摘要

從虛假社交媒體賬號、生成式人工智能聊天機器人到交易算法和自動駕駛汽車，機器人、機器人程序和算法正在大量涌現并滲透到我們的通信渠道、社交互動、經濟交易和交通動脈中。由多個相互依存、相互作用的人類和智能機器組成的網絡構成了復雜的社交系統，其集體結果無法僅從人類或機器的行為中推斷出來。在此背景下，我們回顧了近期的研究，并在高頻交易市場、社交媒體平臺、開放協作社區和討論論壇等豐富的語境示例中，識別出了競爭、協調、合作、傳染和集體決策等情況下的普遍動態和模式。為了確保更強大、更有韌性的“人機社區”，我們需要一種新的關于人類和機器的社會學。研究人員應使用復雜系統方法研究這些社區；工程師應明確為人類與機器以及機器與機器之間的互動設計人工智能。并且監管機構應當管理好人類與機器之間的生態多樣性以及社會共同發展。

關鍵詞：人機交互（Human-Machine Interaction）、復雜系統、算法社會學（Sociology of Algorithms）、社交機器人（Social Bots）、金融市場、信息傳播、集體決策

彭晨丨作者

集智俱樂部聯合山東工商學院教授高德華、天津大學教授薛霄、北京師范大學教授張江、國防科技大學博士研究生曾利共同發起，邀你加入，共探人工社會的未來圖景～

論文題目：A new sociology of humans and machines 發表時間：2024年10月22日 論文地址：https://www.nature.com/articles/s41562-024-02001-8 論文期刊：Nature Human Behaviour

從自動駕駛汽車到ChatGPT，從高頻交易算法到社交媒體機器人，機器（包括算法、機器人和程序）正以前所未有的密度滲透人類社會的溝通、經濟活動和公共空間。人類與機器的交互網絡構成了一種新型復雜社會系統，其集體行為無法僅通過單獨分析人類或機器來預測。Nature Human Behaviour 近期發表的視角文章指出，傳統社會學理論已不足以解釋這類混合系統的動態，亟需建立一門“人類與機器的新社會學”。

構建人機社會系統新范式

傳統的社會科學多將技術視為中介或背景，而非具有獨立能動性的“主體”。本文借鑒社會技術系統、行動者網絡理論（actor–network theory）等思路，提出“人機社會系統”（H–M social systems）的概念。在這一框架下，人類與機器——包括軟件機器人（bots）、自動化算法（algorithms）和實體機器人（robots），共同形成一個互為依賴、交織互動的整體。系統的集體結果往往呈現非線性網絡效應與涌現特征，無法簡單還原為個體偏好或單元行為之和。

人與機器的相互作用

人類與機器的交互，和人類之間的互動相比，既有相似之處，也存在明顯差異。一方面，根據“計算機即社會行為者”（Computers as Social Actors, CASA）研究，人們會對機器產生“禮尚往來”的心態、賦予它們能力和道德品質，甚至對機器人遭遇不公感同身受。另一方面，人機互動過程中會激發的社會情緒常更平緩，人們對機器錯誤的容忍度更低，且在合作與共享方面表現更理性與自利。機器在交互中具有更高的執行精度、海量信息訪問能力和持久性，卻缺少人類的情境適應與社會影響易感特征。

圖 1. 人機社會系統（H-M social systems）包括多種算法、機器或機器人，它們彼此之間以及在群體和網絡中與人類互動。現有的領域傾向于將機器作為媒介或接口，而不是自主行為者或主體，專注于它們的認知和決策，而不是與人類的互動。我們呼吁建立一種新的人類和機器社會學，以研究這些復雜系統中的人類行為、機器行為以及H-H、H-M和M-M相互作用。

競爭格局：高頻交易與拍賣市場

在競爭（Competition）情境中，多智能體為不可共享的目標展開博弈。高頻交易（High-Frequency Trading, HFT）算法通過超高速、大規模交易消除市場錯價、提高流動性，卻也可能放大價格波動和誘發閃崩。實驗研究表明，算法交易可提升市場效率，卻削弱人類交易者的表現；在拍賣中，“狙擊”算法（sniping algorithms）利用出價時機優勢擊敗新手競拍者，整體賣家并未獲得明顯好處，反而降低了平臺回頭客的活躍度。

社會協調與合作：機器的擾動與潛伏

協調（Coordination）問題要求群體在標準或策略上達成一致，例如交通習慣或協同選擇網絡路徑。研究發現，當網絡中嵌入少量帶有小幅隨機行為的機器人（bots）時，群體能跳出次優平衡，加速全局協調。這些“噪聲”干預并非通過模仿人類，而是利用非人化的隨機性擾動，在遇到卡殼局面時尤為有效。

另一方面，在社會合作等問題中，通常依賴人們遵守互惠、公平和誠實的規范。若一旦知曉對方是機器，即便是表現出善意協作的算法，也會顯著降低人類的合作意愿。研究者在一項基于演化博弈模擬與在線實驗中發現，潛伏的機器人（covert cooperative bots）如果表現得策略簡單、保持始終合作的態度，并在網絡中分散布局，可通過示范效應及模仿機制促進整體的合作；而一旦機器身份被揭露，其促進效應很快衰減，合作提升的效果無法擴散至全局。

