想象一下，一辆自动驾驶汽车正穿行在繁忙的市中心街道。为了避免碰撞，它必须判断街角的行人是否即将过马路。又或者，一个智能投资算法在交易股票时，必须预测人类投资者在某条新闻发布后的反应，才能决定买卖时机。

为什么我们需要“懂人性”的AI

在这些场景中，AI 需要的不仅仅是强大的计算能力，它还必须理解人类行为。但目前主流的大模型，例如 GPT 或 LLaMA，并不是为此设计的。

为此，来自密西根大学、斯坦福大学和MobLab的研究人员开发了一种全新AI系统：Be.FM（Behavioral Foundation Model），即“行为基础模型”。这是首批专门用于预测、模拟和推理人类行为的AI系统之一。
不同于以维基百科等通用语料训练的大模型，Be.FM 从行为科学出发，训练数据来源包括实验室行为数据、社会调查和学术研究，真正专注于“人为什么会那样行动”。
“我们不是拿维基百科去训练模型，”密西根大学信息科学博士生、研究第一作者Yutong Xie说，“我们构建了一个行为科学数据库——包含超过6.8万名实验参与者、约2万份问卷调查以及数千篇科研论文。我们的目标是让AI能够理解人类行为背后的心理动因。”

正因如此，Be.FM 在多个关键领域展现出超越通用AI的能力，尤其是在理解边缘行为、复杂社交暗示等方面表现更优。研究团队此前发表在《美国国家科学院院刊（PNAS）》的成果显示：通用大模型往往只会模仿“平均人”的行为，忽视了行为多样性。

Be.FM的四大能力：预测、推断、理解、助研

而 Be.FM 的“意外之喜”，体现在四个主要应用领域：
预测人类行为：Be.FM 可以在现实场景中预测人们的选择和反应。例如，某位银行家向客户推荐几种投资方案，Be.FM 可以预测哪些选项更受欢迎、有多少人会倾向合作或冒险。
这类预测对于经济建模、产品测试或公共政策制定非常有价值——在真实试验之前，AI 已经可以模拟用户行为。

推断个性与人口特征：Be.FM 能根据行为数据或背景信息，推断出一个人的心理特征和基本人口属性。例如，仅凭性别和年龄，系统可以判断此人是否外向或友善；也可以根据个性反推年龄段。这为用户画像、个性化服务设计、精准干预提供了强有力的工具。

理解行为变化背后的“情境驱动”：人类行为并非一成不变，而是会因时间、环境或社交线索发生变化。Be.FM 可用于分析这些变化背后的原因。比如，某款App用户在1月与2月的使用行为发生了差异，模型可以帮助识别是哪些外部因素，比如界面更新，季节变化， 或者信息呈现方式在影响用户决策。这对产品设计者、研究人员或政策制定者来说，是一个全新思考用户行为的窗口。

协助行为研究与问题求解 ：作为一个语言模型架构的AI系统，Be.FM 还能支持研究者的日常工作，如生成研究假设、整理文献、解决行为经济学问题等。
研究人员可以用它来规划实验、模拟场景甚至进行头脑风暴，提高科研效率。

未来应用场景：从行为研究到政策制定

在这四大领域内，Be.FM 在人格预测、行为模拟等任务中的表现超越 GPT-4o 和 LLaMA，其输出更贴近真实人类行为，尤其在大规模人群层面。
当然，该模型仍有局限。例如，它尚不能预测政治冲突或选举结果。密西根大学信息学院教授、通讯作者Qiaozhu Mei表示，团队正致力于扩大模型适用领域：“健康、教育，甚至地缘政治——我们的目标是让 Be.FM 能在所有与人类决策相关的场景中发挥作用。”
目前，Be.FM 模型已开放申请使用。研究团队欢迎学者与行业从业者下载试用并反馈意见。