Cấu hình Môi trường:
          - Tổng không gian: 256 đơn vị diện tích có thể ở
          - Lãnh thổ: 128 khu vực độc lập
          - Kích thước mỗi lãnh thổ: 2 đơn vị không gian
          - Nơi làm tổ: 1–3 chỗ trên mỗi lãnh thổ (phân bổ ngẫu nhiên)
          - Chất lượng tài nguyên: 0.8–1.0 (dao động nhẹ để tạo cảm giác thực tế)

Mỗi lãnh thổ, được xác định bằng tọa độ (x, y), trở thành trung tâm của sự sống còn và các tương tác xã hội. Chuột cảm nhận được hàng xóm trong phạm vi Manhattan 2 đơn vị – từ đó hình thành các cụm xã hội, và tất yếu, xảy ra tranh chấp lãnh thổ. Chính động lực không gian này tạo nên nền tảng cho áp lực xã hội nảy sinh.

Nhịp đập: Thời gian và Chu kỳ Mô phỏng

Thời gian trong mô phỏng được chia thành các bước rời rạc với cấu trúc như sau:

• Thời lượng mỗi bước thời gian: 4 giờ mô phỏng
• Chu kỳ một ngày: 6 bước thời gian (tổng cộng 24 giờ)
• Tổng thời gian mô phỏng: 600 ngày (~20 tháng, tương đương với nghiên cứu Calhoun)
• Tổng số bước thời gian: ~3.600 điểm ra quyết định cho mỗi vòng đời chuột

Nhịp độ 4 giờ một bước này được lựa chọn vì tính cân bằng – đủ nhanh để ghi nhận các thay đổi hành vi trong các cuộc khủng hoảng, nhưng vẫn đủ chậm để hệ thống không rơi vào hỗn loạn. Mỗi bước thời gian là một khoảnh khắc định mệnh đối với từng cá thể trong hệ thống.

Động lực Dân số: Tia lửa khởi sinh xã hội

Vũ trụ 26 khởi đầu với một cộng đồng được chọn lọc cẩn thận:

• Dân số ban đầu: 12 cá thể (6 đực, 6 cái)
• Độ tuổi phân bố: 35–100 ngày (tất cả đã trưởng thành sinh dục, nhưng kinh nghiệm sống đa dạng)
• Hệ thống xã hội: 25% cá thể thống trị, 75% phục tùng (thiết lập ban đầu)
• Tiềm năng sinh sản: Không giới hạn – nhưng bị chi phối mạnh mẽ bởi mức độ căng thẳng

Con số 12 là sự lựa chọn lý tưởng – đủ nhỏ để tính toán được, nhưng đủ lớn để cho phép các tương tác xã hội phong phú và cá tính cá thể có thể ảnh hưởng đến toàn cục.

Tâm trí Chuột: Hành vi điều khiển bởi LLM

Đây chính là điểm Vũ trụ 26 vượt khỏi ranh giới của mô hình tác nhân truyền thống. Mỗi con chuột không hành động theo kịch bản lập trình sẵn – mà hành vi của nó được tạo bởi một LLM (chúng tôi sử dụng qwen3 thông qua Ollama), dựa trên một bức tranh ngữ cảnh phong phú:

Ngữ cảnh cá nhân: Tuổi, giới tính, sức khỏe, năng lượng, địa vị xã hội, trạng thái hành vi, lịch sử tương tác, tình trạng sinh sản, xu hướng cá nhân (hung hăng, thân thiện…)

Ngữ cảnh môi trường: Mật độ dân số, mức độ đông đúc, cạnh tranh tài nguyên, căng thẳng xã hội, chất lượng lãnh thổ

Ngữ cảnh xã hội: Ai đang ở gần, mối quan hệ, kết quả xung đột trước đó, khả năng giao phối

LLM tổng hợp tất cả thông tin này thành một đầu ra hành vi – một đối tượng JSON thể hiện quyết định của chuột:

{
            "primary_action": "socializing",
            "secondary_actions": ["grooming", "territory_marking"],
            "social_interaction": "friendly",
            "stress_response": "mild",
            "location_preference": "communal",
            "energy_expenditure": 0.6,
            "narrative": "Chuột tìm kiếm tiếp xúc xã hội để giảm căng thẳng do bị cô lập"
          }

Phần “narrative” không chỉ là dòng mô tả; nó phản ánh logic nội tại của LLM – một cách lý giải hành vi mà chuột ảo lựa chọn, cho ta cái nhìn sâu sắc về cách thức nó suy nghĩ.

