Como a simulação de multidões por IA prevê reações do público

A simulação de multidões por IA prevê reações do público construindo uma população de agentes de IA a partir de um contexto real e permitindo que eles interajam ao longo do tempo, em vez de solicitar uma única resposta a um modelo específico. No InfoDome, seu documento se torna um grafo de conhecimento, o grafo se transforma em centenas de agentes com suas próprias personalidades, posições e memórias, e esses agentes debatem em duas plataformas simuladas por um número determinado de rodadas. Um agente analista, então, lê o que aconteceu e redige um relatório de previsão que você pode questionar.

Por que simular uma multidão em vez de consultar um modelo específico?

Se você perguntar a um único modelo de IA "como as pessoas reagirão a isso?", você obterá um parágrafo plausível. Muitas vezes é razoável, mas é uma média: uma voz imaginando todos ao mesmo tempo. As reações reais não funcionam assim. As pessoas respondem umas às outras. A postagem de um crítico influencia a forma como um leitor neutro vê a notícia; a resposta de um defensor muda o que o crítico diz em seguida; um jornalista adota a versão mais impactante, não a mais precisa.

Uma simulação de multidão tenta capturar essa dinâmica. Em vez de um consenso imaginado, ela modela muitos atores distintos e permite que o resultado emerja da interação entre eles. É por isso que o resultado pode surpreender e por que vale a pena investigar surpresas. O método mais abrangente é conhecido como simulação multiagente; explicamos seus fundamentos em O que é simulação multiagente .

Etapa 1: Do documento ao grafo de conhecimento

Tudo começa com o seu material: notícias, planos, relatórios, rascunhos de políticas ou ficção, em PDF, Markdown ou texto. InfoDome lê tudo isso juntamente com a sua descrição em linguagem simples do que você deseja prever e extrai um grafo de conhecimento:

• Entidades : pessoas, organizações e grupos mencionados no texto.
• Relações : quem apoia, se opõe, depende de, reporta sobre ou compete com quem.
• Contexto : os fatos e as posições que o texto atribui a cada um deles.

O gráfico é importante porque ancora a simulação na sua situação específica, em vez de em suposições genéricas. Além disso, ele é visível para você, permitindo que veja o que o sistema entendeu antes de qualquer execução.

Etapa 2: Do gráfico aos agentes

A partir do gráfico e da descrição do seu público-alvo, InfoDome cria centenas de agentes de IA; o número exato depende do documento. Cada agente recebe:

• Um personagem : temperamento, interesses, maneira como tende a falar e interagir.
• Uma posição : o ponto de partida em relação ao assunto, com base no gráfico.
• Memória de longo prazo : aquilo que viu, disse e ouviu, e que persiste ao longo das rodadas.
• Um país : você pode escolher até 10 países para o seu público-alvo, e os agentes serão distribuídos igualmente entre eles. Entidades reais nomeadas no documento mantêm seu próprio país.

A mistura é intencional. Alguns agentes representam organizações ou pessoas nomeadas no seu texto; outros representam membros do público em geral, de modo que a simulação inclui tanto os participantes visíveis quanto a multidão que reage a eles.

Etapa 3: Rodadas em duas plataformas

Em seguida, os agentes interagem em uma rede social simulada que funciona em duas plataformas em paralelo:

• Um feed semelhante ao Twitter : posts curtos, reações rápidas, republicações. É aqui que as interpretações se espalham rapidamente e o tom se intensifica.
• Um fórum semelhante Reddit : tópicos e respostas mais longos. É aqui que os argumentos são testados, os detalhes são debatidos e as posições se consolidam ou se suavizam.

Você escolhe o número de rodadas, por exemplo, 10, 20 ou 40. Em cada rodada, os agentes leem o que os outros postaram, decidem se e como responder e atualizam sua memória. Como a memória é transferida, a rodada 15 é moldada pelo que aconteceu nas rodadas 1 a 14. Um argumento que ficou sem resposta no início pode se tornar consenso mais tarde; uma correção que chegou tarde pode nunca ser considerada.

