ИИ-симуляция толпы прогнозирует реакцию общества так: из реального контекста создаётся население ИИ-агентов, и они взаимодействуют во времени, вместо того чтобы одна модель давала один ответ. В InfoDome ваш документ превращается в граф знаний, граф — в сотни агентов со своим характером, позицией и памятью, а агенты в течение выбранного числа раундов спорят на двух симулированных площадках. Затем агент-аналитик изучает происходившее и пишет прогнозный отчёт, который можно уточнять вопросами.
Зачем моделировать толпу, а не спрашивать одну модель
Если спросить у одной ИИ-модели «как люди отреагируют на это?», вы получите один правдоподобный абзац. Часто он вполне разумен, но это среднее значение: один голос, который представляет себе сразу всех. Реальные реакции устроены иначе. Люди отвечают друг другу. Пост критика влияет на то, как новость воспримет нейтральный читатель; ответ защитника меняет следующую реплику критика; журналист подхватывает самую громкую формулировку, а не самую точную.
Симуляция толпы пытается уловить эту динамику. Вместо одного воображаемого консенсуса она моделирует множество разных участников, и результат возникает из их взаимодействия. Поэтому он может удивить, и такие сюрпризы стоит проверять. Сам метод называется мультиагентной симуляцией; его истоки мы разбираем в статье что такое мультиагентное моделирование.
Шаг 1. От документа к графу знаний
Всё начинается с вашего материала: новостей, планов, отчётов, проектов документов или художественного текста в формате PDF, Markdown или TXT. InfoDome читает его вместе с вашим описанием того, что нужно спрогнозировать, и извлекает граф знаний:
- Сущности: люди, организации и группы, упомянутые в тексте.
- Связи: кто кого поддерживает, кому противостоит, от кого зависит, о ком пишет и с кем конкурирует.
- Контекст: факты и позиции, которые текст приписывает каждому из них.
Граф важен, потому что привязывает симуляцию к вашей ситуации, а не к общим допущениям. К тому же он виден вам, и вы можете проверить, что система поняла, ещё до запуска.
Шаг 2. От графа к агентам
На основе графа и описания аудитории InfoDome создаёт сотни ИИ-агентов; точное число зависит от документа. Каждый агент получает:
- Характер: темперамент, интересы, манеру говорить и вступать в дискуссию.
- Позицию: исходное отношение к вопросу, основанное на графе.
- Долговременную память: что он видел, говорил и слышал; память сохраняется между раундами.
- Страну: можно выбрать до 10 стран аудитории, и агенты распределятся между ними поровну. Реальные участники из документа сохраняют свою страну.
Такой состав выбран намеренно. Часть агентов представляет названные в тексте организации и людей, другие — представителей широкой аудитории, поэтому в симуляции есть и заметные игроки, и толпа, которая на них реагирует.
Шаг 3. Раунды на двух площадках
Затем агенты общаются в симулированной социальной сети, которая работает параллельно на двух площадках:
- Лента в стиле Twitter: короткие посты, быстрые реакции, репосты. Здесь формулировки распространяются быстро, а тон обостряется.
- Форум в стиле Reddit: длинные ветки и ответы. Здесь аргументы проверяются на прочность, детали обсуждаются, а позиции укрепляются или смягчаются.
Вы выбираете число раундов, например 10, 20 или 40. В каждом раунде агенты читают, что опубликовали другие, решают, отвечать ли и как, и обновляют память. Поскольку память переносится, 15-й раунд зависит от того, что было в раундах с 1-го по 14-й. Аргумент, оставшийся без ответа в начале, позже может стать общим мнением, а опровержение, появившееся слишком поздно, может так и не догнать слух.