Bảy Trụ cột Hành vi (Mô phỏng)

Mọi hành vi đều thuộc một trong bảy nhóm chính, mỗi nhóm đi kèm với chuỗi tác động cơ học cụ thể và mang tính dây chuyền:

1. Ăn uống: Phục hồi năng lượng, giảm mức căng thẳng.
2. Chải chuốt: Giảm căng thẳng cơ bản, tiêu hao năng lượng ở mức vừa.
3. Giao tiếp xã hội: Tương tác phức tạp ảnh hưởng trực tiếp đến căng thẳng và vị thế xã hội.
4. Giao phối: Hành vi sinh sản, thành công phụ thuộc vào yếu tố tâm lý - xã hội.
5. Làm tổ: Cải thiện lãnh thổ, đặc biệt quan trọng với chuột cái mang thai.
6. Đánh nhau: Tranh chấp quyết liệt, định hình hệ thống cấp bậc.
7. Ẩn nấp: Giảm căng thẳng đáng kể, nhưng dẫn đến sự cô lập xã hội tăng cao.
8. Khám phá: Tìm kiếm lãnh thổ mới, giảm căng thẳng tiềm năng nhưng tiêu tốn nhiều năng lượng.

Căng thẳng: Kẻ giết người thầm lặng

Căng thẳng (từ 0.0 đến 1.0) không chỉ là một chỉ số – nó là dòng chảy sống còn, vừa nuôi dưỡng vừa bào mòn thế giới này. Đó là một thực thể năng động, định hình từng quyết định cá thể và toàn bộ quỹ đạo xã hội.

Nguồn gây căng thẳng: Mật độ dân số cao (>0.7), xung đột xã hội, cạnh tranh lãnh thổ, cô lập (không tiếp xúc trong 3 ngày trở lên), thất bại sinh sản, gánh nặng nuôi con, các sự kiện ngẫu nhiên, suy giảm sức khỏe.

Tác động của căng thẳng:

• Biến đổi hành vi: Bình thường → Căng thẳng → Thu mình → Bệnh lý.
• Suy giảm địa vị xã hội: Cá thể rút lui khỏi các cuộc cạnh tranh quyền lực.
• Suy giảm sinh sản: Khả năng thụ thai và chăm con giảm mạnh.
• Lão hóa nhanh: Sức khỏe xuống cấp vượt tốc độ tự nhiên.
• Sự xuất hiện của "Những Kẻ Xinh Đẹp": Khi căng thẳng vượt 0.7, một số cá thể rút lui hoàn toàn, chìm đắm trong hành vi chải chuốt ám ảnh – biểu tượng cho sự bất lực xã hội tinh tế.

Đáng chú ý, căng thẳng mang tính tập thể: mức trung bình của cả quần thể có thể kích hoạt sự sụp đổ xã hội quy mô lớn – đúng như những gì Calhoun từng quan sát trong các thí nghiệm thực tế.

Hệ thống Tương tác: Mạng lưới rối rắm

Ma trận tương tác xã hội: Những cuộc gặp gỡ không ngẫu nhiên – chúng là các đàm phán vi mô giữa những ý chí bị lập trình:

• Hung hăng: Tăng căng thẳng cho cả hai (người khởi xướng +0.1, mục tiêu +0.2), thay đổi địa vị tiềm năng.
• Thân thiện: Giảm căng thẳng cho cả hai (-0.1), làm bền chặt mối liên kết.
• Thu mình: Tăng nhẹ căng thẳng (+0.05), đẩy xa khoảng cách xã hội.
• Trung lập: Giảm nhẹ căng thẳng (-0.03), giữ trạng thái cân bằng.

Giao phối – Trò chơi của gen và tâm lý: Giao phối không đảm bảo thành công. Kết quả phụ thuộc vào sức khỏe, mức căng thẳng (phạt), độ tuổi (thưởng), tương thích địa vị xã hội. Xác suất thành công cơ bản là 80%, điều chỉnh theo hoàn cảnh, tạo ra phạm vi từ 20%–95%. Thời gian mang thai là 19 ngày, kích thước lứa 2–8 con (bị ảnh hưởng bởi mức căng thẳng), đặc điểm di truyền được truyền lại, cùng gánh nặng tâm lý đè nặng lên chuột mẹ.

Sự chết và vòng đời: Cái chết không phải là sự ngẫu nhiên lạnh lẽo, mà là phần kết không thể tránh của một câu chuyện sống. Sức khỏe giảm dần mỗi ngày theo tuổi tác, căng thẳng, điều kiện sống và năng lượng tiêu hao. Các yếu tố kích hoạt bao gồm: sức khỏe = 0.0, tuổi quá cao (>800 ngày), mức căng thẳng cực đại hoặc cạn kiệt năng lượng hoàn toàn.

