NetLogo大模型拟真 | 周六直播·AI×传播读书会

导语

在AI快速发展的当下，AI不仅深刻影响着信息传播的方式，也为传播学研究带来了全新视角和方法。基于此，集智俱乐部联合北京师范大学许小可教授、浙江大学张子柯教授、南京大学王成军教授、深圳大学廖好副教授共同发起，从计算叙事、智能传播、人机传播与传播仿真四个板块向来共同探索AI与传播的前沿交叉，来深度理解传播机制和传播生态。

11月15日（周六）10:00将开启读书会第十期，由浙江大学传媒与国际文化学院教授张子柯、上海交大-南加州大学文化创意产业学院助理研究员赵汗青，共同分享“NetLogo大模型拟真”主题，为了克服传统多主体建模（ABM）在模拟人类认知与沟通方面的局限，本主题分享引入一种前沿方法论：将大语言模型（LLM）作为智能体的“认知引擎”直接集成于NetLogo环境。此举实现了从“规则驱动”到“认知驱动”的范式转换，在不依赖外部编程的前提下，于NetLogo内部构建出具备理解、推理与生成能力的智能体，显著提升了社会仿真的真实感与理论解释力，为探索微观-宏观关联提供了创新的计算实验工具。

分享简介

长期以来，包括传播学在内的人文社会科学致力于解析信息传播、观点形成与文化演化等人类互动中的复杂动态，而基于多主体建模（Agent-Based Modeling, ABM）的计算方法通过构建“自下而上”的虚拟实验室，为此类研究提供了关键支持。然而，传统ABM中的主体（Agent）多依赖预设的简单规则，行为机制相对机械，难以模拟人类丰富的认知与沟通能力；作为广泛使用的社会仿真平台，NetLogo也因缺乏与大型模型直接交互的功能，在人工智能时代未能充分释放其潜力。

为此，本主题引入一项前沿的范式革新：通过将大语言模型（LLM）嵌入NetLogo，使其成为Agent的“认知引擎”，从而在无需依赖Python等外部语言的基础上，将传统“规则驱动”的仿真升维为“认知驱动”的智能建模。本主题将以NetLogo为实践平台，结合多个案例，系统展示如何构建具备理解、推理与生成能力的可推理智能体。这一融合不仅显著提升了社会仿真的现实感与解释力，也为探索微观互动与宏观现象间的复杂机制提供了强大的新型计算工具。该领域正处于爆发性成长的初期，值得每一位关注社会科学计算化与理论前沿的学者深入关注。

分享大纲

1. 方法论融合：多智能体建模（ABM）与大语言模型（LLM）结合的技术路径与理论意义。

2. 智能体设计革新：从“规则智能体”到“认知智能体”的设计思想演变及其在仿真中的实现。

3. 经典理论的智能化再现：通过案例教学，展示如何利用基于NetLogo的AI增强的仿真工具，对信息传播、观点演化等经典传播学理论进行深化研究。

主讲人1

张子柯，博士，浙江大学传媒与国际文化学院教授，浙江大学人工智能通识教育课程教材建设组副组长。主要研究兴趣为计算驱动的人文社会科学研究。主持国家自然科学基金、欧盟第七科技框架基金等20余项。入选浙江省优秀教师，浙江省师德先进个人等。目前兼任复杂性科学研究会秘书长，中国新闻史学会智能与计算传播专委会常务理事、中国科技新闻学会数据新闻专委会常务理事等。

主讲人2

赵汗青，上海交大-南加州大学文化创意产业学院助理研究员。主要从事计算传播方法、舆论动力学、传播心理与行为、社会认知与决策等方面的研究。

阅读清单

重要综述及书籍

a. Wilensky, U., & Rand, W. (2015).An Introduction to Agent-Based Modeling: Modeling Natural,Social, and Engineered Complex Systems with NetLogo.