Шаг 4. От дискуссии к отчёту
После последнего раунда агент-аналитик изучает активность и пишет прогнозный отчёт с выводами: преобладающие нарративы, какие группы сместились и почему, кто выступил усилителем, какие риски и открытые вопросы остаются. Отчёт — не единственный результат. Можно открыть исходные посты, расспросить любого агента о его логике и задать аналитику уточняющие вопросы. Именно прослеживаемость превращает симуляцию в проверяемую гипотезу, а не в вердикт «чёрного ящика».
Почему важны реакции второго порядка
Первую реакцию на новость обычно угадать нетрудно. Повышение цены раздражает клиентов, новое регулирование тревожит отрасль. Сложно предсказать реакцию второго порядка — реакцию на реакцию.
Примеры эффектов второго порядка, которые может выявить симуляция толпы:
- Оборонительный ответ компании превращает мелкую жалобу в историю о высокомерии.
- Слух затихает в быстрой ленте, но выживает в ветке форума, которая позже всплывает снова.
- Сдержанная поддержка союзника воспринимается нейтральными агентами как признак скрытых проблем.
- Две группы, начавшие по разные стороны, находят общую обиду и объединяются.
Такие эффекты появляются, только когда участники отвечают друг другу во времени, — для этого и нужны раунды и память. Именно они чаще всего застают организации врасплох, потому что ни одно отдельное интервью со стейкхолдером их не покажет.
Пример из практики
Городская администрация готовит план превратить оживлённую торговую улицу в пешеходную зону. Команда загружает проект, краткое изложение транспортного исследования и местную новость с цитатами владельцев магазинов. Вопрос: как жители, владельцы магазинов, службы доставки и местные СМИ отреагируют в течение первого месяца. Запуск — 40 раундов в одной стране.
Первые раунды без сюрпризов: владельцы магазинов волнуются о доставке, жителям нравится идея тишины. Затем проявляется эффект второго порядка. Агент службы доставки пишет, что утренние окна для разгрузки решили бы большую часть проблем. Владельцы магазинов на форуме подхватывают мысль, и их критика смещается от «против плана» к «против плана без окон доставки». Тем временем в ленте агент местного СМИ усиливает жалобу жителя на парковку, и внимание уходит от доставки.
Аналитик делает вывод: окна доставки могут расколоть оппозицию, а парковка — более устойчивый риск. Команда расспрашивает агента-СМИ, какие факты изменили бы его подачу, и добавляет в план раздел о парковке. Симуляция ничего не доказала о реальной улице, но дала две конкретные проверяемые гипотезы. Для ситуаций со слухами на той же механике построен сценарий распространения слухов.
Ограничения, о которых стоит помнить
Симуляция толпы хорошо подходит для изучения динамики, но у неё есть явные ограничения:
- Агенты — это ИИ-модели, настроенные на ваши документы. Отсутствующие участники или однобокий материал создают слепые зоны.
- Результаты не репрезентативны статистически, как выборка опроса, и проценты не стоит читать как реальные доли.
- Разные прогоны могут развиваться по-разному. Устойчивые закономерности — более сильный сигнал, чем отдельные драматичные моменты.
С учётом этих ограничений симуляция — быстрый способ увидеть, что может произойти дальше и почему. Чтобы попробовать на своём случае, подготовьте задачу в консоли.
Частые вопросы
Использует ли InfoDome данные реальных соцсетей?
Нет. Агенты общаются в симулированной социальной сети, построенной на ваших документах и настройках. Они не читают реальные площадки и не публикуют на них.
Зачем нужны две площадки?
Лента коротких постов и форум с ветками провоцируют разное поведение: быстрые формулировки и развёрнутые аргументы. Работая параллельно, они показывают, как история распространяется и как её обсуждают.
Что такое реакция второго порядка?
Это реакция на реакцию: как люди отвечают на чужие отклики, а не на исходную новость. Именно такие эффекты часто определяют, чем закончится дискуссия.
Насколько надёжен прогноз?
Это проверяемая гипотеза. Выводы можно проследить до постов агентов и интервью, что помогает их оценить, но прогноз должен поддерживать ваше решение, а не заменять его.