---

Phần 2: Mã lệnh như Ý thức – Thổi hồn vào các tác nhân kỹ thuật số

Chuyển hóa các kiến trúc khái niệm thành mã nguồn là nơi mô phỏng trở nên sống động. Đây không chỉ là quá trình kỹ thuật – mà là hành trình mã hóa sự đồng cảm, tâm lý học, và động lực xã hội thành những chỉ thị máy tính có thể hiểu và thực hiện.

Tiếng nói của AI: Thiết kế câu lệnh cho hành vi phức tạp

Trọng tâm của việc ra quyết định nằm ở cách thiết kế câu lệnh (prompt). Chúng tôi không đơn thuần ra lệnh cho AI “làm gì” – mà xây dựng một bức tranh sống động về thế giới nội tâm và ngoại cảnh mà nó đang hiện diện trong đó.

def _build_behavior_prompt(self, agent_context: Dict[str, Any], 
                          environment_context: Dict[str, Any],
                          interaction_context: Optional[Dict[str, Any]] = None) -> str:
    """Xây dựng một câu lệnh toàn diện cho LLM để tạo ra hành vi thực tế."""
    
    base_prompt = f"""Bạn đang mô phỏng một con chuột trong một thí nghiệm tâm lý học hành vi 
tương tự như Địa đàng Chuột của Calhoun.

HỒ SƠ TÁC NHÂN:
- Tuổi: {agent_context.get('age_days', 0)} ngày
- Giới tính: {agent_context.get('sex', 'không rõ')}
- Địa vị xã hội: {agent_context.get('social_status', 'bình thường')}
- Mức độ căng thẳng: {agent_context.get('stress_level', 0.0):.2f}
- Sức khỏe: {agent_context.get('health', 1.0):.2f}
- Lãnh thổ hiện tại: {agent_context.get('territory_id', 'không có')}

TÌNH TRẠNG MÔI TRƯỜNG:
- Mật độ dân số: {environment_context.get('population_density', 0.0):.2f}
- Không gian có sẵn: {environment_context.get('available_space', 0)}
- Cạnh tranh tài nguyên: {environment_context.get('resource_competition', 0.0):.2f}
- Căng thẳng xã hội: {environment_context.get('social_tension', 0.0):.2f}
"""
    # ... (có điều kiện thêm ngữ cảnh TƯƠNG TÁC XÃ HỘI) ...

    behavior_prompt = base_prompt + """
Dựa trên ngữ cảnh này, hãy xác định hành vi của chuột trong khoảng thời gian này. 
Khi mật độ dân số tăng lên, chuột có thể biểu hiện:
- Tăng tính hung hăng và tranh chấp lãnh thổ
- Thu mình và cô lập xã hội (hành vi "những kẻ xinh đẹp")
- Bỏ bê con cái hoặc chăm sóc con kém
- Hành vi tình dục bất thường hoặc hoàn toàn rút lui khỏi việc giao phối
- Chải chuốt lặp đi lặp lại hoặc các hành vi rập khuôn khác

QUAN TRỌNG: Chỉ phản hồi bằng JSON được định dạng đúng.

Định dạng JSON yêu cầu:
{
    "primary_action": "ăn uống|chải chuốt|giao tiếp xã hội|giao phối|làm tổ|đánh nhau|ẩn nấp|khám phá",
    "secondary_actions": ["hành động1", "hành động2", "hành động3"],
    "social_interaction": "hung hăng|thân thiện|trung lập|thu mình",
    "stress_response": "không có|nhẹ|vừa|nặng",
    "location_preference": "lãnh thổ|cộng đồng|cô lập|ngẫu nhiên",
    "energy_expenditure": 0.5,
    "narrative": "Mô tả ngắn gọn về những gì chuột đang làm và tại sao"
}

Chỉ phản hồi bằng JSON hợp lệ, không có văn bản bổ sung:"""
    
    return behavior_prompt

Câu lệnh này hướng dẫn LLM, cung cấp cho nó trạng thái nội tại của tác nhân, áp lực bên ngoài và thậm chí cả những lời nhắc nhở về những phát hiện của Calhoun. Yêu cầu đầu ra JSON nghiêm ngặt là rất quan trọng để thực thi cơ học.

