Bagaimana Simulasi Orang Ramai AI Meramalkan Reaksi Awam

Simulasi orang ramai AI meramalkan reaksi awam dengan membina populasi ejen AI daripada konteks sebenar dan membiarkan mereka berinteraksi dari semasa ke semasa, dan bukannya meminta satu model untuk satu jawapan. Dalam InfoDome, dokumen anda menjadi graf pengetahuan, graf tersebut menjadi ratusan ejen dengan watak, kedudukan dan ingatan mereka sendiri, dan ejen tersebut berdebat pada dua platform simulasi untuk bilangan pusingan yang dipilih. Ejen penganalisis kemudian membaca apa yang berlaku dan menulis laporan ramalan yang boleh anda persoalkan.

Mengapa mensimulasikan orang ramai dan bukannya meminta seorang model

Jika anda bertanya kepada satu model AI "bagaimana reaksi orang ramai terhadap perkara ini?", anda akan mendapat satu perenggan yang munasabah. Ia selalunya munasabah, tetapi ia adalah purata: satu suara membayangkan semua orang sekaligus. Reaksi sebenar tidak berfungsi seperti itu. Orang ramai bertindak balas antara satu sama lain. Catatan pengkritik membentuk cara pembaca neutral melihat berita; jawapan pembela mengubah apa yang dikatakan pengkritik seterusnya; seorang wartawan mengambil pembingkaian yang paling kuat, bukan yang paling tepat.

Simulasi orang ramai cuba menangkap dinamik tersebut. Daripada satu konsensus khayalan, ia memodelkan ramai pelakon yang berbeza dan membiarkan hasilnya muncul daripada interaksi mereka. Itulah sebabnya hasilnya boleh mengejutkan anda, dan mengapa kejutan perlu diperiksa. Kaedah yang lebih luas dikenali sebagai simulasi berbilang ejen; kami menerangkan latar belakangnya tentang apa itu simulasi berbilang ejen .

Langkah 1: Daripada dokumen kepada graf pengetahuan

Segalanya bermula dengan bahan anda: berita, rancangan, laporan, draf dasar atau fiksyen, dalam PDF, Markdown atau teks. InfoDome membacanya bersama-sama dengan penerangan bahasa mudah anda tentang apa yang anda ingin ramalkan dan mengekstrak graf pengetahuan:

• Entiti : orang, organisasi dan kumpulan yang disebut dalam teks.
• Hubungan : siapa yang menyokong, menentang, bergantung kepada, melaporkan atau bersaing dengan siapa.
• Konteks : fakta dan kedudukan yang dikaitkan oleh teks kepada setiap satunya.

Graf penting kerana ia menjadi tumpuan simulasi dalam situasi anda dan bukannya dalam andaian generik. Ia juga boleh dilihat oleh anda, jadi anda boleh melihat apa yang difahami oleh sistem sebelum apa-apa dijalankan.

Langkah 2: Daripada graf kepada ejen

Daripada graf dan penerangan khalayak anda, InfoDome mencipta beratus-ratus ejen AI; bilangan yang tepat bergantung pada dokumen. Setiap ejen mendapat:

• Perwatakan : perangai, minat, cara ia cenderung untuk bercakap dan berinteraksi.
• Kedudukan : di mana ia bermula pada isu, dimaklumkan oleh graf.
• Ingatan jangka panjang : apa yang telah dilihat, dikatakan dan diberitahu, yang berterusan merentasi pusingan.
• Negara : anda boleh memilih sehingga 10 negara khalayak dan ejen dibahagikan sama rata antara mereka. Entiti sebenar yang dinamakan daripada dokumen tersebut mengekalkan negara mereka sendiri.

Campuran ini disengajakan. Sesetengah ejen mewakili organisasi atau orang yang dinamakan daripada teks anda; yang lain mewakili ahli khalayak yang lebih luas, jadi simulasi ini merangkumi kedua-dua pemain yang kelihatan dan orang ramai yang bertindak balas terhadap mereka.

Langkah 3: Pusingan di dua platform

Ejen-ejen kemudiannya berinteraksi dalam rangkaian sosial simulasi yang berjalan pada dua platform secara selari:

• Suapan seperti Twitter : catatan pendek, reaksi pantas, catatan semula. Di sinilah pembingkaian tersebar dengan pantas dan nada meningkat.
• Forum seperti Reddit : thread dan balasan yang lebih panjang. Di sinilah hujah diuji, butiran dibahaskan dan pendirian dikeraskan atau dilembutkan.

Anda memilih bilangan pusingan, contohnya 10, 20 atau 40. Dalam setiap pusingan, ejen membaca apa yang disiarkan oleh orang lain, memutuskan sama ada dan bagaimana untuk bertindak balas, dan mengemas kini ingatan mereka. Oleh kerana ingatan berterusan, pusingan 15 dibentuk oleh apa yang berlaku dalam pusingan 1 hingga 14. Hujah yang tidak dijawab lebih awal mungkin menjadi kebijaksanaan yang diterima kemudian; pembetulan yang tiba lewat mungkin tidak akan dapat diatasi.