圖 2. H-M社會系統中的集體結果不同于人類社會系統中的集體結果。機器的行為與人類不同，在具有隱蔽人工主體的社會系統中，集體結果將僅僅因為這一事實而不同——即使人類沒有意識到機器的存在，也不會改變自己的行為。此外，這兩類行為者及其相互作用是相互依存、相互影響的。因此，懷疑或意識到機器的存在可以改變人類的行為，與機器互動和觀察M-M互動可以影響人類如何對待彼此。

傳播效應：社交機器人的隱形操控

當今的傳播現象（Contagion）側重信息、情緒和行為在網絡中的擴散。社交媒體平臺上，機器人賬號通常在直接與個體互動中表現平凡，但卻能憑借數量優勢和策略性觸發深度鏈式反應。推特的研究案例發現，一些弱影響力的機器人在有針對性地選擇與核心用戶互動后，傳達的信息會通過轉發獲得廣泛傳播，從而助長謠言、情緒極化與選舉操縱。也就是說，機器人互動的直接效力微弱，卻因隱蔽的持續性互動和網絡放大效應（network amplification）而成倍放大集體水平的影響。

群體決策：智者與“機器智者”共融

群體決策探討如何通過個體意見匯聚提高判斷準確度，混合智慧（Hybrid Intelligence）研究揭示，引入算法的多樣性可打破人群的羊群效應（即從眾效應，個體在判斷或決策時，因環境不確定、信息不完全或出于對社會認同的需求，而傾向于觀察并復制他人行為的一種社會心理現象），激發新穎解法并提升個體決策質量。然而，當算法給出的建議對個體來說過于陌生，或超出現有認知范疇時，人類往往難以采納，無法影響個體決策。臨床診斷、眾包科學（citizen science）與預測市場方面的實踐表明，機器輔助可短期提升效率，卻可能降低志愿者參與熱情，機器影響效率和參與度方面還有待權衡。

構建穩健的人機社會：跨學科行動藍圖

工程師應針對不同情境設計專屬 AI，并融合情境感知、情緒識別與倫理敏感度。例如在交通協調中引入隨機節點緩解擁堵，在市場交易中部署理性裁定算法以抑制極端波動。參考阿西莫夫三大法則，可為機器–機器（M–M）互動制定層級化行為規范，以保障系統可控與社會和諧。

政策制定者需將 AI 視為多樣化的機器生態（multiplicity of machines），而非單一威脅。通過鼓勵生態多樣性與制度韌性，避免同質化算法導致系統性風險。監管應覆蓋算法透明度、身份標識與互動規則，促進人機協同的長期可持續發展，同時預防隱蔽操縱、隱私侵害和社會分裂。

重新定義“社會性”的邊界

當機器成為社會網絡的活躍節點，傳統的社會學概念都需要被重新詮釋。本文通過跨領域證據表明，機器的“非人性”恰是其在混合系統中的獨特價值：它們以超理性對抗人類偏見，以持久性維持系統韌性，又以異質性激發創新。未來，這門“新社會學”不僅關乎技術治理，更將重塑我們對人類集體行為的根本理解。

「大模型時代下的Agent建模與仿真」讀書會

大模型賦能的智能體展現出三大革命性特征：認知深度（能夠進行類人的推理和決策，甚至展現出記憶、學習和個性特征）、動態交互（基于自然語言的自主協商和社交行為）以及涌現行為（微觀交互產生更復雜的宏觀社會現象）。這些特性使得我們可以構建前所未有的"高保真社會模擬器"，為理解經濟、社會、管理、軍事等復雜系統提供了全新視角。

因此，集智俱樂部聯合山東工商學院副教授高德華、天津大學教授薛霄、北京師范大學教授張江、國防科技大學博士研究生曾利共同發起。讀書會自2025年7月8日開始，每周二晚上7:30-9:30進行，預計持續分享8周左右。掃碼加入Agent建模與仿真的前沿探索之旅，一起共學、共創、共建、共享「大模型時代下的Agent建模與仿真」社區，共同暢想大模型時代人工社會的未來圖景！

詳情請見：

「大模型時代下的人機交互與協同」

讀書會

集智俱樂部聯合中國科學技術大學教授趙云波、華東師范大學副教授吳興蛟兩位老師共同發起。本次讀書會將探討：

人類智能和機器智能各自的優勢有哪些？智能邊界如何？如何通過更有效的標注策略和數據生成技術來解決數據稀缺問題？如何設計更加高效的人機協作系統，實現高效共贏的效果？如何提高機器決策的可解釋性與透明性，確保系統的可信度？如何通過多模態協作融合不同感知通道，應對復雜的決策任務？

讀書會計劃從6月21日開始，每周六晚19:00-21:00進行，預計持續約8周。誠摯邀請領域內研究者、尋求跨領域融合的研究者加入，共同探討。

詳情請見：

1.

2.

3.

4.

5.

6.