Etapa 4: Da conversa ao relatório

Após a última rodada, um agente analista estuda a atividade simulada e redige um relatório de previsão com conclusões: narrativas dominantes, quais grupos se movimentaram e por quê, quais atores atuaram como amplificadores, quais riscos e questões em aberto permanecem. O relatório não é o único resultado. Você pode acessar as postagens originais, entrevistar qualquer agente sobre seu raciocínio e fazer perguntas de acompanhamento ao analista. Essa rastreabilidade é o que transforma uma simulação em uma hipótese passível de revisão, em vez de um veredicto de caixa-preta.

Por que as reações de segunda ordem são importantes

A primeira reação a uma notícia costuma ser fácil de prever. Um aumento de preço irrita os clientes; uma nova regulamentação preocupa o setor regulamentado. O que é difícil de prever é a reação de segunda ordem : a reação à reação.

Exemplos de efeitos de segunda ordem que uma simulação de multidão pode revelar:

• A resposta defensiva de uma empresa transforma uma pequena reclamação em uma história de arrogância.
• Um boato desaparece rapidamente nas redes sociais, mas sobrevive em um tópico de fórum que ressurge posteriormente.
• O apoio morno de um aliado é interpretado por agentes neutros como um sinal de problemas ocultos.
• Dois grupos que começaram em lados opostos descobrem uma queixa em comum e se aliam.

Esses efeitos só aparecem quando os participantes interagem uns com os outros ao longo do tempo, que é exatamente para isso que servem as rodadas de interação e a memória. São também os efeitos que mais frequentemente pegam as organizações de surpresa, pois nenhuma entrevista isolada com as partes interessadas os revelaria.

Um exemplo prático

A administração municipal elabora um plano para transformar uma rua comercial movimentada em uma zona de pedestres. A equipe de planejamento envia o rascunho, um resumo de um estudo de tráfego e uma reportagem da imprensa local com depoimentos de lojistas. Eles perguntam como moradores, lojistas, empresas de entrega e a mídia local reagirão durante o primeiro mês e realizam 40 rodadas de perguntas e respostas em um país.

As primeiras rodadas não trazem surpresas: os lojistas se preocupam com as entregas, os moradores gostam da ideia de menos barulho. Em seguida, surge um padrão secundário. Um representante de uma empresa de entregas publica que janelas de entrega no início da manhã resolveriam a maioria dos problemas. Representantes de lojistas no fórum repercutem a publicação e suas críticas mudam de "contra o plano" para "contra o plano sem janelas de entrega". Enquanto isso, no feed, um representante da mídia local amplifica a reclamação de um morador sobre o estacionamento, o que desvia a atenção das entregas.

O relatório do analista conclui que as janelas de entrega podem dividir a oposição e que o estacionamento é o risco mais persistente. A equipe entrevista o agente de mídia para entender quais fatos alterariam sua narrativa e, em seguida, adiciona uma seção sobre estacionamento ao plano. A simulação não comprovou nada sobre a rua real, mas forneceu à equipe duas hipóteses concretas e testáveis. Para situações com muitos rumores, o cenário de disseminação de boatos é construído com base na mesma mecânica.

Limitações a ter em mente

A simulação de multidões é uma ferramenta poderosa para explorar dinâmicas, mas possui limitações claras:

• Os agentes são modelos de IA condicionados aos seus documentos. A ausência de partes interessadas ou material unilateral leva a pontos cegos.
• Os resultados não são estatisticamente representativos como uma amostra de pesquisa, e as porcentagens não devem ser interpretadas como percentagens no mundo real.
• Diferentes sequências de jogos podem se desenrolar de maneiras diferentes. Considere padrões consistentes como sinais mais fortes do que momentos dramáticos isolados.

Levando em conta essas limitações, a simulação é uma maneira rápida de ver o que pode acontecer em seguida e por quê. Para testá-la em seu próprio caso, prepare uma tarefa no console .