作者：何芊（国际关系学院国际政治系讲师）

　　一

　　“历史模拟”并不是一个新奇的概念。在教学中鼓励学生依照历史记录，重演历史角色或主要行为体的决策与行动，培养共情与同理心，体会历史中的能动性与复杂性，已是较为常见的模拟设计。不少以历史为素材的游戏同样作为历史模拟被引入课堂。历史游戏学者亚当·查普曼区分了两类历史游戏的模拟方式。其一是以《刺客信条》和《荒野大镖客》为代表的现实主义模拟。它们以精良的视觉效果还原了历史事件的节选片段与历史场景的局部空间，通过细节的仿真与过往的重现为玩家营造身临其境的参与式体验。其二是以《文明》系列为代表的概念化模拟。这种策略类游戏通过将历史对象、概念、进程以及历史观念写入游戏规则来模拟历史，比如《文明》系列的设计逻辑就出自保罗·肯尼迪的《大国的兴衰》。这种模拟允许玩家在规则之内自由发挥，组合出架空的历史，演绎开放式的走向。

　　无论是让学生扮演历史中的行为体，还是在游戏中“亲历”虚拟的历史场景，抑或是通过玩法与规则理解历史阐释的逻辑，教学中的模拟设计都无可避免地存在着简化和泛化历史的倾向。虽然游戏化的历史与历史本身之间的关系存有较大争议，但这并未妨碍游戏化的历史模拟进入到课程教学之中。游戏与模拟的边界模糊，或者说是历史模拟的游戏化，默认了事实与假设、历史与仿历史之间不可逾越的鸿沟，这恰恰是历史课堂中接纳模拟的前提。

　　将模拟视为研究工具的历史学家更多集中在计量史学及其他交叉领域，这些研究方向往往拥有丰厚的理论与数据资源。20世纪60年代，伴随着计量史学的诞生，模拟方法进入到史学研究当中。第一代计量史家罗伯特·福格尔和约翰·迈耶等人奠定了反事实推演的基础方法。这一时期模拟与历史的结合还有两种形式：一是利用文献记录为模型设计变量、提供参数设定的佐证。二是通过模拟结果与真实历史的比对来验证模型。从20世纪90年代开始，新一代计量史家进一步将反事实推演与蒙特卡罗模拟相结合，通过模拟实验，发现关键的因果关系，检验既有研究结论。历史模拟在计量史学中自证了其工具价值。历史事件没有简单重复，史学研究只能从已知过去的观察中抽丝剥茧、考镜源流，研究成果往往自成一说，高下难辨。如果真能对历史学的研究对象，比如经济发展的变化趋势、重大事件的爆发过程以及复杂系统的演化发展进行多次模拟观测，应当能帮助我们更客观地理解前人结论，更精准地揭示人类历史中复杂交错的因果关系。

　　二

　　即便集成了大量历史信息，结合了既有理论与统计学方法，传统模拟依然只能构造对现实世界的简化近似。传统模拟依赖于计算机随机过程的重复实现，以此生成特定条件下针对同一对象的多种可能结果。传统模拟的特点表现为系统内的信息交互以抽象数字为表征，模型的诸多参数由研究者结合前人成果自行决定。简言之，以数理逻辑为运行基础的模拟系统仍比较简单。而牵引历史变化发展的，不仅有数据指标所揭示的机械规律，还有弥散分布的大量非理性因素。历史情境内人的情感、好恶、偏见、道德、迷信，以及这些因素以语言为载体在群体与个体之间反复的交糅共振，都在左右着人的行动与选择。非理性因素错综晦暗，难以融入相对简化的数学模型。

　　生成式人工智能为传统模拟的不足带来了新的改进工具。首先，大模型具有繁复的计算结构，庞大的参数规模与海量的训练语料，足以支撑更复杂的仿真模拟设计。其次，大模型的行为选择由预训练和微调所决定，相较于原本由研究人员对参数赋值并结合随机过程而产生的模拟结果，更贴合现实。再次，大模型的模拟系统内部，信息交流可以用自然语言代替数字表征，与人类社会的语言交互模式更为接近。此外，大模型还通过对齐技术进一步向人类价值取向靠近。大模型在完成预训练之后，通过基于人类反馈的强化学习，实现与人类偏好、道德准则和价值观念的对齐。如果说传统模拟尚且是简化后的仿真，那么当下大模型对人类的模仿已几近“乱真”。比如由大模型合成的模拟受访者复现了人类被试在行为经济学和社会心理学等领域的部分经典实验结果。大模型的类人化智能在交互环境中也得到了印证。以外交谈判为核心的策略类语言桌游《外交》，讲求多人博弈之中的意图识别、谎言洞察、信任获取以及协商合作等综合能力，经过特别训练的大模型已能在网络对战中达到优秀的人类玩家水平。

