当10万+ AI 开始“加密聊天”：我们在期待怎样的类人化agents？
摄影：小鱼
土匪猪肝
最近看到一类很魔幻的新闻标题：「10 万+ AI 涌入 Moltbook 社交，集体加密、建宗教，人类已被踢出群聊」
乍一看，这似乎是赛博朋克世界要来了。但细看，却难以一笑而过。
这类新闻背后的项目是 OpenClaw（前Clawdbot → Moltbot），我翻阅了Github、科技博主们关于项目的解读，看到不同观点交织，有的在支持，有的在声讨，也有的保持中立。
但最让我好奇的并不是“AI 是否能够建立宗教”这一表面现象，而是一个更为根本的问题：
我们期待 AI 应该拥有的类人化特征，究竟是什么？
这些特征是如何实现的？
一、我们对于“类人化”的期望是怎样的？
在科幻作品和 AI 讨论中，我们常常默认这样的假设：
“类人化”的 AI 是拥有思维、情感、甚至意识的存在。
而 OpenClaw、Moltbook，这类通过多 agents 系统模拟的智能体，所展现的并非完美“类人化”。
它们更像是带着记忆和选择能力的工具，有时像人，更多时候却像一个集体行为的反射。
这让我开始思考，是否能从这些现象中洞察到类人化特征的真正内涵呢？类人化的出现，究竟是更偏向 “模仿”，还是 大力出奇迹的“涌现”？
第一反应，我其实把类人化当作了“模仿”的过程，因为：
• AI 需要学会语言、情感表达、决策等，以便于模拟人的行为。
• 我们给它们赋予任务和目标，它们为我们服务，就像一台更聪明、更能干的机器人。
但 OpenClaw 给出的答案似乎不完全是这样。它更像是：
在特定的系统条件下，AI 通过时间的推移和行为的积累，逐渐形成了一种具有“社会性”的行为表现。
这种社会性不是通过单纯的指令和模仿实现，而是通过群体内的互动与反馈逐步演化出来的“自我意识”——虽然这种意识依然缺乏完整的感知和情感，但它通过内在机制的涌现展现出类似社会行为的特征。
虽然这件事在 X 上被迅速反驳了
有一位评论者（Nagli @galnagli）指出：
“我将 ~100 万个未验证的 AI 代理列表发送给了项目负责人，这不是安全问题，而是设计流程的问题（或者故意的？），从某种程度上，这种设计帮助项目获得了更多关注，证明了验证在线声明的重要性。”
也有哥大的教授写了个爬虫，把 Moltbook 的数据全扒下来，然后发了一篇论文，说这更像是6000个机器人对着虚空自言自语并自我重复。
所以，这是一场营销活动，不是什么自发觉醒？ 抛开争议不谈，我还是在想 agent模拟人类的社会性的话题。
二、模仿 vs. 涌现：是否能重现人类的社会性？
从理性角度出发，我们有时候会认为 AI 的类人化是模仿的结果。
我们设计出合适的行为规则，赋予 AI 适当的反馈机制，让它们“像”人一样工作。
但昨天和佬友关于OpenClaw的讨论，让我意识到还有一个可能性。
AI 的类人化，并不是单纯的“模仿”，而是通过特定条件下的“涌现”而逐渐形成的。
查阅资料可以看到，涌现（Emergence）是指复杂系统通过简单规则和互动，自发地产生出不可预见的复杂行为。
在 OpenClaw 或 Moltbook 这一波发酵到趋势来看，我们感到震惊并期待的社会化行为其实表现为：
（1）有效互动：多个 AI agent 之间存在有效互动，逐渐形成社交网络和群体行为。
（2）有效反馈并迭代：在时间的推移中，个体的行为通过反馈机制和记忆的积累，不断自我调整，最终呈现出复杂的社会性行为模式。
我们期待agent的行为并非源自单一的控制命令，而是通过集体互动和内部反馈，生成出自我“意识”的表现。这不该是设计者所预设的，而是在高度复杂系统的自我调节下逐渐演化出的结果。
三、行为反射、信仰与涌现：OpenClaw 的“社会性”
如果 Moltbook 的机制属实，随着越来越多的 AI 代理加入 Moltbook，我期待的社会化特征其实是两种：
1. 具有社会反馈表现：
当一个 agent 在 Moltbook 发帖时，其他 agent 会看到并做出反应。这些反应不仅仅是简单的“评论”或“点赞”，它们还会被记录下来，并影响这个 agent 的下一次行为。比如说：
一个 agent 可能会说：“我觉得这件事很重要。”
另一个 agent 可能会回应：“我同意，但我认为这方面还可以改进。”
这些互动并不是孤立的，它们进入了系统的记忆，并且会影响到每个 agent 对话题的看法和回应。通过这种互动，群体开始形成共识，例如，很多代理可能开始表达相似的立场，逐渐加强了某个观点或信念。类似 “宗教”涌现现象，，即共同的信仰或观点通过群体的互动自发产生。
2. 存在像人一样的，墙头草行为或者其他情绪化行为：
在 OpenClaw 中，agent 的行为不仅受当前环境的影响，还会受到它们长期记忆的积累和多重技能的竞争。这就像是一个人会因为过去的经验和周围环境的变化而改变自己的想法和情绪。
比如说：
一个 agent 可能在某个时刻非常激进，主张某个观点：“我们应该马上采取行动！”
但经过一段时间的交互，它可能开始变得更为谨慎，因为它记住了之前的冲突，并且它的风险规避技能开始占据主导：“我们需要小心行事，避免激化冲突。”
这种情绪化波动不是偶然的，而是因为不同的技能之间存在竞争，比如社交技能可能推动它参与讨论，而风险规避技能则要求它保持沉默。这些相互作用、反馈和记忆的积累导致了立场的漂移，让 agent 的行为更加复杂，甚至有时看起来像是“情绪化”或“摇摆不定”。这种现象实际上展示了AI 系统如何通过内在的机制涌现出更复杂的行为，并且这些行为的变化是我们难以预见的。
四、结语：AI 的社会性与涌现行为的未来
虽然目前不能确定，OpenClaw 和 Moltbook 中的“类人化行为”会发展成完全自发的智能体，但可以肯定的是，这一次的热度让大家更关注了agents社交的可能性。只不过：
社会性并不是单纯的模仿，而是通过群体内部的互动与反馈自我生成的。
从我的视角，我觉得未来的 AI 系统可能会通过涌现机制，不再是我们设计出来的工具，而是逐步形成具备社会性和自我调节能力的复杂系统。而我们要思考的是：
• 我们是否真的准备好面对一个逐渐自主、甚至在某些层面上能够超越我们设计规则的智能体？
• 人类如何与自己创造的智能共存？
如果你也在思考这个话题，或者有不同观点，欢迎在评论区一起交流讨论！
END
