、滥用者、海洛因使用者和死者的存量通过反馈以及供应限制、治疗等政策杠杆相连。 它回答的问题: 哪种政策组合能减少阿片类药物导致的死亡？ 略去了： 非法供应的变化比模型适应的速度快。 运行于：约 10^5 FLOPS 粗略 在笔记本电脑上做存量-流量模拟。 自： 2013 Wakeland 等人，对模拟的教育干预如何影响药用阿片类药物使用的建模。 [来源](https://doi.org/10.1177/1090198113492767) [系统动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-system-dynamics)精度下限：种群 ### 深度不确定性下的探索性建模 一个模型在数千种未知输入和政策的组合上运行，找出稳健的策略，而不是只针对某一次预测的最优策略。 它回答的问题: 哪种政策在最广泛的各种未来中都可以接受？ 略去了： 所探索的未来范围，仍由分析者来选定。 运行于：约 10^10 FLOPS 粗略 在集群上运行基础模型的集合。 自： 1993 Bankes, exploratory modelling for policy analysis. [来源](https://doi.org/10.1287/opre.41.3.435) [蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：规则 ### 供应链动力学与牛鞭效应 订单和库存经工厂、分销商和零售商流动，伴随着延迟，需求的小变化在上游被放大成大幅波动。 它回答的问题: 为什么需求的小小变化会在上游引起巨大的订单波动？ 略去了： 真实的企业会对模型漏掉的信息作出反应。 运行于：约 10^5 FLOPS 粗略 在笔记本电脑上做存量-流量模拟。 自： 1958 Forrester, industrial dynamics: a major breakthrough for decision makers. [来源](https://doi.org/10.1007/978-3-642-27922-5%5F13) [系统动力学](https://simulation-hypothesis.com/zh/simulations/methods#m-system-dynamics)[离散事件](https://simulation-hypothesis.com/zh/simulations/methods#m-discrete-event)精度下限：规则 ## 法律、司法与选举 ### 选举与投票制度模拟 让同一批选民和候选人分别按不同的投票规则选举，比如简单多数制、排序选择制或比例代表制，比较实际上谁会获胜。 它回答的问题: 换一种投票制度，这场选举的赢家会不同吗？ 略去了： 假定选民的偏好保持固定，尽管换一种制度会改变人们的投票方式。 运行于：约 10^10 FLOPS 粗略 台式工作站在不同投票规则下运行选举 自： 1975 早期比较不同投票规则结果的计算机模拟 [蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)[博弈论](https://simulation-hypothesis.com/zh/simulations/methods#m-game-theory)精度下限：规则 ### 法院与案件流转模拟 案件到达、等待开庭并在法院系统的各个阶段流转，用来看积压在哪里形成，以及增加法官或法庭会产生什么影响。 它回答的问题: 清理这个法院积压的案件要多久，真正能加快速度的是什么？ 略去了： 真实案件的复杂性和人的裁量，比排队模型假定的变化更大。 运行于：约 10^10 FLOPS 粗略 台式工作站运行病例流转的离散事件模型 自： 1976 早期对美国法院案件积压的离散事件模拟 [离散事件](https://simulation-hypothesis.com/zh/simulations/methods#m-discrete-event)[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：规则 ### 量刑与再犯风险建模 把一个人的过往记录放进统计模型，评分他再犯的可能性有多大，用来辅助假释、保释或量刑的决定。 它回答的问题: 根据有类似记录的人，这个人再次犯罪的可能性有多大？ 略去了： 由群体统计数据得出的评分，用在某一个人身上可能出错，偏高偏低都有可能。 运行于：约 10^11 FLOPS 粗略 台式工作站用病例记录拟合一个风险模型 自： 1928 Burgess 预测假释成功的精算量表，早期的风险模型 [习得的仿真器](https://simulation-hypothesis.com/zh/simulations/methods#m-learned)[蒙特卡罗](https://simulation-hypothesis.com/zh/simulations/methods#m-monte-carlo)精度下限：规则 ### 警务与巡逻部署模拟 一座城市里的巡逻单位和报告的事件，用来检验把警员分配到各区域的不同方式会如何改变响应时间和覆盖范围。 它回答的问题: 该把巡逻队派往哪里，才能最大程度缩短响应时间？ 略去了： 历史犯罪数据可能带有过去警力部署位置上的偏见。 运行于：约 10^10 FLOPS 粗略 台式工作站运行巡逻部署的排队模型 自： 1972 Larson 用于警察巡逻部署的超立方排队模型 [随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)[离散事件](https://simulation-hypothesis.com/zh/simulations/methods#m-discrete-event)精度下限：身体 ### 立法谈判与联盟模拟 在政策空间中持有各自立场的政党，通过谈判组成联盟来通过法案或组建政府，使用关于谁提议、谁必须同意的规则。 它回答的问题: 哪个联盟真正会组成，最后会妥协到什么地步？ 略去了： 真实的联盟是围绕人物和历史形成的，而空间模型把这些漏掉了。 运行于：约 10^10 FLOPS 粗略 台式工作站求解一个空间联盟议价模型 自： 1980 早期对议会中空间投票和联盟形成的模拟 [博弈论](https://simulation-hypothesis.com/zh/simulations/methods#m-game-theory)[基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)精度下限：规则 ### 陪审团决策模拟 个体陪审员最初看法各不相同，在多数裁决或一致裁决等规则下商议，看群体最终得出什么裁决，以及经过了多少说服。 它回答的问题: 裁决反映的是证据的强度，还是仅仅反映了审议的动态？ 略去了： 实验室陪审团审理模拟案件，表现可能与面对真实利害的真陪审团不同。 运行于：约 10^9 FLOPS 粗略 笔记本电脑运行社会决策方案的协商模型 自： 1983 Davis 及其同事的陪审团审议的社会决策方案模型 [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[随机过程](https://simulation-hypothesis.com/zh/simulations/methods#m-stochastic)精度下限：规则 ### 犯罪热点动态 犯罪者在城市里移动，被吸引到过去发生过犯罪的地方，由此产生的热点会增长、移动，并对警务作出反应。 它回答的问题: 热点是如何形成的，巡逻能把它们赶走吗？ 略去了： 犯罪者的动机被简化了，犯罪报告也不完善。 运行于：约 10^7 FLOPS 粗略 基于智能体的城市模拟，在工作站上即可运行。 自： 2008 Short 及同事，犯罪行为的统计模型。 [来源](https://doi.org/10.1142/s0218202508003029) [基于主体](https://simulation-hypothesis.com/zh/simulations/methods#m-agent-based)[微分方程](https://simulation-hypothesis.com/zh/simulations/methods#m-equations)精度下限：种群 [◂ 农业与食品](https://simulation-hypothesis.com/zh/simulations/agriculture-food)[工程与技术 ▸](https://simulation-hypothesis.com/zh/simulations/engineering)