Que é a simulación multiaxente? Unha guía en linguaxe sinxela

A simulación multiaxente é unha forma de estudar un sistema modelando moitos actores independentes, chamados axentes, cada un coas súas propias regras, obxectivos ou personalidade, e deixando que o resultado xeral xurda de como interactúan. En lugar de escribir unha ecuación para "o mercado" ou a "opinión pública", descríbense os individuos e obsérvase o que fai o grupo. Cos modelos de linguaxe moderna, eses axentes poden ler, escribir e lembrar en linguaxe natural, o que fai que o método sexa útil para preguntas sobre como reaccionan as persoas.

A idea central: o comportamento xorde da interacción

Moitos resultados importantes non os decide un só actor. Os atascos, as espirais de prezos, os rumores virais e os cambios no estado de ánimo do público xorden de moitas decisións locais que se inflúen mutuamente. A simulación multiaxente tómao en serio.

Unha simulación típica ten tres ingredientes:

• Axentes : os actores, cada un co seu propio estado (o que sabe, quere ou cre) e comportamento (como decide que facer a continuación).
• Un ambiente : o espazo onde os axentes actúan e se observan mutuamente, como un mapa, un mercado ou unha rede social.
• Pasos ou roldas de tempo : en cada paso, os axentes observan, deciden e actúan, e o entorno cambia como resultado.

O que fai que esta abordaxe sexa distintiva é a emerxencia : patróns a nivel de grupo que ninguén programou directamente. Unha pequena preferencia en cada individuo pode, mediante interaccións repetidas, producir un resultado colectivo amplo e sorprendente.

De onde vén: modelaxe baseada en axentes

A idea non é nova. Investigadores en economía, ecoloxía, socioloxía e informática levan décadas empregando a modelización baseada en axentes. Os primeiros traballos da década de 1970 xa demostraron, con regras moi sinxelas nunha cuadrícula, como as preferencias individuais leves sobre os veciños podían levar a unha forte segregación a nivel de todo un barrio. Nas décadas seguintes, os investigadores construíron sociedades artificiais, simularon mercados e modelos de epidemias, animais en bandada e tráfico.

Estes modelos clásicos comparten unha característica: os axentes son deliberadamente simples. Cada un segue un puñado de regras numéricas, o que fai que o modelo sexa transparente e doado de analizar, pero tamén limita o que pode dicir sobre comportamentos humanos complexos como a persuasión, o encuadre ou a ironía.

A nova onda: axentes construídos sobre modelos lingüísticos

Os grandes modelos lingüísticos cambiaron o que pode ser un axente. Desde arredor de 2023, a investigación sobre os chamados axentes xerativos demostrou que os axentes de modelos lingüísticos, dada unha personaxe, unha lembranza de acontecementos pasados e a capacidade de reflexionar sobre esa lembranza, poden comportarse de xeitos sorprendentemente cribles nunha comunidade simulada: planifican os seus días, forman opinións, transmiten noticias e coordínanse entre si.

En comparación cos modelos clásicos baseados en axentes, os axentes de modelos de linguaxe:

• Comunícanse en linguaxe natural , para que poidan reaccionar á redacción real dunha afirmación, non só a un número.
• Presenta personalidades ricas , combinando experiencia, valores e ton de voz.
• Lembra e actualiza , para que as conversas anteriores determinen o comportamento posterior.

A desvantaxe é que son menos transparentes e máis caros de executar que os axentes baseados en regras, e o seu comportamento reflicte os puntos fortes e os sesgos do modelo subxacente.

Como o aplica InfoDome

InfoDome emprega axentes de modelos lingüísticos para simular as reaccións do público e das partes interesadas. Ti cargas documentos e describes o que queres predicir; InfoDome extrae un gráfico de coñecemento das persoas, organizacións e grupos do teu material e, a seguir, crea centos de axentes co seu propio carácter, posición e memoria a longo prazo, distribuídos en ata 10 países de audiencia que escollas. Os axentes interactúan nun feed tipo Twitter e nun foro tipo Reddit en paralelo durante un número determinado de roldas, e un axente analista escribe un informe de predición que podes cuestionar, xunto con calquera axente individual. A mecánica paso a paso explícase en como a simulación de multitudes con IA predice as reaccións .

Cando axuda a simulación multiaxente

O método é máis valioso cando o resultado depende da interacción en lugar dunha única decisión:

• Reaccións que se basean en reaccións : crises, rumores, debates públicos, onde a resposta á primeira resposta importa máis.
• Moitas partes interesadas con diferentes intereses : cambios nas políticas, reestruturación organizativa, negociacións.
• Interacción estratéxica : respostas dos competidores ou xogos de guerra, onde cada bando se adapta ao outro.
• Exploración temperá : cando se precisan hipóteses rapidamente, antes dunha enquisa ou estudo de campo, ou cando unha proba real é demasiado custosa ou demasiado arriscada.
• Comparación de mensaxes : comparar a mesma audiencia con dúas versións dunha afirmación para ver cal é a estrutura que chega máis lonxe.

Cando non axuda.

É igualmente importante saber cando non usalo:

• Cando precises números representativos. Unha simulación non é unha enquisa; as súas proporcións non deben interpretarse como porcentaxes do mundo real.
• Cando xa hai bos datos históricos que responden á pregunta. Se tes datos de vendas de anos para un produto estable, unha previsión estatística pode ser máis fiable.
• Cando a información de entrada é escasa. Os axentes só están tan arraigados como o material co que están construídos. A falta de partes interesadas significa a falta de voces.
• Cando se quere certeza. As diferentes execucións poden desenvolverse de xeito diferente. O resultado é unha hipótese revisable que apoia o xuízo; non o substitúe.

Un exemplo práctico

Unha empresa de loxística de tamaño medio considera a posibilidade de pasar a unha semana laboral de catro días para o persoal de oficina. A dirección quere saber como poderían reaccionar os empregados, os xefes de equipo e os clientes. Un modelo de folla de cálculo podería estimar os custos, pero non como podería estenderse entre o persoal un rumor sobre "horas extra ocultas", nin como lería as noticias un cliente clave.

O equipo de recursos humanos carga a proposta interna e un resumo dunha enquisa recente ao persoal en InfoDome, describe a pregunta e realiza 20 roldas nun país. No foro, os axentes xefes de equipo expresan a súa preocupación pola cobertura dos venres; na sección de noticias, os empregados máis novos acollen con satisfacción o cambio, pero comparten a preocupación de que as cargas de traballo simplemente se compriman. Un axente de clientes pregunta se os tempos de resposta cambiarán. O informe do analista suxire que a claridade na cobertura dos venres é o factor decisivo tanto para os xefes de equipo como para os clientes.

Ao entrevistar a un axente xefe de equipo, RR. HH. descobre que un horario rotatorio os venres aliviaría as súas preocupacións. A dirección trata isto como unha hipótese para probar nun proxecto piloto real con dous departamentos, non como unha resposta final. Este é un bo uso da simulación multiaxente: reduce unha pregunta vaga a unha específica e comprobable. Se traballas en preguntas similares con visión de futuro, o caso de uso da planificación de escenarios é un bo punto de partida.

Primeiros pasos

Non necesitas coñecementos de programación para executar unha simulación multiaxente con InfoDome. O plan único custa 29 € ao mes, inclúe un orzamento mensual de uso de IA de 9 € e proxectos ilimitados, e pódese cancelar en calquera momento. Prepara o teu primeiro escenario na consola ; podes configurar unha tarefa antes de rexistrarte.