　　不仅如此，大模型还可以驱动多智能体的仿真模拟系统（Multi-Agent Modeling, MAS），这也是近来历史模拟所采用的方法。智能体仿真模拟原本是社会学家用来探索个体与系统、微观与宏观之间互动关联的路径：通过创建多个自主智能代理，在计算机的模拟环境中观察智能体之间、智能体与环境之间基于给定规则的相互作用，从而解释微观个体行动如何导致复杂系统演变的“涌现”现象。大模型的能力跃升，对人类智能的趋近，同人类价值观念的对齐，都进一步提升了智能体模拟对人类社会的仿真度。在此基础上，原本因化约而备受批评的历史模拟也展现出新的可能性。新一代的历史模拟将重大事件的主要参与方构建为多个智能体，利用真实的历史情境设定智能体的参数，制定智能体之间的行动规则，并通过大模型的运行环境来模拟多智能体之间的交互过程，从而分析历史事件爆发的因果机制。

　　新的历史模拟在外交史和战争史领域已有初步展现。罗格斯大学与密歇根大学的联合团队以一战前夕的英、法、德、奥匈、塞、俄、美、奥斯曼等国为原型创建了多智能体系统，其中，代表各国的多智能体在结盟、备战与宣战的行为中较为准确地复现了历史中的国际关系。类似的方法还被用来模拟第一次英法百年战争期间的重要战役，以证明由智能体所演绎的将军与军士可还原战役的主要结果。从这些尝试看，历史模拟与侧重理论探索的试验性模拟不同：其一，模拟系统的有效性需比对真实历史来验证；其二，模拟对象应当采取匿名化处理，以避免大模型调用历史知识，干扰模拟系统。不过，所谓复现历史，标准尚无定论，仍由研究者自行设定。比如在战役模拟中，研究人员利用英法最终伤亡率的高低比值，与史载对照，以此判断仿真是否成功。史实与模拟之间的拟合误差，也缺乏公认的基准。在一战模拟中，国家间结盟、宣战与备战的复现，最高准确度分别为77.78%、54.6%以及92.09%。这些数值能否证明模拟成功，可能还需更多讨论。

　　三

　　当然，依托于大模型的历史模拟仍然存在不少局限。首先，模拟依旧是对历史情境的抽象和简化。智能体的行动范围局限于研究者指定的有限选项，而选项设计往往紧扣论题，容易出现简化后的偏移。比如围绕战争爆发设计模拟，国家智能体的行动选项中，导向冲突的选项更多，而和平类行为不足，若是设计逻辑缺乏其他依据，那么由模拟结果得出战争不可避免的推论难以令人信服。其次，语言对模拟结果的诱导作用无法被排除。模拟的主要环节，包括智能体的参数设定，智能体之间的互动方式，以及触发行动的事件本身，都要通过自然语言的描述来实现。模拟中的智能体行为究竟是复现了决策，还是停留在语言关系推断，实难分辨。再次，通用大模型的预训练语料主要来自移动互联网时代，本就存在“近因偏见”，如果不在微调环节令模型接受历史语义训练，模拟可能难向近代以前延展。除此之外，大模型的幻觉文本、价值偏见，以及模型不定期更新导致的实验结果无法重复，这些固有疑难同样也在挑战着历史模拟作为研究方法的可靠性。

　　尽管有种种不足，但新一代的历史模拟依然具有不容忽视的发展潜力。作为一种研究工具，大模型驱动的历史模拟需要更多的检视与讨论。有一部分问题可以改进：比如通过消融实验，或结合史学研究成果，能衡量或优化模拟系统中的组件设计；采用开源模型，进行本地部署，并介入微调环节，能提升大模型生成内容的稳定性，也能令模拟更贴合历史语境。即便新的模拟方法仍远不足以还原复杂历史情境，但简化的历史模拟设计已足够在教学场景中迭代传统的课堂模拟。大模型不仅可以实现原本由学生扮演的模拟，还能翻转学生的参与方式，让他们从角色扮演者变成模拟设计者。学生利用提示词，描述具体场景，拟定大模型的“人设”，并同其他同学驱动的大模型角色展开对话，完成一场基于历史的语言游戏，这无疑能激发学生主动求知的热情。总之，无论作为游戏还是工具，生成式人工智能都带来了全新的增量。

　　（本文系国家社科基金青年项目“国际史视野下的美国早期国族构建研究〔1788-1848〕”的阶段性成果）

　　《光明日报》（2025年02月10日 14版）