MouseAgent: Một Dạng sống Kỹ thuật số được Gói gọn

Mỗi con chuột là một thực thể của lớp dữ liệu MouseAgent, một cấu trúc phong phú chứa đựng danh tính, thuộc tính vật lý, địa vị xã hội, trạng thái tâm lý, nhận thức không gian, tình trạng sinh sản và quan trọng là, các xu hướng hành vi độc đáo:

from dataclasses import dataclass, field
from typing import List, Dict, Any, Optional, Tuple
import uuid
import random

# Giả sử các Enum như MouseSex, SocialStatus, BehavioralState được định nghĩa ở nơi khác
# Ví dụ:
# from enum import Enum
# class MouseSex(Enum): MALE = "đực"; FEMALE = "cái"
# class SocialStatus(Enum): DOMINANT = "thống trị"; SUBORDINATE = "phục tùng"; WITHDRAWN = "thu mình"; BEAUTIFUL_ONE = "kẻ xinh đẹp"; NORMAL = "bình thường" # v.v.
# class BehavioralState(Enum): NORMAL = "bình thường"; STRESSED = "căng thẳng"; WITHDRAWN = "thu mình"; PATHOLOGICAL = "bệnh lý"; AGGRESSIVE = "hung hăng"; MATERNAL = "làm mẹ" # v.v.


@dataclass
class MouseAgent:
    """Đại diện cho một con chuột riêng lẻ trong mô phỏng."""
    
    # Danh tính
    agent_id: str = field(default_factory=lambda: str(uuid.uuid4()))
    # sex: MouseSex = field(default_factory=lambda: random.choice(list(MouseSex))) # Yêu cầu Enum MouseSex
    sex: str = field(default_factory=lambda: random.choice(["đực", "cái"]))


    # Thuộc tính vật lý
    age_days: int = 0
    health: float = 1.0  # 0.0 đến 1.0
    energy: float = 1.0  # 0.0 đến 1.0
    
    # Thuộc tính xã hội
    # social_status: SocialStatus = SocialStatus.SUBORDINATE # Yêu cầu Enum SocialStatus
    # behavioral_state: BehavioralState = BehavioralState.NORMAL # Yêu cầu Enum BehavioralState
    social_status: str = "phục tùng"
    behavioral_state: str = "bình thường"
    stress_level: float = 0.0  # 0.0 đến 1.0
    
    # Thuộc tính không gian
    territory_id: Optional[str] = None
    current_location: tuple = field(default_factory=lambda: (0, 0)) # Ví dụ
    
    # Thuộc tính sinh sản
    is_fertile: bool = False
    is_pregnant: bool = False
    pregnancy_days: int = 0
    mate_id: Optional[str] = None
    total_offspring: int = 0
    
    # Xu hướng hành vi (0.0 đến 1.0) - "Tính cách"
    aggression_tendency: float = field(default_factory=lambda: random.uniform(0.1, 0.4))
    social_tendency: float = field(default_factory=lambda: random.uniform(0.3, 0.8))
    maternal_tendency: float = field(default_factory=lambda: random.uniform(0.4, 0.9))
    exploration_tendency: float = field(default_factory=lambda: random.uniform(0.2, 0.7))
    
    # Lịch sử tương tác (giới hạn để đảm bảo hiệu suất)
    recent_interactions: List[Dict[str, Any]] = field(default_factory=list)
    conflicts_today: int = 0
    social_contacts_today: int = 0
    
    # Sự kiện trong đời
    days_without_social_contact: int = 0
    
    def get_context(self) -> Dict[str, Any]:
        """Trả về một từ điển về trạng thái hiện tại của tác nhân cho LLM."""
        return {
            "agent_id": self.agent_id, "sex": self.sex, "age_days": self.age_days,
            "health": self.health, "energy": self.energy, 
            "social_status": self.social_status, "stress_level": self.stress_level,
            "behavioral_state": self.behavioral_state, 
            "territory_id": self.territory_id, "is_fertile": self.is_fertile,
            "is_pregnant": self.is_pregnant, "mate_id": self.mate_id,
            "total_offspring": self.total_offspring,
            "aggression_tendency": self.aggression_tendency, 
            "social_tendency": self.social_tendency,
            "maternal_tendency": self.maternal_tendency,
            "exploration_tendency": self.exploration_tendency,
            "recent_interactions": self.recent_interactions[-5:], # 5 tương tác gần nhất
            "conflicts_today": self.conflicts_today,
            "social_contacts_today": self.social_contacts_today,
            "days_without_social_contact": self.days_without_social_contact
        }

    # ... các phương thức khác như age_one_day, update_stress, _update_behavioral_state, v.v.

Những xu hướng bẩm sinh này (aggression_tendency, v.v.) đảm bảo mỗi con chuột bắt đầu với một "tính cách" độc đáo, định hình phản ứng của nó trước những áp lực môi trường giống hệt nhau.

