La simulació multiagent és una manera d'estudiar un sistema modelant molts actors independents, anomenats agents, cadascun amb les seves pròpies regles, objectius o personalitat, i deixant que el resultat general sorgeixi de com interactuen. En lloc d'escriure una equació per a "el mercat" o "l'opinió pública", es descriuen els individus i s'observa què fa el grup. Amb els models de llenguatge modern, aquests agents poden llegir, escriure i recordar en llenguatge natural, cosa que fa que el mètode sigui útil per a preguntes sobre com reacciona la gent.
La idea central: el comportament sorgeix de la interacció
Molts resultats importants no els decideix un sol actor. Els embussos de trànsit, les espirals de preus, els rumors virals i els canvis d'humor públic sorgeixen de moltes decisions locals que s'influeixen mútuament. La simulació multiagent s'ho pren seriosament.
Una simulació típica té tres ingredients:
- Agents : els actors, cadascun amb el seu propi estat (el que sap, vol o creu) i comportament (com decideix què fer a continuació).
- Un entorn : l'espai on els agents actuen i s'observen mútuament, com ara un mapa, un mercat o una xarxa social.
- Passos o rondes de temps : en cada pas, els agents observen, decideixen i actuen, i l'entorn canvia com a resultat.
El que fa que aquest enfocament sigui distintiu és l'emergència : patrons a nivell de grup que ningú ha programat directament. Una petita preferència en cada individu pot, mitjançant una interacció repetida, produir un resultat col·lectiu gran i sorprenent.
D'on prové: modelització basada en agents
La idea no és nova. Investigadors en economia, ecologia, sociologia i informàtica han utilitzat la modelització basada en agents durant dècades. Els primers treballs de la dècada de 1970 ja van mostrar, amb regles molt simples sobre una graella, com les preferències individuals lleus sobre els veïns podien conduir a una forta segregació a nivell de tot un barri. En les dècades següents, els investigadors van construir societats artificials, van simular mercats i models d'epidèmies, animals en ramat i trànsit.
Aquests models clàssics comparteixen un tret: els agents són deliberadament simples. Cadascun segueix un grapat de regles numèriques, cosa que fa que el model sigui transparent i fàcil d'analitzar, però també limita el que pot dir sobre comportaments humans rics com ara la persuasió, l'enquadrament o la ironia.
La nova onada: agents basats en models lingüístics
Els grans models lingüístics han canviat el que pot ser un agent. Des de l'any 2023 aproximadament, la recerca sobre els anomenats agents generatius ha demostrat que els agents de models lingüístics, donada una persona, un record d'esdeveniments passats i la capacitat de reflexionar sobre aquest record, poden comportar-se de maneres sorprenentment creïbles en una comunitat simulada: planifiquen els seus dies, es formen opinions, transmeten notícies i es coordinen entre ells.
En comparació amb els models clàssics basats en agents, els agents de model de llenguatge:
- Comunicar-se en llenguatge natural , de manera que puguin reaccionar a la redacció real d'una afirmació, no només a un número.
- Portar personalitats riques , combinant antecedents, valors i to de veu.
- Recorda i actualitza , de manera que les converses anteriors influeixin en el comportament posterior.
La contrapartida és que són menys transparents i més cars de gestionar que els agents basats en regles, i el seu comportament reflecteix els punts forts i els biaixos del model subjacent.
Com ho aplica InfoDome
InfoDome utilitza agents de models de llenguatge per simular les reaccions del públic i de les parts interessades. Pengeu documents i descriviu el que voleu predir; InfoDome extreu un gràfic de coneixement de les persones, organitzacions i grups del vostre material i, a continuació, crea centenars d'agents amb el seu propi caràcter, posició i memòria a llarg termini, repartits en fins a 10 països d'audiència que trieu. Els agents interactuen en un canal tipus Twitter i un fòrum tipus Reddit en paral·lel durant un nombre determinat de rondes, i un agent analista escriu un informe de predicció que podeu qüestionar, juntament amb qualsevol agent individual. La mecànica pas a pas s'explica a com la simulació de multituds amb IA prediu les reaccions .
Quan la simulació multiagent ajuda
El mètode és més valuós quan el resultat depèn de la interacció en lloc de cap decisió individual:
- Reaccions que es basen en reaccions : crisis, rumors, debats públics, on la resposta a la primera resposta és la més important.
