Nature子刊: 人机社会学——一种融合人类与机器的全新社会学框架

摘要

从虚假社交媒体账号、生成式人工智能聊天机器人到交易算法和自动驾驶汽车，机器人、机器人程序和算法正在大量涌现并渗透到我们的通信渠道、社交互动、经济交易和交通动脉中。由多个相互依存、相互作用的人类和智能机器组成的网络构成了复杂的社交系统，其集体结果无法仅从人类或机器的行为中推断出来。在此背景下，我们回顾了近期的研究，并在高频交易市场、社交媒体平台、开放协作社区和讨论论坛等丰富的语境示例中，识别出了竞争、协调、合作、传染和集体决策等情况下的普遍动态和模式。为了确保更强大、更有韧性的“人机社区”，我们需要一种新的关于人类和机器的社会学。研究人员应使用复杂系统方法研究这些社区；工程师应明确为人类与机器以及机器与机器之间的互动设计人工智能。并且监管机构应当管理好人类与机器之间的生态多样性以及社会共同发展。

关键词：人机交互（Human-Machine Interaction）、复杂系统、算法社会学（Sociology of Algorithms）、社交机器人（Social Bots）、金融市场、信息传播、集体决策

彭晨丨作者

论文题目：A new sociology of humans and machines

发表时间：2024年10月22日

论文地址：https://www.nature.com/articles/s41562-024-02001-8

论文期刊：Nature Human Behaviour

从自动驾驶汽车到ChatGPT，从高频交易算法到社交媒体机器人，机器（包括算法、机器人和程序）正以前所未有的密度渗透人类社会的沟通、经济活动和公共空间。人类与机器的交互网络构成了一种新型复杂社会系统，其集体行为无法仅通过单独分析人类或机器来预测。Nature Human Behaviour 近期发表的视角文章指出，传统社会学理论已不足以解释这类混合系统的动态，亟需建立一门“人类与机器的新社会学”。

构建人机社会系统新范式

传统的社会科学多将技术视为中介或背景，而非具有独立能动性的“主体”。本文借鉴社会技术系统、行动者网络理论（actor–network theory）等思路，提出“人机社会系统”（H–M social systems）的概念。在这一框架下，人类与机器——包括软件机器人（bots）、自动化算法（algorithms）和实体机器人（robots），共同形成一个互为依赖、交织互动的整体。系统的集体结果往往呈现非线性网络效应与涌现特征，无法简单还原为个体偏好或单元行为之和。

人与机器的相互作用

人类与机器的交互，和人类之间的互动相比，既有相似之处，也存在明显差异。一方面，根据“计算机即社会行为者”（Computers as Social Actors, CASA）研究，人们会对机器产生“礼尚往来”的心态、赋予它们能力和道德品质，甚至对机器人遭遇不公感同身受。另一方面，人机互动过程中会激发的社会情绪常更平缓，人们对机器错误的容忍度更低，且在合作与共享方面表现更理性与自利。机器在交互中具有更高的执行精度、海量信息访问能力和持久性，却缺少人类的情境适应与社会影响易感特征。

图 1. 人机社会系统（H-M social systems）包括多种算法、机器或机器人，它们彼此之间以及在群体和网络中与人类互动。现有的领域倾向于将机器作为媒介或接口，而不是自主行为者或主体，专注于它们的认知和决策，而不是与人类的互动。我们呼吁建立一种新的人类和机器社会学，以研究这些复杂系统中的人类行为、机器行为以及H-H、H-M和M-M相互作用。

竞争格局：高频交易与拍卖市场

在竞争（Competition）情境中，多智能体为不可共享的目标展开博弈。高频交易（High-Frequency Trading, HFT）算法通过超高速、大规模交易消除市场错价、提高流动性，却也可能放大价格波动和诱发闪崩。实验研究表明，算法交易可提升市场效率，却削弱人类交易者的表现；在拍卖中，“狙击”算法（sniping algorithms）利用出价时机优势击败新手竞拍者，整体卖家并未获得明显好处，反而降低了平台回头客的活跃度。

社会协调与合作：机器的扰动与潜伏

协调（Coordination）问题要求群体在标准或策略上达成一致，例如交通习惯或协同选择网络路径。研究发现，当网络中嵌入少量带有小幅随机行为的机器人（bots）时，群体能跳出次优平衡，加速全局协调。这些“噪声”干预并非通过模仿人类，而是利用非人化的随机性扰动，在遇到卡壳局面时尤为有效。

另一方面，在社会合作等问题中，通常依赖人们遵守互惠、公平和诚实的规范。若一旦知晓对方是机器，即便是表现出善意协作的算法，也会显著降低人类的合作意愿。研究者在一项基于演化博弈模拟与在线实验中发现，潜伏的机器人（covert cooperative bots）如果表现得策略简单、保持始终合作的态度，并在网络中分散布局，可通过示范效应及模仿机制促进整体的合作；而一旦机器身份被揭露，其促进效应很快衰减，合作提升的效果无法扩散至全局。

