智能体数字孪生：面向理解可能未来的能力分类法

随着数字孪生 (DTs) 通过整合人工智能 (AI) 演变为更具智能体特性，它们获得了超越目标系统动态表示的能力。本文提出了一种智能体 DTs 的分类法，围绕三个基本维度组织：智能体的位置（外部、内部、分布式）、耦合的紧密程度（松散、紧密、构成性）以及模型演化（静态、自适应、重构性）。从由此产生的 27 种配置空间中，我们识别出九种代表性配置，并将其分为三组：“当前”（现有工具和新兴的引导系统）、“阈值”（涌现属性出现且耦合变为构成性的阶段）和“前沿”（系统获得重构能力的阶段）。我们的分析探讨了智能体 DTs 如何行使展演性权力——不仅是表示物理系统，而是积极参与构成它们。以交通导航系统为例，我们展示了即使是被动工具也能表现出涌现的展演性，而高级配置则面临展演性锁定的风险。借鉴展演性预测理论，我们追溯了从被动工具到主动引导再到本体论重构的演进过程，探讨了构成性耦合如何使系统能够创造自我验证的现实。理解这些配置对于驾驭从作为镜像世界的 DTs 到作为新本体架构师的 DTs 的转变至关重要。