关键观点
仿真的目标不是预测,而是找到改变未来的路径
June反复强调,用户真正关心的通常不是一个被动的结果预测,而是“现在该做什么”才能避开坏结果、逼近好结果。这个定义把仿真和传统预测区分开了:预测只告诉你销量会跌,仿真则试图解释有哪些杠杆、顺…展开观点收起观点
June反复强调,用户真正关心的通常不是一个被动的结果预测,而是“现在该做什么”才能避开坏结果、逼近好结果。这个定义把仿真和传统预测区分开了:预测只告诉你销量会跌,仿真则试图解释有哪些杠杆、顺序和副作用会导致不同结局。访谈里他用《基地》中的心理史学举例,说明最优路径的第一步可能非常反直觉。换言之,仿真被他定义为一种目标导向的因果搜索工具,而不是答案生成器。
为什么重要: 这决定了仿真的商业和社会价值边界。只有当系统能支持干预设计而不是静态判断时,它才足以进入产品、政策和战略决策流程。
支撑证据
What they want to know is, "Well, what do we need to do now to avoid that future?" That's caus mechanism.
行为基础模型的关键,不是网页文本,而是“人真实怎么做”
June认为互联网语料主要提供的是自我暴露的态度数据,以及零散的行为痕迹,但还不足以刻画人类深层行为机制。为此,他把建模数据分成三类:深度访谈、观察性行为数据、以及最关键但最稀缺的RCT因果数…展开观点收起观点
June认为互联网语料主要提供的是自我暴露的态度数据,以及零散的行为痕迹,但还不足以刻画人类深层行为机制。为此,他把建模数据分成三类:深度访谈、观察性行为数据、以及最关键但最稀缺的RCT因果数据。前两类让模型知道一个人是谁、平时怎么行动,第三类则帮助模型理解在变量变化时行为为何改变。这个框架的核心不是“更多数据”四个字,而是把行为、解释和因果拆开建模。
为什么重要: 如果没有因果层,系统最多只能模仿表面偏好,难以支撑反事实推演。对任何希望用仿真指导决策的人来说,这是一条硬约束。
支撑证据
And it has yet to learn really deep behavioral nature of people. Not just what people say they do online, but they what they actually do in real life.