图 2. H-M社会系统中的集体结果不同于人类社会系统中的集体结果。机器的行为与人类不同，在具有隐蔽人工主体的社会系统中，集体结果将仅仅因为这一事实而不同——即使人类没有意识到机器的存在，也不会改变自己的行为。此外，这两类行为者及其相互作用是相互依存、相互影响的。因此，怀疑或意识到机器的存在可以改变人类的行为，与机器互动和观察M-M互动可以影响人类如何对待彼此。

传播效应：社交机器人的隐形操控

当今的传播现象（Contagion）侧重信息、情绪和行为在网络中的扩散。社交媒体平台上，机器人账号通常在直接与个体互动中表现平凡，但却能凭借数量优势和策略性触发深度链式反应。推特的研究案例发现，一些弱影响力的机器人在有针对性地选择与核心用户互动后，传达的信息会通过转发获得广泛传播，从而助长谣言、情绪极化与选举操纵。也就是说，机器人互动的直接效力微弱，却因隐蔽的持续性互动和网络放大效应（network amplification）而成倍放大集体水平的影响。

群体决策：智者与“机器智者”共融

群体决策探讨如何通过个体意见汇聚提高判断准确度，混合智慧（Hybrid Intelligence）研究揭示，引入算法的多样性可打破人群的羊群效应（即从众效应，个体在判断或决策时，因环境不确定、信息不完全或出于对社会认同的需求，而倾向于观察并复制他人行为的一种社会心理现象），激发新颖解法并提升个体决策质量。然而，当算法给出的建议对个体来说过于陌生，或超出现有认知范畴时，人类往往难以采纳，无法影响个体决策。临床诊断、众包科学（citizen science）与预测市场方面的实践表明，机器辅助可短期提升效率，却可能降低志愿者参与热情，机器影响效率和参与度方面还有待权衡。

构建稳健的人机社会：跨学科行动蓝图

工程师应针对不同情境设计专属 AI，并融合情境感知、情绪识别与伦理敏感度。例如在交通协调中引入随机节点缓解拥堵，在市场交易中部署理性裁定算法以抑制极端波动。参考阿西莫夫三大法则，可为机器–机器（M–M）互动制定层级化行为规范，以保障系统可控与社会和谐。

政策制定者需将 AI 视为多样化的机器生态（multiplicity of machines），而非单一威胁。通过鼓励生态多样性与制度韧性，避免同质化算法导致系统性风险。监管应覆盖算法透明度、身份标识与互动规则，促进人机协同的长期可持续发展，同时预防隐蔽操纵、隐私侵害和社会分裂。

重新定义“社会性”的边界

当机器成为社会网络的活跃节点，传统的社会学概念都需要被重新诠释。本文通过跨领域证据表明，机器的“非人性”恰是其在混合系统中的独特价值：它们以超理性对抗人类偏见，以持久性维持系统韧性，又以异质性激发创新。未来，这门“新社会学”不仅关乎技术治理，更将重塑我们对人类集体行为的根本理解。

大模型赋能的智能体展现出三大革命性特征：认知深度（能够进行类人的推理和决策，甚至展现出记忆、学习和个性特征）、动态交互（基于自然语言的自主协商和社交行为）以及涌现行为（微观交互产生更复杂的宏观社会现象）。这些特性使得我们可以构建前所未有的"高保真社会模拟器"，为理解经济、社会、管理、军事等复杂系统提供了全新视角。

因此，集智俱乐部联合山东工商学院副教授高德华、天津大学教授薛霄、北京师范大学教授张江、国防科技大学博士研究生曾利共同发起「大模型时代下的Agent建模与仿真」读书会。读书会自2025年7月8日开始，每周二晚上7:30-9:30进行，预计持续分享8周左右。扫码加入Agent建模与仿真的前沿探索之旅，一起共学、共创、共建、共享「大模型时代下的Agent建模与仿真」社区，共同畅想大模型时代人工社会的未来图景！

集智俱乐部联合中国科学技术大学教授赵云波、华东师范大学副教授吴兴蛟两位老师共同发起「大模型时代下的人机交互与协同」读书会。本次读书会将探讨：

人类智能和机器智能各自的优势有哪些？智能边界如何？如何通过更有效的标注策略和数据生成技术来解决数据稀缺问题？如何设计更加高效的人机协作系统，实现高效共赢的效果？如何提高机器决策的可解释性与透明性，确保系统的可信度？如何通过多模态协作融合不同感知通道，应对复杂的决策任务？

读书会计划从6月21日开始，每周六晚19:00-21:00进行，预计持续约8周。诚挚邀请领域内研究者、寻求跨领域融合的研究者加入，共同探讨。

详情请见：人类与机器的智慧碰撞：人机协同的智能时代读书会启动

6. 探索者计划 | 集智俱乐部2025内容团队招募（全职&兼职）