- Moltes parts interessades amb diferents interessos : canvis polítics, reestructuració organitzativa, negociacions.
- Interacció estratègica : respostes dels competidors o jocs de guerra, on cada bàndol s'adapta a l'altre.
- Exploració primerenca : quan necessiteu hipòtesis ràpidament, abans d'una enquesta o un estudi de camp, o quan una prova real és massa costosa o massa arriscada.
- Comparació de missatges : comparar el mateix públic amb dues versions d'una afirmació per veure quin enquadrament arriba més lluny.
Quan no ajuda.
És igualment important saber quan no s'ha d'utilitzar:
- Quan necessiteu xifres representatives. Una simulació no és una enquesta; les seves proporcions no s'han de llegir com a percentatges del món real.
- Quan unes bones dades històriques ja responen a la pregunta. Si teniu dades de vendes d'anys per a un producte estable, una previsió estadística pot ser més fiable.
- Quan l'entrada és escassa. Els agents només estan tan arrelats com el material amb què estan construïts. La manca de parts interessades significa la manca de veus.
- Quan es vol certesa. Diferents execucions poden desenvolupar-se de manera diferent. El resultat és una hipòtesi revisable que dóna suport al judici; no el substitueix.
Un exemple treballat
Una empresa de logística de mida mitjana es planteja passar a una setmana laboral de quatre dies per al personal d'oficina. La direcció vol saber com podrien respondre els empleats, els caps d'equip i els clients. Un model de full de càlcul podria estimar els costos, però no com es podria estendre un rumor sobre "hores extres ocultes" entre el personal, o com un client clau llegiria les notícies.
L'equip de recursos humans penja la proposta interna i un resum d'una enquesta recent al personal a InfoDome, descriu la pregunta i executa 20 rondes en un país. Al fòrum, els agents cap d'equip expressen la seva preocupació per la cobertura dels divendres; al feed, els empleats més joves acullen amb satisfacció el canvi, però comparteixen la preocupació que les càrregues de treball simplement es comprimiran. Un agent de clients pregunta si els temps de resposta canviaran. L'informe de l'analista suggereix que la claredat sobre la cobertura dels divendres és el factor decisiu tant per als caps d'equip com per als clients.
En entrevistar un agent cap d'equip, Recursos Humans s'assabenta que un horari rotatiu els divendres alleujaria les seves preocupacions. L'equip directiu tracta això com una hipòtesi per provar en una prova pilot real amb dos departaments, no com una resposta final. Aquest és un bon ús de la simulació multiagent: redueix una pregunta vaga a una pregunta específica i comprovable. Si treballeu en preguntes similars amb visió de futur, el cas d'ús de planificació d'escenaris és un bon punt de partida.
Primers passos
No cal tenir coneixements de programació per executar una simulació multiagent amb InfoDome. El pla individual costa 29 € al mes, inclou un pressupost mensual d'ús d'IA de 9 € i projectes il·limitats, i es pot cancel·lar en qualsevol moment. Prepareu el vostre primer escenari a la consola ; podeu configurar una tasca abans de registrar-vos.
Preguntes freqüents
És el mateix la simulació multiagent que la modelització basada en agents?
Són termes estretament relacionats. La modelització basada en agents normalment es refereix a la tradició de recerca clàssica amb agents simples basats en regles, mentre que la simulació multiagent s'utilitza sovint de manera més àmplia, incloent-hi agents basats en models de llenguatge.
Què són els agents generatius?
Els agents generatius són agents d'IA basats en models lingüístics que tenen una personalitat, un record d'esdeveniments passats i la capacitat de planificar i reflexionar. La recerca ha demostrat que poden produir un comportament social creïble en comunitats simulades.
Pot una simulació substituir una enquesta?
No. Una simulació genera i comprova hipòtesis ràpidament, mentre que una enquesta mesura el que diu gent real. Funcionen millor juntes: primer simulen per millorar les preguntes i després confirmen amb dades reals quan importa.
He de programar per utilitzar-lo?
No amb InfoDome. Puges documents, descrivies la pregunta amb paraules senzilles, tries països i rondes i llegeixes l'informe.