Un team di ricercatori cinesi ha sviluppato un framework denominato Light Society, in grado di simulare società di oltre un miliardo di agenti AI, ciascuno dotato di profili demografici realistici e della capacità di esibire comportamenti sociali simili a quelli umani. Il progetto, descritto in un articolo pubblicato su arXiv, rappresenta un miglioramento di circa 100 volte rispetto alle precedenti simulazioni basate su agenti, che tipicamente raggiungevano il proprio limite intorno ai 10 milioni di agenti a causa di vincoli computazionali. Il lavoro arriva mentre la Cina continua a privilegiare la ricerca AI su larga scala all'interno della propria strategia tecnologica nazionale, destinando investimenti costanti all'infrastruttura di calcolo accademica e allo sviluppo di modelli avanzati.

Architettura tecnica dietro la simulazione su scala miliardaria

Il team di ricerca comprende contributi da diverse tra le principali istituzioni accademiche cinesi: l'University of Science and Technology of China, la Tsinghua University e la Fudan University. I ricercatori principali Haoxiang Guan e Tie-Yan Liu hanno costruito Light Society attorno a due principali innovazioni tecniche che rendono fattibile la simulazione su scala miliardaria.

La prima è un motore a miscela di modelli che distribuisce il carico cognitivo tra molteplici tipi di modelli AI, anziché instradare ogni decisione degli agenti attraverso un unico modello linguistico di grandi dimensioni. La seconda innovazione riguarda modelli surrogati ottenuti tramite knowledge distillation — modelli più piccoli e veloci, addestrati per replicare il comportamento di modelli più grandi e sofisticati. Insieme, questi approcci consentono al framework di mantenere una fedeltà comportamentale realistica senza le risorse computazionali che renderebbero altrimenti impraticabili le simulazioni con un miliardo di agenti.

A ciascun agente simulato viene assegnato un profilo realistico derivato dal World Values Survey, in particolare dalla Wave 7 del progetto di ricerca globale di lungo periodo. Tale indagine copre credenze, valori e caratteristiche demografiche in dozzine di Paesi, fornendo a ogni individuo simulato un'identità fondata su dati reali anziché assegnata in modo casuale.

Esperimenti principali: Trust Game e diffusione delle opinioni

I ricercatori hanno condotto due esperimenti principali per dimostrare le capacità di Light Society. Il primo è stata una serie di Trust Game, un design sperimentale consolidato nel campo dell'economia comportamentale in cui i partecipanti decidono quanti soldi inviare a un estraneo, sapendo che quest'ultimo può either ricambiare o tenere i fondi. L'esecuzione di questo esperimento su una rete di un miliardo di nodi rivela schemi di cooperazione e defezione che non possono emergere in simulazioni di dimensioni inferiori.

Il secondo esperimento si è concentrato sulla diffusione delle opinioni, modellizzando come idee, credenze e sentimenti si propagano attraverso reti sociali di dimensioni massive. Il materiale originale dichiara esplicitamente che Light Society può essere utilizzato per testare metodi di influenza sull'opinione pubblica — una capacità con diretta rilevanza per questioni del mondo reale su come le narrazioni si diffondono ed evolvono su piattaforme come WeChat, X e altri social network globali, dove le operazioni di influenza e la dinamica dei contenuti virali sono diventate oggetto di intenso interesse accademico e politico.

In che modo Light Society fa progredire la modellizzazione basata su agenti

La modellizzazione basata su agenti esiste da decenni, con ricercatori che l'hanno applicata per studiare modelli di traffico, trasmissione di malattie e comportamento di mercato. Durante la pandemia di COVID-19, le simulazioni basate su agenti hanno informato decisioni politiche su lockdown e restrizioni alla mobilità, sebbene tali modelli utilizzassero una logica degli agenti di gran lunga più semplice rispetto a quanto offrono oggi i sistemi basati su LLM. Storicamente, questi modelli dipendevano da agenti basati su regole semplici che seguivano script predeterminati.

L'integrazione dei modelli linguistici di grandi dimensioni nella simulazione basata su agenti è uno sviluppo relativamente recente. Gli agenti alimentati da LLM possono impegnarsi in processi decisionali articolati, adattarsi a situazioni nuove e produrre comportamenti emergenti. Le precedenti simulazioni sociali basate su LLM raggiungevano un picco di circa 10 milioni di agenti prima che i costi di calcolo diventassero proibitivi. Le scelte architetturali di Light Society — in particolare l'approccio basato su modelli surrogati — hanno superato quel limite di due ordini di grandezza.

I ricercatori hanno presentato il framework come strumento per esperimenti "in silico" su scala planetaria, segnalando una visione ambiziosa: utilizzare la simulazione come laboratorio per comprendere la civiltà umana stessa. Il concetto si parallela al più ampio movimento di ricerca verso i digital twin — repliche virtuali di sistemi fisici o sociali — che ha attirato l'interesse di governi e aziende tecnologiche che cercano di modellizzare pianificazione urbana, risposte di sanità pubblica e politica economica prima di implementare cambiamenti nel mondo reale.