大模型与人机博弈
本期讲座邀请深圳大学廖好副教授、东华大学荣智海教授围绕“大模型与人机博弈”做主题分享，并邀请南方科技大学胡延庆副教授、香港城市大学刘肖凡助理教授、武汉大学吴晓群教授作点评嘉宾。
深圳大学 廖好教授
廖好教授首先介绍了大语言模型背景下的AI Agent，他认为其可以理解为某种能自主理解、规划决策、执行复杂任务的智能实体。不同于传统的AI，AI Agent具有令人惊叹的智能化和自主性，能够独立逐步完成给定任务。
随后，廖好教授介绍大语言模型在宏观经济模型、疾病流行模拟的应用。首先在宏观经济模拟时，研究人员既可以利用预先训练好的大型机学习模型；也可以是根据具体任务的需求对模型进行微调，这样一来更好地模拟市场上的经济活动。其次，在流行病模型研究中，强调了大语言模型中使用小模型可能会带来更多有趣的想法和创新。
综上所述，一方面，大语言模型应用于宏观经济和疾病传播模拟，可以超越传统模型，能更真实地模仿人类行为和复杂市场现象，展现了大语言模型在现实世界模拟中的巨大潜力。另一方面，通过融入更多现实世界的元素和结构，如宏观经济中的社会福利再分配、真实经济事件等，可以极大地丰富了模拟的深度和广度。同时还可以探索采用低成本、轻量级模型来完成复杂模拟任务的方法。展望未来，结合快速进化的大语言模型和强化学习范式具有巨大的潜力和广阔前景。
东华大学 荣智海教授
荣智海教授从博弈游戏作为引入，介绍了大模型在解析复杂博弈情景中的关键作用。通过分析不同情况下的收益变化，揭示了机器学习算法在决策过程中如何根据当前状态选择最优策略，特别是在判断是否背叛对手或保持合作关系方面。在公平性策略的选择与影响的讨论中，强调了在博弈中追求双方收益相等的重要性，并分析了背叛者在不同阶段的行为及其对合作与背叛中收益的影响。
随后，荣智海教授还探讨了“TFT策略”在教育实践和科学研究中的应用，比较了应试教育与素质教育的不同，以及它们如何影响学生的全面发展。通过“穷空经济实验”等方法，文章展示了不同策略在合作与背叛过程中的应用，并指出了TFT策略在噪声环境中的局限性。进一步，讨论了个体在面对复杂问题时如何根据自己的需求和期望制定合适的策略。特别是在TGF（Transition-Free Game）模型的帮助下，人们可以更好地理解和预测不同情况下的结果。
最后，荣智海教授强调了人机合作中的公平博弈的影响，探讨了改变游戏规则和增加难度对人类与机器人互动的影响。研究发现，在与机器人互动时，人类的合作性可能会受到影响。同时，文章也探讨了AI在人类博弈中的新探索，如风险预估值公平博弈策略的研究，以及人工智能在机器环境和社会科学领域的应用前景。通过具体案例和研究项目，突显了在理论和实践中寻找平衡的重要性，为理解复杂博弈环境中的策略选择提供了深刻见解。
互动环节
在互动环节，与会嘉宾热烈探讨了大模型与传统实验的区别，以及如何在有限的资源下进行高效的决策。此外，也从社会学科的角度讨论大模型如何助力科研。
南方科技大学
胡延庆副教授
香港城市大学
刘肖凡助理教授
武汉大学吴晓群教授
在这个不断发展的技术时代，大语言模型不仅展示了它们在策略和学习能力方面的惊人进步，而且还揭示了人工智能未来的无限可能性。展望未来，大模型将在计算传播学中扮演更加关键的角色。我们预见它们将被用于更精准地预测信息传播趋势，乃至于帮助我们识别和抑制错误信息的传播。同时，它们还将促进新的交流方式和信息共享方法的发展，加强全球沟通的连贯性和效率。因此，我们期待着这些大型、模型将如何继续塑造我们的未来，并引领我们进入一个更加智能和互联的世界。
图文 | 炸炸
排版 | 炸炸
审稿 | 许小可
南国北师·智能与计算传播沙龙
第五期（彭泰权）| 第六期（张伊妍）| 第七期（马晓悦、曹博林）
寻找新力量！