Langkah 4: Daripada perbualan kepada laporan

Selepas pusingan terakhir, ejen penganalisis mengkaji aktiviti simulasi dan menulis laporan ramalan dengan kesimpulan: naratif dominan, kumpulan mana yang bergerak dan mengapa, pelakon mana yang bertindak sebagai penguat, risiko dan soalan terbuka yang masih ada. Laporan itu bukanlah satu-satunya output. Anda boleh membuka catatan asas, menemu bual mana-mana ejen tentang penaakulannya dan menanyakan soalan susulan kepada penganalisis. Kebolehkesanan itulah yang mengubah simulasi menjadi hipotesis yang boleh disemak dan bukannya keputusan kotak hitam.

Mengapa tindak balas peringkat kedua penting

Reaksi pertama terhadap berita biasanya mudah diteka. Kenaikan harga menjengkelkan pelanggan; peraturan baharu membimbangkan industri yang dikawal selia. Apa yang sukar diteka ialah reaksi peringkat kedua : reaksi terhadap reaksi tersebut.

Contoh kesan peringkat kedua yang boleh ditimbulkan oleh simulasi orang ramai:

• Jawapan defensif sebuah syarikat mengubah aduan kecil menjadi cerita tentang keangkuhan.
• Khabar angin hilang di suapan pantas tetapi terselamat dalam utas forum yang kemudiannya muncul semula.
• Sokongan suam-suam kuku sekutu dibaca oleh ejen neutral sebagai tanda masalah tersembunyi.
• Dua kumpulan yang bermula di pihak yang bertentangan menemui rungutan bersama dan sehaluan.

Kesan-kesan ini hanya muncul apabila pelaku bertindak balas antara satu sama lain dari semasa ke semasa, yang sebenarnya merupakan tujuan pusingan dan ingatan. Ia juga merupakan kesan yang paling kerap mengejutkan organisasi, kerana tiada satu pun temu bual pihak berkepentingan yang akan mendedahkannya.

Contoh yang telah diusahakan

Sebuah kerajaan bandar merangka pelan untuk menukar jalan membeli-belah yang sibuk menjadi zon pejalan kaki. Pasukan perancang memuat naik draf, ringkasan kajian lalu lintas dan laporan berita tempatan yang memetik pemilik kedai. Mereka bertanya bagaimana penduduk, pemilik kedai, syarikat penghantaran dan media tempatan akan bertindak balas sepanjang bulan pertama, dan menjalankan 40 pusingan di sebuah negara.

Pusingan pertama tidak mengejutkan: pemilik kedai bimbang tentang penghantaran, penduduk menyukai idea kurang bunyi bising. Kemudian corak peringkat kedua muncul. Seorang ejen syarikat penghantaran menyiarkan bahawa waktu penghantaran awal pagi akan menyelesaikan kebanyakan masalah. Ejen pemilik kedai di forum menerima perkara ini, dan kritikan mereka beralih daripada "menentang pelan" kepada "menentang pelan tanpa waktu penghantaran". Sementara itu di suapan, seorang ejen media tempatan menguatkan aduan penduduk tentang tempat letak kereta, yang mengalihkan perhatian daripada penghantaran.

Laporan penganalisis menyimpulkan bahawa tempoh penghantaran boleh memecahbelahkan pembangkang, dan tempat letak kereta adalah risiko yang lebih berterusan. Pasukan itu menemu bual ejen media untuk memahami fakta mana yang akan mengubah kerangka kerjanya, kemudian menambah bahagian tempat letak kereta pada pelan tersebut. Simulasi itu tidak membuktikan apa-apa tentang jalan sebenar, tetapi ia memberikan pasukan dua hipotesis yang konkrit dan boleh diuji. Untuk situasi yang sarat dengan khabar angin, senario penyebaran khabar angin dibina berdasarkan mekanik yang sama.

Had yang perlu diingat

Simulasi orang ramai adalah berkesan untuk meneroka dinamik, tetapi ia mempunyai had yang jelas:

• Ejen ialah model AI yang dikondisikan pada dokumen anda. Ketiadaan pihak berkepentingan atau bahan yang berat sebelah membawa kepada titik buta.
• Keputusan tidak mewakili secara statistik seperti sampel tinjauan dan peratusan tidak boleh dibaca sebagai bahagian dunia sebenar.
• Larian yang berbeza boleh berlaku secara berbeza. Anggap corak yang konsisten sebagai isyarat yang lebih kuat daripada momen dramatik tunggal.

Digunakan dengan mengambil kira had ini, simulasi ialah cara pantas untuk melihat apa yang mungkin berlaku seterusnya dan mengapa. Untuk mencubanya pada kes anda sendiri, sediakan tugasan dalam konsol .