专家：人工智能驱动的“合成人口”模型正重塑经济预测与决策支持

在2025年12月的Portfolio AI & Digital Transformation会议上，专家阐述了“合成人口”（synthetic populations）作为人工智能“映射”的概念及其在快速变化世界中的应用价值。

合成人口的工作原理 合成人口将个体心理模型的构建逻辑扩展至工业规模。它并非模拟单一个体（如“István”），而是同时模拟成千上万个具有不同特征的个体。当有新信息输入时，系统会更新整个“人口”中所有个体的模型，从而能够提出从单一个体或平均数据中无法得出的问题。

应对结构性剧变 专家以冷战结束后中东欧的转型期为例，指出当社会结构发生快速、根本性变化时，基于历史时间序列数据的传统预测模型会失效，因为旧数据无法描述正在形成的新体系。当前全球面临的情境类似，但规模更大：整个世界仿佛同时转变为“新兴经济体”，经历着制度、市场、激励机制和行为模式的快速结构性重塑，加之人工智能等非人类智能的出现，进一步改变了系统本身的性质。

从精确预测到可能性探索 在此环境下，对精确数字预测（如GDP、通胀率）的期待已不切实际。更重要的任务是进行情景规划（scenario planning），为决策者描绘可能性空间、潜在路径以及不同情景下的可能反应。这类似于一个“未来沙盒”或“未来乐高”，提供构建模块而非单一结果。

微观基础与宏观图景 合成人口提供了一种自下而上构建宏观图景的工具。宏观现象本质上是微观个体决策、反应和适应的汇总。通过模拟大量异质性个体的互动，可以观察整个系统可能的演变方向。在此框架下，异质性（heterogeneity）不再是需要平滑处理的“噪声”，而是可供利用的信息资源和系统实际运行的空间。

数据与技术支持 构建此类模型依赖于一个混合系统：1）海量原始行为数据；2）行为科学提供的关于人类决策相对稳定的模式与动机框架；3）人工智能强大的模式识别能力，能够从数据和原理中发现模式，而非仅仅计算平均值。

潜在应用与挑战 该技术已具备支持政策创新的潜力。例如，可通过模拟帮助政府设计更精准、更尊重受助者尊严的社会福利方案。然而，其最终影响取决于使用者。同时，该技术本身也存在环境足迹等新的不确定性。

专家总结道，在快速结构性变化的世界中，传统宏观预测模型正失去抓手，而基于合成人口的微观模拟方法，通过整合行为科学与人工智能，为理解复杂系统、探索决策可能性提供了新的工具。其核心价值不在于提供单一精确预测，而在于帮助决策者在不确定的环境中思考与准备。