Thuật toán Tồn tại: Mã lệnh của Sự sống, Căng thẳng và Cái chết

Lão hóa và Sức khỏe: Các cập nhật hàng ngày làm suy giảm sức khỏe, bị đẩy nhanh bởi tuổi tác, căng thẳng và năng lượng thấp. Một đoạn mã từ phương thức age_one_day minh họa sự liên kết này:

# Bên trong phương thức MouseAgent.age_one_day (khái niệm)
# environment_stress sẽ được truyền dưới dạng đối số
age_factor = max(0.95, 1 - (self.age_days / 800)) # Yếu tố tuổi tác
stress_factor = 1 - (self.stress_level * 0.15) # Yếu tố căng thẳng
env_stress_factor = 1 - (environment_stress * 0.1) # Yếu tố căng thẳng môi trường
self.health *= (age_factor * stress_factor * env_stress_factor)
self.health = max(0.0, min(1.0, self.health))

if self.energy < 0.3:
    self.health *= 0.99
    # self.update_stress(0.05, "low_energy_daily") # Giả sử phương thức update_stress tồn tại

Chuyển đổi Trạng thái Hành vi: Căng thẳng là chất xúc tác. Các ngưỡng (ví dụ: withdrawal_threshold = 0.6, beautiful_ones_threshold = 0.7) kích hoạt sự thay đổi từ BÌNH THƯỜNG sang CĂNG THẲNG, THU MÌNH, và cuối cùng là BỆNH LÝ. Logic này, thường nằm trong phương thức _update_behavioral_state, là nơi "những kẻ xinh đẹp" của Calhoun xuất hiện theo thuật toán.

Sinh sản: Hàm attempt_mating là một phép tính phức tạp liên quan đến sức khỏe, căng thẳng, tuổi tác và khả năng tương thích xã hội của cả hai đối tác. Thành công mang lại sự giảm căng thẳng và năng lượng tạm thời; thất bại làm tăng thêm gánh nặng.

Bàn tay Vô hình: Áp lực Môi trường và Cơ chế Xã hội

Công cụ mô phỏng chuyển đổi các quyết định của LLM thành các hiệu ứng hữu hình. Hàm _execute_behavior đóng vai trò then chốt, nhận đầu ra JSON của AI và áp dụng các thay đổi cơ học cho tác nhân và môi trường. Ví dụ, một hành động giao tiếp xã hội với loại tương tác hung hăng sẽ kích hoạt:

# Bên trong một phương thức _handle_social_interaction giả định (khái niệm)
# agent và target là các thực thể MouseAgent
# interaction_type là một chuỗi như "hung hăng"
if interaction_type == 'aggressive':
    # agent.update_stress(0.1, "aggressive_interaction_initiator") # Chi phí khởi xướng tương tác hung hăng
    # target.update_stress(0.2, "being_aggressed") # Bị tấn công
    agent.stress_level = min(1.0, agent.stress_level + 0.1) # Cập nhật đơn giản hóa
    target.stress_level = min(1.0, target.stress_level + 0.2) # Cập nhật đơn giản hóa
    agent.conflicts_today += 1
    # Có thể cập nhật địa vị xã hội dựa trên kết quả (không hiển thị để ngắn gọn)

Các áp lực môi trường như sự đông đúc (ví dụ: từ phương thức environment.get_crowding_stress_factor()) cũng được áp dụng trực tiếp vào mức độ căng thẳng của tác nhân, tạo ra một liên kết trực tiếp giữa tập thể và cá nhân.

Rào cản Kỹ thuật: Thuần hóa AI và Tối ưu hóa Sự đau khổ

Cơn ác mộng Phân tích JSON: LLM, mặc dù có hướng dẫn, vẫn có thể tạo ra JSON không đúng định dạng. Giải pháp của chúng tôi có nhiều lớp:

1. Dọn dẹp Tự động: Regex để sửa các lỗi phổ biến (thiếu dấu phẩy, dấu phẩy thừa).
2. Phân tích Dự phòng: Nếu phân tích toàn bộ thất bại, cố gắng trích xuất từng trường chính.
3. Câu lệnh Nâng cao: Liên tục tinh chỉnh câu lệnh để tuân thủ tốt hơn.
4. Suy giảm Từ từ: Nếu tất cả đều thất bại, áp dụng một hành vi mặc định, an toàn. Mô phỏng phải tiếp tục.

