内容摘要
这场访谈的核心观点是：高价值仿真不是更会“猜答案”的问卷机器人，而是能基于真实行为、因果机制和群体互动，帮助人类找到“如何改变未来”的路径。June把这条路线定义为从理解人的社会物理学出发，最终走向可模拟整个社会的大规模行为基础设施。
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。