在 AI 模拟社会中，并没有一个像人类 “幕后黑手” 那样的实体在悄悄操控智能体的行为。智能体的行为主要是由以下几个方面来决定和影响的：
程序和算法：智能体的基础行为模式和决策逻辑是由开发人员编写的程序和算法所决定的。例如在一些基于强化学习的 AI 模拟中，智能体通过不断与环境交互，根据奖励机制来学习和调整行为策略，以最大化长期奖励。像 OpenAI 的 Dota 2 游戏 AI，就是通过大量的算法和数据训练，让智能体学会如何在游戏环境中做出各种决策，如选择技能释放、走位、与队友配合等，而不是由人在幕后直接操控每个行为。
数据：训练数据对智能体的行为有着至关重要的影响。数据中包含的各种信息和模式，会被智能体学习和吸收，从而影响其行为表现。如果数据存在偏差，那么智能体的行为可能也会出现相应的偏差。例如，在图像识别的 AI 中，如果训练数据中某一类图像的样本数量过少或质量不佳，那么智能体在识别该类图像时就可能出现错误或不准确的行为。
环境因素：模拟社会中的环境设定也是影响智能体行为的重要因素。环境中的各种规则、资源分布、其他智能体的存在等，都会促使智能体做出不同的行为反应。例如在一个模拟城市交通的 AI 系统中，交通信号灯的时长、道路的宽度和布局、车辆的流量等环境因素，都会影响智能体（车辆或行人）的移动速度、路径选择等行为。
自适应和学习机制：现代的 AI 智能体通常具有自适应和学习能力，它们能够根据自身的经历和与环境的交互不断调整和优化自己的行为。例如在自然语言处理中，语言模型会根据大量的文本数据不断学习语言的规律和模式，随着时间的推移和数据的增加，其生成文本、理解语义等行为能力会不断提升，而不是依赖于固定的人为指令来操控每一个行为细节。
扎克伯格豪掷650亿美元加速构建AI帝国
上海教育智算平台上线师范生教学反思大