Com la simulació de multituds amb IA prediu les reaccions del públic

La simulació de multituds amb IA prediu les reaccions del públic construint una població d'agents d'IA a partir d'un context real i permetent-los interactuar al llarg del temps, en lloc de demanar una única resposta a un model. A InfoDome, el vostre document es converteix en un gràfic de coneixement, el gràfic es converteix en centenars d'agents amb el seu propi caràcter, posició i memòria, i aquests agents debaten en dues plataformes simulades durant un nombre escollit de rondes. Un agent analista llegeix el que ha passat i escriu un informe de predicció que podeu qüestionar.

Per què simular una multitud en comptes de demanar a un model?

Si preguntes a un sol model d'IA "com reaccionarà la gent a això?", obtindràs un paràgraf plausible. Sovint és raonable, però és una mitjana: una veu que imagina tothom alhora. Les reaccions reals no funcionen així. La gent respon entre si. La publicació d'un crític configura com un lector neutral veu les notícies; la resposta d'un defensor canvia el que diu el crític a continuació; un periodista recull l'enquadrament més sorollós, no el més precís.

Una simulació de multituds intenta capturar aquesta dinàmica. En lloc d'un consens imaginari, modela molts actors diferents i deixa que el resultat sorgeixi de la seva interacció. És per això que el resultat et pot sorprendre i per això val la pena comprovar les sorpreses. El mètode més ampli es coneix com a simulació multiagent; expliquem els seus antecedents en què és la simulació multiagent .

Pas 1: Del document al gràfic de coneixement

Tot comença amb el vostre material: notícies, plans, informes, esborranys de polítiques o ficció, en PDF, Markdown o text. InfoDome ho llegeix juntament amb la vostra descripció en llenguatge planer del que voleu predir i n'extreu un gràfic de coneixement:

• Entitats : persones, organitzacions i grups esmentats en el text.
• Relacions : qui dóna suport, s'oposa, depèn de qui, informa o competeix amb qui.
• Context : els fets i les posicions que el text atribueix a cadascun d'ells.

El gràfic és important perquè ancora la simulació en la vostra situació en lloc de fer-ho en suposicions genèriques. També és visible per a vosaltres, de manera que podeu veure què ha entès el sistema abans que s'executi res.

Pas 2: Del graf als agents

A partir del gràfic i la descripció de la teva audiència, InfoDome crea centenars d'agents d'IA; el nombre exacte depèn del document. Cada agent obté:

• Un personatge : temperament, interessos, la manera com tendeix a parlar i a interactuar.
• Una posició : on comença el problema, informada pel gràfic.
• Memòria a llarg termini : allò que ha vist, dit i li han dit, que persisteix al llarg de les rondes.
• Un país : podeu triar fins a 10 països d'audiència i els agents es divideixen entre ells a parts iguals. Les entitats reals amb nom del document mantenen el seu propi país.

La barreja és deliberada. Alguns agents representen organitzacions o persones del text; altres representen membres del públic en general, de manera que la simulació inclou tant els actors visibles com la multitud que hi reacciona.

Pas 3: Rondes en dues plataformes

Els agents interactuen llavors en una xarxa social simulada que s'executa en dues plataformes en paral·lel:

• Un canal tipus Twitter : publicacions curtes, reaccions ràpides, republicacions. Aquí és on els enquadraments s'estenen ràpidament i el to s'intensifica.
• Un fòrum semblant Reddit : fils i respostes més llargs. Aquí és on es proven els arguments, es debaten els detalls i s'endureixen o s'estoven les posicions.

Trieu el nombre de rondes, per exemple 10, 20 o 40. A cada ronda, els agents llegeixen el que han publicat els altres, decideixen si han de respondre i com ho han de fer, i actualitzen la seva memòria. Com que la memòria es manté, la ronda 15 es configura pel que va passar a les rondes 1 a 14. Un argument que no va ser respost al principi pot convertir-se en saviesa acceptada més tard; una correcció que va arribar tard potser no s'acostarà mai.

