Создатель Smallville рассказал, как ИИ научили копировать поведение людей на 85% — и зачем симулировать всю Землю

Джун Сон Пак, автор нашумевшей статьи о генеративных агентах и виртуальном городке Smallville, в интервью подкасту Latent Space впервые подробно объяснил, как его компания Simile создаёт цифровых двойников людей — и почему конечная цель проекта звучит почти как научная фантастика: симуляция всех 8 миллиардов жителей планеты.

Идея зародилась ещё в 2020 году в Стэнфорде, когда Пак вместе с будущими сооснователями Simile — Майклом Бернстайном и Перси Лянгом, который ввёл в оборот сам термин «foundation model», — играл в «игру с машиной времени»: если заглянуть на десять лет вперёд, какое применение новых языковых моделей окажется самым важным? Ответом стала не автоматизация рутинных задач, а попытка воссоздать сам мир, в котором живут люди.

Ключевое наблюдение Пака: современные модели вроде GPT и Claude обучены на данных из интернета — это в основном то, что люди говорят о себе, а не то, что они реально делают. Поэтому даже самые мощные ИИ плохо предсказывают настоящее человеческое поведение: по словам Пака, на нишевых группах точность фронтир-моделей иногда падает до 20–30%, а на широких выборках держится в районе 50–60%. Simile же в статье о создании цифровых двойников тысячи реальных людей — участников испытывали два часа интервью и поведенческих экспериментов, а затем сравнивали ответы их цифровых копий с реальными результатами — добилась совпадения на уровне 85%.

Пак подчёркивает: главная сложность не в том, чтобы модель рассуждала логично, а в том, чтобы она ошибалась так же, как реальные люди — с их иррациональностью, привычками и предвзятостью, а не как «супер-рациональная машина». Для этого команда собирает три типа данных: подробные жизненные интервью, наблюдательные поведенческие данные и — самое сложное и ценное — данные рандомизированных контролируемых испытаний, которые показывают не что человек делает, а почему.

В разговоре Пак ссылается на нобелевского лауреата Томаса Шеллинга и его модель сегрегации 1970-х — простой пример того, как агентное моделирование раскрывало неочевидные социальные механизмы задолго до появления генеративного ИИ. Он проводит и параллель с сай-фай: примерно так же психоистория у Азимова предсказывала не события, а траекторию, которую нужно пройти, чтобы прийти к нужному будущему — именно в этом Пак видит смысл симуляции, в отличие от простого прогноза.

Среди амбиций компании — не только тестирование продуктов и маркетинговых сообщений для клиентов вроде Gallup, CVS и Wealthfront, но и попытки смоделировать решение таких проблем, как изменение климата, признаки распада демократий и вопрос безусловного базового дохода: Пак вспоминает, что похожее исследование по UBI в Африке финансировал лично Сэм Альтман, и заняло оно годы и десятки миллионов долларов — тогда как симуляция, по его расчётам, способна дать похожие ответы почти мгновенно.

Рынок маркетинговых исследований, для сравнения, оценивается в 100 миллиардов долларов, но Пак называет эту цифру лишь отправной точкой: если технология действительно способна информировать любые решения, касающиеся людей, потолок рынка оценить попросту невозможно. Сегодня в Simile около 60 сотрудников — компания базируется в Сан-Франциско и недавно открыла офис в Нью-Йорке.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.