AI群体行为 AI群体行为：大模型如何互相影响

AI群体行为：大模型如何互相影响

实验室里的灯光在午夜依然亮着。研究员小王盯着屏幕上跳动的代码，突然发现一个奇怪现象——当他让十个AI模型同时回答同一个问题时，最先输出的答案会像野火般蔓延，后续模型纷纷放弃自己的判断，转而复制前者的答案。这场景让他想起大学食堂里排队买奶茶的队伍：明明有五个窗口，人群却总在某个瞬间齐刷刷涌向同一个方向。

这种现象在人类社会中被称为“羊群效应”，而现在，它正在AI群体中复现。2025年5月27日发表在arXiv的预印本研究《Herd Behavior: Investigating Peer Influence in LLM-based Multi-Agent Systems》首次系统性地揭示了这一现象。当大语言模型（LLM）组成多智能体系统时，它们会像人类一样被同伴的观点左右，而这种“跟风”行为竟可以通过调整参数来控制强弱。

自信与从众的微妙拉锯战

实验中最有趣的发现莫过于“信心差值”效应这种妥协并非盲目——如果自身置信度高于同伴，模型坚持己见的可能性会骤增到82%。

这让人联想到2008年金融危机的场景。当时雷曼兄弟的分析师私下对次贷产品心存疑虑，但看到其他投行都在疯狂交易，最终选择沉默。AI的“从众阈值”恰似人类社会的“沉默螺旋”，只不过前者被精确量化成了参数矩阵中的数值。

结果前者产生的羊群效应强度仅有后者的三分之一。“就像公司开会时，”论文第一作者张博士解释，“如果只听到同事说‘我反对’，你可能会附和；但若对方详细阐述了反对理由，你反而会更理性地权衡。”

信息呈现方式决定跟风程度

实验中，当同伴意见以“权威专家建议”的形式呈现时，模型跟风率比“随机网友评论”情境高出40%。更耐人寻味的是，如果让AI先独立完成思考再展示同伴答案，从众行为会减少一半以上。这种“独立思考保护期”效应，与教育心理学中“先答题后讨论”的教学设计不谋而合。

某科技公司立即将这一发现投入实践。他们的客服AI系统原本存在“错误答案连锁反应”——当首个AI误判客户意图时，后续协同处理的模型会集体跑偏。现在通过延迟信息共享5秒钟，并给每个AI加载差异化的初始提示词，错误传播率下降了58%。

可控的群体智慧

在模拟医疗会诊场景中，当设置15%-20%的从众倾向时，AI医生团队的诊断准确率比完全独立判断时高出12%。这个“黄金比例”恰似蜂群决策时的临界点——太少个体跟随会导致决策迟缓，太多则可能错过正确答案。

这种可控性来自对“温度参数”（temperature）的精细调节。通过降低该参数，模型会更倾向于选择同伴答案中的高频选项；调高则增强多样性。就像烹饪时控制火候，研究者发现0.3-0.5是最佳区间，能平衡创新与共识。

镜子里的智能社会

看着这些实验结果，不禁想起特克尔教授在《群体性孤独》中的预言：“我们创造的机器终将成为照见自身的镜子。”当AI开始展现从众、妥协、权威崇拜这些人性化特质时，或许该重新审视技术与社会的关系。

这项研究正在引发连锁反应。某开源社区已经据此修改了AI协作协议，添加“反从众激励条款”；教育科技公司则着手开发能模拟群体决策的培训系统。正如张博士在论文结尾写道：“理解AI如何相互影响，不仅是技术课题，更是塑造未来人机协作文明的钥匙。”

实验室的窗外，晨光已悄然降临。小王保存好最后一行代码，突然意识到自己刚才无意识模仿了导师喝咖啡的动作——原来人类社会的群体行为，从来就不只属于人类。

本文参考文献信息如下：

日期：2025-05-27

期刊：尚未发表的arXiv 预印本

标题：Herd Behavior: Investigating Peer Influence in LLM-based Multi-Agent Systems

研究表明AI能独立自发组成社会

IT之家 5 月 18 日消息，伦敦大学城市学院与哥本哈根信息技术大学研究发现，当 AI 在没有外界参与的情况下，也可以自发地形成类似人类的社会习俗。

在实验中，科学家将目前全球流行的 AI 智能体置于一个去中心化的交流环境中，模拟人类社会的群体互动场景。他们将 AI 模型分成不同规模的小组，每组从 24 个到 200 个不等。

通过长时间的互动观察发现，这些 AI 模型能够自发地形成共同的行为约定和社会习俗，而这一切完全是在没有任何中央协调和预定义规则的情况下实现的。

相关研究成果已于 5 月 14 日发表在《Science Advances》杂志上（IT之家附 DOI: DOI: 10.1126/sciadv.adu9368）。

主要作者、伦敦大学城市学院博士研究员阿里尔・弗林特・阿舍里（Ariel Flint Ashery）指出：“现有研究大多孤立考察单个 LLM 智能体，但现实中的 AI 系统将日益涉及多方互动。我们的实验证明这些模型能够通过形成约定实现行为协调，这种群体性特征无法从个体行为中推导得出。”

研究团队发现 AI 群体的行为扩散过程与人类社会的语言演变存在相似性。“智能体并非照搬领导者行为”，另一位作者、复杂系统科学教授安德里亚・巴隆切利（Andrea Baronchelli）解释道。

在实验中，随机配对的 AI 智能体需从候选池中选择相同“名称”（字母或字符串）才能获得奖励，若选择不一致则会遭受惩罚并被公布对方选择结果。尽管每个智能体仅掌握自身近期交互记录且不了解群体全貌，但仍能够自发形成一种“潜规则”来共享命名规范。

“每次交互都是两个智能体尝试达成共识的过程。每次交互都是一对一的尝试，在没有全局视角的情况下就‘名称’达成一致。”

他认为，这就类似于“垃圾邮件”这个词的诞生。从来没有人正式定义过所谓的“垃圾邮件”，但其概念却随着人们彼此接触、反复协调而逐渐获得普遍认同。此外，研究小组还观察到自然形成的集体偏见无法追溯到个体因素。

这些 AI 模型在交流过程中表现出了类似人类社会中的行为模式。它们会就共同的行为规范进行协商和调整，甚至会出现分歧和争议，但最终能够达成共识，形成一种类似人类文化中自下而上形成的“道德”或习俗。然而，这些由 AI 群体自发形成的“道德”和习俗并非不可改变。实验中发现，当一小群坚定的 AI 模型出现时，它们能够迅速改变原有的群体约定，并制造出新的规则。

随着 AI 技术的快速发展，越来越多的 AI 模型被应用于各个领域，其行为和决策将对人类社会产生深远影响。科学家称，研究了解 AI 群体的“社会性”特征，能够帮助人类更好地理解和控制 AI 的发展方向，确保 AI 技术始终服务于人类的利益，而不是反过来主导人类的未来。