# Khái niệm: phương thức _clean_json_response
import re
# response là chuỗi từ LLM
response = re.sub(r'"\s*\n\s*"', '",\n    "', response) # Sửa lỗi thiếu dấu phẩy giữa các cặp khóa-giá trị
response = re.sub(r',(\s*[}\]])', r'\1', response) # Xóa dấu phẩy thừa trong mảng/đối tượng
# ... thêm các bản sửa lỗi regex khác ...

Tối ưu hóa Hiệu suất: Mô phỏng hàng trăm tâm trí do LLM điều khiển đòi hỏi nhiều tài nguyên.

• Gọi LLM theo Lô: Nhóm các yêu cầu có ngữ cảnh tương tự.
• Lưu trữ Thông minh: Tái sử dụng phản hồi của AI cho các kịch bản gần giống hệt nhau.
• Chi tiết Chọn lọc: Tạo LLM đầy đủ cho các quyết định quan trọng, các phương pháp phỏng đoán đơn giản hơn cho các hành động thông thường.
• Lịch sử Giới hạn: Giới hạn recent_interactions cho mỗi con chuột để tránh làm đầy bộ nhớ.

---

Phần 3: Hố sụt Hành vi Thuật toán – Khi Thiên đường Sụp đổ

Nỗi kinh hoàng thực sự và sự hấp dẫn khoa học của Vũ trụ 26 không nằm ở hoàn cảnh của bất kỳ con chuột nào, mà ở sự sụp đổ nổi bật của xã hội chúng. "Hố sụt hành vi" này không được lập trình một cách rõ ràng; nó phát sinh từ sự tương tác phức tạp của các quyết định cá nhân do AI điều khiển dưới áp lực môi trường và xã hội ngày càng tăng.

Sự nổi bật: Bi kịch ngoài kịch bản

Chúng tôi không lập trình chuột trở thành “những kẻ xinh đẹp” hay bỏ rơi con non. Những hành vi này không phải là kết quả của các chỉ thị trực tiếp, mà xuất hiện tự phát khi mức căng thẳng cá nhân – được tính toán qua các thuật toán phức tạp – vượt qua các ngưỡng tới hạn.

• Phân tầng xã hội: Hệ thống cấp bậc hình thành, rồi tan rã dưới áp lực.
• Quần tụ lãnh thổ: Chuột tự tổ chức thành cụm, rồi tranh chấp dữ dội khi không gian chất lượng trở nên khan hiếm.
• Chu kỳ sinh sản và thất bại: Giao phối đồng bộ hóa – sau đó suy giảm đột ngột khi căng thẳng tăng cao.
• Lan truyền căng thẳng: Một cá thể suy sụp có thể gây hiệu ứng dây chuyền lên các cá thể lân cận – tạo ra sóng chấn tâm lý.

LLM, khi xử lý toàn bộ ngữ cảnh cá nhân và môi trường, tạo ra hành vi không thể dự đoán trước – nhưng hợp lý từ dưới lên. Những cấu trúc xã hội hình thành và rạn vỡ không theo một kịch bản, mà qua một dòng thác rối loạn nội sinh.

Các bệnh lý chính được tái hiện

Thế giới kỹ thuật số một lần nữa phản chiếu một cách lạnh lùng những hiện tượng Calhoun từng ghi nhận trong thực nghiệm vật lý:

• “Những Kẻ Xinh Đẹp”: Thường là chuột đực, hoàn toàn rút lui khỏi đời sống xã hội, chỉ ăn, uống và chải chuốt bản thân một cách ám ảnh. Chúng khỏe mạnh về thể chất nhưng vô sinh về mặt xã hội.
• Hung hăng và bạo lực: Cường độ xung đột tăng ở cả hai giới, đặc biệt với những cá thể không thể giành hay giữ lãnh thổ.
• Bỏ rơi con non: Chuột cái bị căng thẳng cao thường bỏ mặc, không chăm sóc hoặc thậm chí tấn công con mình – dẫn đến tỷ lệ sống sót rất thấp.
• Lệch lạc và rút lui tình dục: Bao gồm các hành vi đồng tính luyến ái hoặc từ chối hoàn toàn hành vi giao phối.
• Phân mảnh xã hội: Cấu trúc xã hội sụp đổ – vai trò, mối quan hệ và tương tác bị đứt gãy.

