Pesquisadores chineses simulam sociedade com 1 bilhão de agentes de IA que têm personalidade e memória

Em um avanço significativo para o campo da ciência social computacional e da inteligência artificial, uma equipe de pesquisa composta principalmente por pesquisadores de instituições chinesas anunciou o lançamento de uma estrutura de simulação de agentes de IA chamada Light Society. Este sistema é capaz de operar modelos sociais semelhantes aos humanos em escala planetária, abrangendo mais de um bilhão de agentes de IA. Cada agente de IA é dotado de personalidade, memórias, crenças, objetivos e habilidades realistas de tomada de decisão, suportadas por grandes modelos de linguagem (LLMs).

A pesquisa é detalhada em um relatório intitulado “Modelando Sociedades Humano-Símiles em Escala Terrestre com Um Bilhão de Agentes”. Este trabalho aborda diretamente as limitações de longa data dos modelos tradicionais de IA baseados em agentes, que dependem de regras excessivamente simplistas. Ao mesmo tempo, o sistema supera o gargalo computacional dos agentes de IA LLM puros, que antes eram limitados a simulações em escalas de milhões, em vez de bilhões de indivíduos.

A estrutura de simulação da Light Society normaliza processos sociais em transições de estado estruturadas de agentes e ambientes de IA. Essas transições são orquestradas por um conjunto de operações de simulação executadas pelo LLM e distribuídas por meio de uma fila de eventos eficiente. A estrutura central do sistema compreende três componentes principais:

• Agente de IA: Cada indivíduo possui um perfil estático contendo dados demográficos e traços de personalidade extraídos de dados do mundo real, estados cognitivos internos, incluindo memórias, crenças variáveis, objetivos e atributos externos, como localização e conexões sociais.
• Ambiente: Uma combinação de elementos estáticos, como o layout espacial e as grades, e elementos dinâmicos que evoluem durante o processo de simulação.
• Os processos operacionais incluem inicialização, conscientização, planejamento de políticas e tomada de decisões, além de evolução, como atualizações de memória, atualizações de estado e leitura de dados para análise.

Para alcançar uma escala sem precedentes, o sistema utiliza um mecanismo inteligente de combinação de modelos. Esse mecanismo redireciona interações complexas para LLMs completos, enquanto utiliza modelos representativos para extrair conhecimento para atualizações rotineiras.

Além disso, técnicas complementares como o armazenamento em cache de prompts, a representação gráfica compactada para redes sociais, o processamento em lote de vetores e o agrupamento da execução de eventos ajudaram a reduzir os custos computacionais por unidade de tamanho sem sacrificar a autenticidade do comportamento.

O perfil do agente de IA foi gerado a partir de dados da 7ª Pesquisa Mundial de Valores (WVS) (2017-2022), coletados de aproximadamente 96.000 registros de pesquisa. Esses dados fornecem informações demográficas e atitudinais factuais, como idade, sexo, renda, nível de escolaridade, status socioeconômico e valores de vida. Em seguida, esses dados foram transformados em linguagem natural para moldar o comportamento do agente de IA baseado em LLM, tornando os experimentos mais realistas e reproduzíveis em comparação com agentes de IA puramente sintéticos.

Os pesquisadores verificaram a Light Society por meio de experimentos típicos. No jogo da confiança, os resultados mostraram que fatores demográficos, como maior escolaridade ou classe social mais alta, correlacionaram-se positivamente com os níveis de confiança e reciprocidade. À medida que o número de agentes de IA aumentava, o ruído aleatório diminuía, revelando padrões de escala e a formação de normas sociais.

Em uma simulação de propagação de opinião com um bilhão de agentes de IA na rede não livre Barabási-Albert, a equipe de pesquisa rastreou como as opiniões sobre tópicos como o desemprego induzido por IA se espalharam a partir dos 20% dos agentes de IA mais conectados.

Os resultados mostram que a estratégia de cultivo de influenciadores cria uma convergência assimétrica de níveis educacionais e de renda, aumentando o poder de persuasão e, ao mesmo tempo, a resistência à manipulação. Estruturas de linguagem positiva ou negativa regulam o grau de mudança de opinião, enquanto agentes de IA neutros atuam como amortecedores. Além disso, as opiniões tendem a se espalhar em ondas, em vez de por meio de interações diretas entre pares.

A plataforma de simulação Light Society oferece aos pesquisadores um ambiente realista para testar hipóteses, realizar análises comparativas em realidade virtual e estudar comportamentos coletivos em larga escala durante surtos. As aplicações do sistema abrangem desde ciências sociais, políticas públicas, dinâmica da informação e modelagem de doenças até simulação de mercado e sistemas urbanos.

No entanto, os autores enfatizam que os resultados da simulação são apenas geradores de hipóteses e não evidências conclusivas, visto que ainda existem vieses nos dados do modelo de memória de longo prazo e nas pesquisas. No futuro, os pesquisadores se concentrarão no desenvolvimento de uma memória de longo prazo mais rica, interação multimodal, integração mais estreita de dados do mundo real e no estabelecimento de barreiras éticas para prevenir abusos, como a modelagem de campanhas de manipulação de informações.

Você também deve ler!

Os agentes de IA aceleraram a teoria da internet morta; entenda