BEHAVE：用于实时建模集体人类动态的混合 AI 框架

现有的 AI 系统在个体层面或事件发生后检测方面运作，因而系统性地无法捕捉决定群体是否保持稳定、过渡到升级或崩溃的集体动态。我们提出了不同的基础：一群相互作用的人类构成一个在数学上精确意义上的复杂动力系统，呈现出涌现性、非线性、反馈环路、临界点附近的敏感性，以及在质化不同制度之间进行的相变。该系统的状态并不位于任何单个参与者内部，而是分布在相互影响的环路中，通过身体的微动力学可被观察。我们引入 BEHAVE（Behavioral Engine for Human Activity Vector Estimation），一个形式框架，将集体动态建模为定义在从可观测物理信号派生的交互空间上的连续行为场。运动学微信号（位置、速度、身体姿态、手势活动）被结构化为有向交互图，并聚合为捕获集体状态不同、非冗余轴的行为场基。该框架依赖一个定理和两个结构命题，分别刻画了张力场、场基和临界性指数。感知和预测层使用神经模型实现，实现数据驱动的学习和系统动态的近似。BEHAVE 被形式化为一个用于学习、表示和从数据预测集体动态的计算系统。在 7 代理交涉快照上演示了一个工作管道。相同字段经重新校准后可用于群体安全、危机团队动态、教育和临床情境。