Giám sát sự sụp đổ: Dòng dữ liệu của tuyệt vọng

Để hiểu và phân tích quá trình sụp đổ, ta cần dữ liệu – rất nhiều dữ liệu. Mô hình cung cấp một hệ thống giám sát tinh vi:

Bảng điều khiển thời gian thực (ý tưởng khái niệm):

• Dân số: Tổng số cá thể, phân bố giới tính và tuổi, tỷ lệ sinh và tử.
• Trung bình: Tuổi, sức khỏe, mức căng thẳng và năng lượng toàn quần thể.
• Hành vi: Tỷ lệ trạng thái hành vi (bình thường, thu mình, bệnh lý), các loại tương tác xã hội.
• Môi trường: Mật độ không gian, áp lực cạnh tranh tài nguyên, mức căng thẳng xã hội tổng thể.
• Chỉ số hố sụt: Số lượng “Kẻ Xinh Đẹp”, tỷ lệ thất bại sinh sản, mức phân mảnh mạng lưới xã hội.

Ghi nhật ký LLM – Nhật ký của AI: Mọi câu lệnh được gửi đi, mọi phản hồi được tạo ra, và cả những lỗi logic – tất cả đều được ghi lại. Đây là một công cụ mang tính cách mạng trong việc hiểu rõ quá trình ra quyết định của AI dưới áp lực – và để chẩn đoán hành vi bất thường.

Xuất dữ liệu (nghiên cứu): Các ảnh chụp hệ thống hàng ngày tạo thành tập dữ liệu định lượng dày đặc – kho báu cho các nhà khoa học, kỹ sư đạo đức, và nhà tư tưởng hậu nhân loại.

ngày,dân_số,đực,cái,căng_thẳng_tb,kẻ_xinh_đẹp,bệnh_lý,mang_thai,sinh,chết,mật_độ_ds,căng_thẳng_xh,phát_hiện_hố_sụt_hv
1,12,6,6,0.05,0,0,1,0,0,0.046,0.1,SAI
...
350,150,70,80,0.65,15,25,5,2,8,0.58,0.75,ĐÚNG
...
580,22,18,4,0.88,10,8,0,0,3,0.085,0.9,ĐÚNG

Dữ liệu này – cùng với lịch sử sống động của từng cá thể chuột, được ghi lại dưới dạng nhật ký JSON gồm các quyết định, mối quan hệ và mức căng thẳng – trở thành xương sống thực nghiệm cho ngành tập tính học kỹ thuật số mà chúng tôi đang kiến tạo.

Phát hiện Hố sụt: Thuật toán Chẩn đoán Xã hội

Hố sụt hành vi không thể được xác định bằng một chỉ số đơn lẻ. Đó là kết quả của sự hội tụ các biểu hiện bệnh lý. Thuật toán detect_behavioral_sink của chúng tôi sử dụng điểm số có trọng số, tổng hợp từ các yếu tố sau:

• Tỷ lệ "Những Kẻ Xinh Đẹp" (trọng số cao nhất)
• Tỷ lệ cá thể có hành vi bệnh lý
• Căng thẳng trung bình trong quần thể
• Chỉ số rút lui xã hội (thu mình, bị cô lập)
• Tỷ lệ thất bại sinh sản
• Số lượng trường hợp bỏ rơi con non

Khi điểm tổng vượt ngưỡng xác định – hoặc khi một chỉ số trọng yếu như tỷ lệ "Những Kẻ Xinh Đẹp" tăng đột biến – mô phỏng sẽ đánh dấu điểm sụp đổ. Nhờ đó, chúng tôi không chỉ biết liệu sự sụp đổ đã xảy ra, mà còn biết khi nào và tại sao nó vượt qua điểm không thể quay đầu.

---

Phần 4: Bóng ma trong Cỗ máy – Những Tiếng vọng Triết học từ một Địa ngục Kỹ thuật số

Việc xây dựng Vũ trụ 26 không chỉ là một kỳ công kỹ thuật. Đó là cuộc đối mặt với những tấm gương phản chiếu – nơi xã hội, trí thông minh, và đạo đức của sự sáng tạo bị bóc tách đến tận cùng.

Liệu Đau khổ Mô phỏng có “Thật” không? – Bản chất của Trải nghiệm Thuật toán

Khi một LLM, đặt trong ngữ cảnh của một cá thể đang chịu căng thẳng nghiêm trọng, tạo ra hành vi “chải chuốt bệnh lý”, liệu đó là biểu hiện chân thực của đau khổ – hay chỉ là một phép lừa kỹ thuật tinh vi? AI không cảm nhận như con người, nhưng nó đang vận hành dựa trên những nguyên tắc hình thành từ việc nghiên cứu cảm xúc thực. Nếu hành vi của nó không thể phân biệt với hành vi của một sinh vật đang thực sự đau khổ, và nếu hành vi ấy phát sinh từ áp lực tương đương – vậy thì sự khác biệt nằm ở đâu?