Pas 4: De la conversa a l'informe

Després de l'última ronda, un agent analista estudia l'activitat simulada i escriu un informe de predicció amb conclusions: narratives dominants, quins grups es van moure i per què, quins actors van actuar com a amplificadors, quins riscos i preguntes obertes queden. L'informe no és l'únic resultat. Podeu obrir les publicacions subjacents, entrevistar qualsevol agent sobre el seu raonament i fer preguntes de seguiment a l'analista. Aquesta traçabilitat és el que converteix una simulació en una hipòtesi revisable en lloc d'un veredicte de caixa negra.

Per què importen les reaccions de segon ordre

La primera reacció a les notícies sol ser fàcil d'endevinar. Un augment de preus molesta els clients; una nova regulació preocupa la indústria regulada. El que és difícil d'endevinar és la reacció de segon ordre : la reacció a la reacció.

Exemples d'efectes de segon ordre que pot sorgir en una simulació de multituds:

• La resposta defensiva d'una empresa converteix una petita queixa en una història sobre arrogància.
• Un rumor s'esvaeix a la transmissió ràpida però sobreviu en un fil del fòrum que més tard ressorgeix.
• El suport tebi d'un aliat és interpretat pels agents neutrals com un signe de problemes ocults.
• Dos grups que van començar en bàndols oposats descobreixen un greuge comú i s'alineen.

Aquests efectes només apareixen quan els actors responen entre si al llarg del temps, que és exactament per a això serveixen les rondes i la memòria. També són els efectes que més sovint agafen desprevingudes les organitzacions, perquè cap entrevista amb les parts interessades els revelaria.

Un exemple treballat

Un govern municipal elabora un pla per convertir un carrer comercial concorregut en una zona de vianants. L'equip de planificació penja l'esborrany, un resum d'un estudi de trànsit i un informe de notícies locals que cita els propietaris de botigues. Pregunten com reaccionaran els residents, els propietaris de botigues, les empreses de repartiment i els mitjans de comunicació locals durant el primer mes i fan 40 rondes en un país.

Les primeres rondes no deixen sorpreses: els propietaris de botigues es preocupen pels lliuraments, i els residents els agrada la idea de menys soroll. Aleshores sorgeix un patró de segon ordre. Un agent d'una empresa de repartiment publica que les finestres de lliurament a primera hora del matí resoldrien la majoria dels problemes. Els agents propietaris de botigues del fòrum ho recullen i les seves crítiques passen de "contra el pla" a "contra el pla sense finestres de lliurament". Mentrestant, a la transmissió, un agent de mitjans local amplifica la queixa d'un resident sobre l'aparcament, que desvia l'atenció dels lliuraments.

L'informe de l'analista conclou que les finestres de lliurament podrien dividir l'oposició i que l'aparcament és el risc més persistent. L'equip entrevista l'agent de mitjans per entendre quins fets canviarien el seu plantejament i, a continuació, afegeix una secció d'aparcament al pla. La simulació no va demostrar res sobre el carrer real, però va donar a l'equip dues hipòtesis concretes i comprovables. Per a situacions amb molts rumors, l' escenari de propagació de rumors es construeix al voltant de la mateixa mecànica.

Límits a tenir en compte

La simulació de multituds és potent per explorar dinàmiques, però té límits clars:

• Els agents són models d'IA condicionats pels vostres documents. La manca de parts interessades o el material unilateral condueixen a punts cecs.
• Els resultats no són estadísticament representatius com una mostra d'enquesta, i els percentatges no s'han de llegir com a quotes del món real.
• Diferents curses poden desenvolupar-se de manera diferent. Tracteu els patrons consistents com a senyals més forts que els moments dramàtics individuals.

Tenint en compte aquests límits, la simulació és una manera ràpida de veure què pot passar després i per què. Per provar-ho en el vostre propi cas, prepareu una tasca a la consola .