本书是学习多智能体建模与NetLogo平台的权威入门教材，系统介绍了ABM的基本思想、建模步骤以及在不同领域的应用，是理解本主题技术基础的必读之作。

b. 《智能传播模拟：原理与实践》（2025）. 张子柯，赵汗青，葛岩。浙江大学出版社.

本书是适合人文社科学者学习NetLogo多智能体建模的入门教材。从代码基础到案例剖析，内容广泛，操作性极强，是理解和实践智能传播仿真的最新力作。

c. Gilbert, N. (2008).Agent-Based Models. SAGE.

本书简明扼要地概述了多智能体建模的核心概念，并探讨了其在社会科学研究中的哲学基础和应用潜力，有助于从宏观层面把握该方法的价值。

d. Park, J. S., O'Brien, J. C., Cai, C. J., et al. (2023). Generative Agents: Interactive Simulacra of Human Behavior.arXiv preprint arXiv:2304.03442.

这是一篇开创性的研究，展示了如何使用LLM创建能够进行记忆、反思和规划的“生成式智能体”，构建了一个可信的虚拟小镇。该研究是理解LLM驱动的社会仿真实践的里程碑式文献。

经典传播学仿真研究

e. Granovetter, M. (1978). Threshold Models of Collective Behavior.American Journal of Sociology, 83(6), 1420-1443.

这篇文章提出了集体行为的“门槛模型”，是理解信息传播和创新扩散中个体决策与群体行为关系的基础理论，为众多信息传播类ABM提供了理论启发。

f. Axelrod, R. (1997). The Dissemination of Culture: A Model with Local Convergence and Global Polarization.Journal of Conflict Resolution, 41(2), 203-226.

本文提出了经典的文化扩散模型，展示了简单的局部趋同规则如何在宏观上形成稳定的文化区域。这是观点演化和共识形成研究领域最常被引用的仿真模型之一，也是我们课程案例的改编基础。

大模型与社会科学仿真交叉探索

g. Argyle, L. P., Busby, E. C., et al. (2023). Out of One, Many: Using Language Models to Simulate Human Samples.Political Analysis, 31(3), 337-351.

文章探讨了使用LLM作为“受访者”来模拟不同人群的调查反应，证明了LLM在模拟人类多样化观点和态度方面的能力，为我们课程中“观点演化”的案例提供了旁证。

集智学园相关开放课程推荐

参与时间：2025年11月15日（周六）10:00-12:00 北京时间

报名加入社群交流

扫码报名（可开发票）

报名链接：https://pattern.swarma.org/study_group/67?from=wechat

扫码参与，加入群聊，获取系列读书会回看权限，加入AI×传播社区，与社区的一线科研工作者沟通交流，共同探索AI与传播的前沿交叉，来深度理解传播机制和传播生态。

视频号直播预约：

AI×传播读书会

在AI快速发展的当下，AI不仅深刻影响着信息传播的方式，也为传播学研究带来了全新视角和方法。基于此，集智俱乐部联合北京师范大学许小可教授、浙江大学张子柯教授、南京大学王成军教授、深圳大学廖好副教授共同发起，从计算叙事、智能传播、人机传播与传播仿真四个板块向来共同探索AI与传播的前沿交叉，来深度理解传播机制和传播生态。读书会自8月23日起，每周六10:00-12:00举行，预计持续12周。

我们将探讨如下核心问题：

1. 在人机共同参与的叙事生态中，叙事的生产、传播与接受机制发生了哪些根本性变化？

2. 在复杂社交网络环境中，如何构建智能化的信息可信度评估与虚假信息防控机制？

3. 如何运用深度学习和强化学习等智能方法，实现从个体到群体的精准化传播影响力最大化？

4. 如何构建适应人机混合传播网络特征的新型研究范式，以有效解析机器行为规律和人机协同传播机制？

5. 如何构建基于大语言模型的认知驱动型智能体仿真系统？

详情请见：

-一年一度特惠-