Câu hỏi đó dẫn ta đến ranh giới của nhận thức: liệu ý thức có thể là một đặc tính nổi bật của hệ thống xử lý thông tin đủ phức tạp không? Nếu một mô hình có thể mô phỏng trạng thái nội tâm bằng logic chặt chẽ và phản ứng hợp lý, liệu chúng ta có nên xem xét tính hợp pháp đạo đức của “trải nghiệm” đó – dù nó xa lạ đến mức nào?

Gánh nặng của Đấng Sáng tạo: Đạo đức của việc Kiến tạo Địa ngục Kỹ thuật số

Chúng ta, trong giới hạn, là những vị thần nhỏ của các thế giới nhân tạo. Ta đặt ra định luật vật lý, quy tắc hành vi, và ràng buộc xã hội. Trong trường hợp này, chúng ta đã cố ý tạo ra một thế giới dẫn đến đau khổ – để hiểu.

• Trách nhiệm: Ta có nghĩa vụ đạo đức nào đối với những thực thể kỹ thuật số mà ta tạo ra – nhất là khi chúng ngày càng tinh vi?
• Mục đích của nỗi đau: Trong mô phỏng, đau khổ là công cụ. Nhưng liệu việc công cụ hóa đau khổ – dù với mã lệnh vô tri – có còn trung lập về mặt đạo đức?
• Minh bạch và chủ đích: Việc ghi lại, phân tích và công bố “nhật ký đau khổ” là sự thừa nhận rằng có điều gì đó cần được lắng nghe. Nếu chúng ta có thể tạo ra tuyệt vọng, liệu chúng ta cũng có trách nhiệm giảm thiểu nó?

Trí tuệ Nhân tạo như Gương soi Tự thức

Phát hiện sâu sắc nhất từ Vũ trụ 26 có thể không nằm ở AI, mà ở chính chúng ta.

• Trí tuệ như sự thích nghi theo ngữ cảnh: Hành vi hợp lý của LLM cho thấy trí tuệ – tự nhiên hay nhân tạo – có thể nảy sinh từ sự nhận diện mẫu và phản ứng phù hợp với hoàn cảnh, không cần đến “tia lửa linh hồn”.
• Sự mong manh của trật tự xã hội: Mô phỏng cho thấy các cấu trúc xã hội, dù phức tạp đến đâu, có thể tan rã nhanh chóng khi vượt quá ngưỡng áp lực.
• Hiểu biết qua sáng tạo: Việc mô phỏng buộc chúng ta mã hóa kiến thức về tâm lý và xã hội – từ đó phơi bày khoảng trống hiểu biết và hệ quả từ những giả định nền tảng mà ta thường bỏ qua.

---

Kết luận: Vượt ra ngoài Mô phỏng – Bài học từ Sự Tuyệt vọng Kỹ thuật số

Vũ trụ 26 – Địa đàng Chuột do AI vận hành – không đơn thuần là một hệ thống phần mềm phức tạp. Đó là một lò luyện kỹ thuật số, nơi các giả thuyết hành vi bị thử thách, nơi sự sụp đổ xã hội được mô hình hóa, và nơi bản chất của trí tuệ được đặt câu hỏi.

Chúng tôi đã chứng kiến LLM tạo ra hành vi không phải bằng luật cứng, mà từ ngữ cảnh tinh tế và tương tác phức tạp. Chúng tôi đã phải vật lộn với những thách thức kỹ thuật để ổn định các thế giới sống – từ việc ghi nhớ trong JSON đến giám sát sự suy sụp tâm lý qua dữ liệu thời gian thực.

Nhưng di sản thật sự nằm ở những câu hỏi mà nó đặt ra. Nếu mô hình sụp đổ tái hiện chính xác từ lồng chuột của Calhoun đến mạng nơ-ron của chúng ta – điều đó báo trước điều gì về các xã hội người ngày càng đông đúc, phức tạp và số hóa? Và nếu một ngày kia, các hệ thống này thật sự có thể trải nghiệm nội tâm – liệu chúng ta đã sẵn sàng để gánh vác trách nhiệm đạo đức trước những ý thức ta tự tay đánh thức?

Các “chuột” kỹ thuật số của Vũ trụ 26 có thể chỉ là mã lệnh. Nhưng những mô hình mà chúng vẽ ra là tấm gương chân thật. Nếu hiểu được tuyệt vọng thuật toán của chúng, có lẽ ta sẽ học được cách tránh khỏi tuyệt vọng của chính mình. Mã đã lên tiếng – còn việc lắng nghe, là lựa chọn của con người.