TL;DR

社会现实是如何在个体的循规蹈矩与标新立异之间反复横跳，最终达成动态稳定的？本研究利用**主动推理（Active Inference）**框架，构建了一个多智能体模型。研究发现，社会规范的“内化”与个体的“创造”在数学上是对抗且互补的自由能最小化过程。模型不仅自发演化出了与社交网络拓扑一致的文化群落，还证明了正是个体的“创新行为”将抽象的社会认知投影到了外部世界，形成了一个闭环的社会现实。

背景：Mead 的“自我”与社会构建论

社会学家 George Herbert Mead 曾提出，个体内部存在两个自我的对话：一个是内化了规则的 "Me"（客我），一个是具有创造性的冲动来源 "I"（主我）。长期以来，人工智能领域虽有 Naming Game 等模拟社会共识的模型，但大多缺乏一个统一的计算框架来平衡这种“社会调控”与“个体创造”的张力。

本文基于 集体预测编码（Collective Predictive Coding, CPC） 理论，认为社会现实并非外部强加的固定规则，而是通过个体间去中心化的贝叶斯推理不断演化的产物。

核心机制：主动推理的双刃剑

模型将每个智能体定义为一个概率生成模型，包含社会先验（Social Prior）、似然性（Likelihood）和后验（Posterior）。

1. 顶部向下的调节（Top-down Regulation）

当智能体与邻居交流时，通过最小化变分自由能 (Variational Free Energy)，强迫自己的内部表征向社会先验对齐。这是一个“从众”的过程，确保了群体内的信息内聚。

2. 底部向上的塑造（Bottom-up Formation）

智能体通过最小化预期自由能 (Expected Free Energy) 来创造“新事物”。这包括两个项：

• 认知增强（Epistemic term）：鼓励产生偏离当前社会先验的观测，即寻找新鲜感。
• 一致性约束（Consistency term）：确保新创作不脱离个体的知识体系。

(公式提示：模型通过 $D_{\psi }^k$ 判别器来量化个体信念与社会预期之间的分歧，这是模型更新与创作的核心)

实验发现：社会群落的内生演化

作者在具有典型簇结构的 Caveman Graph（洞穴人图）上运行了 5000 步仿真。

表征与拓扑的映射

实验结果显示，智能体之间的表征相似度（由 Wasserstein 距离衡量）逐渐形成了明显的块状结构。这意味着，频繁沟通的群体在内部自发达成了一套独特的“暗号”或符号逻辑，这种逻辑与物理上的网络连接结构完美契合。

图注：随着时间推进，表征空间呈现出清晰的簇状分布。

创造力的价值：让现实呼吸

最令人振奋的发现是 RSA（表征相似性分析） 结果。在没有“创造”机制的情况下，社会表征与物理观测之间的相关性会随时间瓦解。而当智能体积极进行创造时，它们通过自身的行为将内部隐变量“物化（Objectivation）”，从而维持了社会现实的稳固性。

图注：w/ creation 曲线（有创作）显著高于 w/o creation。

深度洞察：文化壁龛的形成

通过分析创作在网络中的传播模式，研究发现：

• 社会表征的传播是稳定的：用于维持基本的互相理解。
• 创作的传播是异质且多变的：呈现出明显的“局部壁龛”特征。

这意味着，智能体并非盲目地接受所有新信息，而是根据自身当前的需求和社交位置选择性地吸收邻居的创新。这种选择性压力导致了群体内部更细粒度的文化分化。

总结与价值

本文不仅是一个成功的计算仿真，它还从物理直觉上解释了自由能最小化如何驱动复杂的社会演进。

• 社会规范提供了稳定的坐标系。
• 个体创新提供了探索新维度的能力。 两者协同工作，使得社会现实既有一定的刚性（不会瞬间崩溃），又具备足够的柔韧性（能够不断吸收新意）。

虽然目前模型还存在社交网络结构固定、缺乏具体实体（Embodiment）等局限，但它为数字社会、多智能体协作乃至未来 AI 文化的演进提供了一个极其迷人的理论原形。

Takeaway for Today: 创新不是对规则的破坏，而是通过在物理世界中投射新的意义，反过来支撑了社会现实的稳固。