O que é simulação multiagente? Um guia em linguagem simples.

A simulação multiagente é uma forma de estudar um sistema modelando diversos atores independentes, chamados agentes, cada um com suas próprias regras, objetivos ou personalidade, e permitindo que o resultado geral emerja de como eles interagem. Em vez de escrever uma única equação para "o mercado" ou "a opinião pública", você descreve os indivíduos e observa o que o grupo faz. Com os modelos de linguagem modernos, esses agentes podem ler, escrever e memorizar em linguagem natural, o que torna o método útil para questões sobre como as pessoas reagem.

A ideia central: o comportamento emerge da interação.

Muitos resultados importantes não são decididos por um único agente. Engarrafamentos, espirais de preços, rumores virais e mudanças no humor público surgem de diversas decisões locais que se influenciam mutuamente. A simulação multiagente leva isso a sério.

Uma simulação típica possui três ingredientes:

• Agentes : os atores, cada um com seu próprio estado (o que sabe, quer ou acredita) e comportamento (como decide o que fazer em seguida).
• Um ambiente : o espaço onde os agentes atuam e observam uns aos outros, como um mapa, um mercado ou uma rede social.
• Etapas ou rodadas : em cada etapa, os agentes observam, decidem e agem, e o ambiente muda como resultado.

O que torna essa abordagem singular é a emergência : padrões no nível do grupo que ninguém programou diretamente. Uma pequena preferência em cada indivíduo pode, por meio da interação repetida, produzir um resultado coletivo amplo e surpreendente.

De onde veio: modelagem baseada em agentes

A ideia não é nova. Pesquisadores nas áreas de economia, ecologia, sociologia e ciência da computação utilizam a modelagem baseada em agentes há décadas. Os primeiros trabalhos, na década de 1970, já demonstravam, com regras muito simples em uma grade, como preferências individuais moderadas em relação aos vizinhos podiam levar a uma forte segregação em nível de bairro inteiro. Nas décadas seguintes, pesquisadores construíram sociedades artificiais, simularam mercados e modelos de epidemias, comportamento de rebanhos de animais e tráfego.

Esses modelos clássicos compartilham uma característica: os agentes são deliberadamente simples. Cada um segue um punhado de regras numéricas, o que torna o modelo transparente e fácil de analisar, mas também limita o que ele pode dizer sobre comportamentos humanos complexos, como persuasão, enquadramento ou ironia.

A nova onda: agentes construídos com base em modelos de linguagem.

Grandes modelos de linguagem mudaram o que um agente pode ser. Desde aproximadamente 2023, pesquisas sobre os chamados agentes generativos têm demonstrado que agentes baseados em modelos de linguagem, dotados de uma personalidade, memória de eventos passados e a capacidade de refletir sobre essa memória, podem se comportar de maneiras surpreendentemente verossímeis em uma comunidade simulada: eles planejam seus dias, formam opiniões, transmitem notícias e se coordenam uns com os outros.

Em comparação com os modelos clássicos baseados em agentes, os agentes de modelo de linguagem:

• Comunique-se em linguagem natural , para que eles possam reagir ao significado real da declaração, e não apenas a um número.
• Crie personagens com personalidades ricas , combinando histórico, valores e tom de voz.
• Lembre-se e atualize , para que as conversas anteriores moldem o comportamento futuro.

A desvantagem é que eles são menos transparentes e mais caros de executar do que os agentes baseados em regras, e seu comportamento reflete os pontos fortes e os vieses do modelo subjacente.

Como InfoDome aplica isso

InfoDome utiliza agentes baseados em modelos de linguagem para simular reações do público e de partes interessadas. Você carrega documentos e descreve o que deseja prever; InfoDome extrai um grafo de conhecimento das pessoas, organizações e grupos presentes no seu material e, em seguida, cria centenas de agentes com personalidade, posição e memória de longo prazo próprias, distribuídos por até 10 países de sua escolha. Os agentes interagem em paralelo em um feed semelhante Twitter e em um fórum semelhante Reddit por um número determinado de rodadas, e um agente analista redige um relatório de previsão que você pode questionar, assim como qualquer outro agente. O funcionamento passo a passo é explicado em Como a simulação de multidões por IA prevê reações .

Quando a simulação multiagente ajuda

O método é mais valioso quando o resultado depende da interação e não de uma única decisão:

• Reações que se baseiam em reações : crises, rumores, debates públicos, onde a resposta à primeira reação é crucial.
• Diversos intervenientes com interesses diferentes : mudanças nas políticas, reestruturação organizacional, negociações.
• Interação estratégica : respostas dos concorrentes ou simulação de guerra, onde cada lado se adapta ao outro.
• Exploração inicial : quando você precisa de hipóteses rapidamente, antes de uma pesquisa ou estudo de campo, ou quando um teste real é muito caro ou muito arriscado.
• Comparação de mensagens : apresentar a mesma mensagem a um público com duas versões diferentes para verificar qual delas gera maior repercussão.

Quando isso não ajuda

É igualmente importante saber quando não usá-lo:

• Quando você precisa de números representativos. Uma simulação não é uma pesquisa de opinião; suas proporções não devem ser interpretadas como porcentagens do mundo real.
• Quando bons dados históricos já respondem à pergunta. Se você tem anos de dados de vendas para um produto estável, uma previsão estatística pode ser mais confiável.
• Quando os dados de entrada são escassos, os agentes só têm a mesma solidez que os materiais que os compõem. A ausência de partes interessadas significa ausência de vozes.
• Quando se busca certeza. Diferentes simulações podem se desenrolar de maneiras distintas. O resultado é uma hipótese revisável que apoia o julgamento; não o substitui.

Um exemplo prático

Uma empresa de logística de médio porte está considerando a implementação de uma semana de trabalho de quatro dias para seus funcionários administrativos. A liderança quer saber como os funcionários, líderes de equipe e clientes reagiriam. Uma planilha poderia estimar os custos, mas não como um boato sobre "horas extras escondidas" poderia se espalhar entre os funcionários, ou como um cliente importante interpretaria a notícia.

A equipe de RH carrega a proposta interna e um resumo de uma pesquisa recente com os funcionários no InfoDome, descreve a pergunta e realiza 20 rodadas em um país. No fórum, os líderes de equipe expressam preocupação com a cobertura às sextas-feiras; no feed, os funcionários mais jovens acolhem bem a mudança, mas compartilham a preocupação de que as cargas de trabalho simplesmente serão comprimidas. Um agente de atendimento ao cliente pergunta se os tempos de resposta mudarão. O relatório do analista sugere que a clareza sobre a cobertura às sextas-feiras é o fator decisivo tanto para os líderes de equipe quanto para os clientes.

Ao entrevistar um agente líder de equipe, o RH descobre que um esquema de rodízio às sextas-feiras aliviaria suas preocupações. A liderança trata isso como uma hipótese a ser testada em um projeto piloto real com dois departamentos, e não como uma resposta definitiva. Esse é um bom exemplo de uso da simulação multiagente: ela transformou uma questão vaga em uma questão específica e testável. Se você trabalha com questões prospectivas semelhantes, o planejamento de cenários é um bom ponto de partida.

Começando

Você não precisa de conhecimentos de programação para executar uma simulação multiagente com InfoDome. O plano individual custa €29 por mês, inclui um orçamento mensal de €9 para uso de IA e projetos ilimitados, e pode ser cancelado a qualquer momento. Prepare seu primeiro cenário no console ; você pode configurar uma tarefa antes de se inscrever.