Webinar: AI Agent Simulation of Human Behavior with Michael Bernstein

摘要

本場次探討 AI 模擬人類行為的潛力與挑戰。教授指出，由於決策常基於不完整的資訊，我們常做出錯誤猜測。雖然 Agent-based models 和生成式模擬已有應用，但現有方法往往過於簡化或刻板。研究團隊透過長期訪談與大語言模型結合，成功建立了能準確複製人類態度與行為的「生成式代理人」，並驗證其能進行蒙特卡洛模擬以預測更可能的結果。

This session explores the potential and challenges of simulating human behavior with AI agents. The professor notes that decisions often rely on incomplete information, leading to errors. While Agent-based models and generative simulations exist, they are often too simplified or stereotypical. The R…

重點

• 決策常基於不完整資訊，易導致錯誤猜測。
• 現有 Agent-based models 過於簡化，缺乏真實行為。
• 透過訪談與大語言模型結合，可建立準確複製人類行為的生成式代理人。

提到的工具與公司

• OpenAI

適合誰看

企業管理者、政策制定者、產品設計師及對 AI 決策模擬感興趣的研究人員。

摘要依據

依據

自動字幕

為什麼排在這裡

人氣

0.91

新鮮

0.99

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Simulation: the new Scaling Law — Joon Sung Park, Simile AIPodcast ・ Latent Space ・ 1 小時 10 分（在新分頁開啟原站）
• 【生成式AI時代下的機器學習(2025)】第二講：一堂課搞懂 AI Agent 的原理 (AI如何透過經驗調整行為、使用工具和做計劃)影片 ・ Hung-yi Lee ・ 1 小時 42 分（在新分頁開啟原站）
• Lec10 人類社會行為的多重主體模擬 Multi-agent Simulation of Human Social Behaviors影片 ・ NYCU OCW ・ 1 小時 47 分（在新分頁開啟原站）
• Lec14 人類社會行為的多重主體模擬 Multi-agent Simulation of Human Social Behaviors影片 ・ NYCU OCW ・ 1 小時 29 分（在新分頁開啟原站）