Een team van Chinese onderzoekers heeft een raamwerk ontwikkeld genaamd Light Society dat in staat is samenlevingen van meer dan één miljard AI-agenten te simuleren, elk voorzien van realistische demografische profielen en het vermogen om mensachtig sociaal gedrag te vertonen. Het project, beschreven in een paper ingediend bij arXiv, vertegenwoordigt een ongeveer 100-voudige verbetering ten opzichte van eerdere op agenten gebaseerde simulaties, die doorgaans hun grenzen bereikten bij zo'n 10 miljoen agenten als gevolg van computationele beperkingen. Het werk komt voort uit de voortdurende prioriteit die China geeft aan grootschalig AI-onderzoek binnen zijn nationale technologiestrategie, met aanhoudende investeringen in academische computerinfrastructuur en geavanceerde modelontwikkeling.

Technische architectie achter miljardenschaal-simulatie

Het onderzoeksteam omvat bijdragers van verschillende toonaangevende academische instellingen in China: de University of Science and Technology of China, Tsinghua University en Fudan University. Hoofdonderzoekers Haoxiang Guan en Tie-Yan Liu bouwden Light Society rond twee kerntechnische innovaties die simulatie op miljardenschaal mogelijk maken.

De eerste is een mixture-of-models-engine die de cognitieve werklast verdeelt over meerdere AI-modeltypen, in plaats van elke agentbeslissing via één enkel groot taalmodel te leiden. De tweede innovatie betreft knowledge-distilled surrogaatmodellen — kleinere, snellere modellen die getraind zijn om het gedrag van grotere, geavanceerdere modellen te repliceren. Samen stellen deze benaderingen het raamwerk in staat om realistische gedragstrouw te behouden zonder de computationele middelen die simulaties met een miljard agenten anders onpraktisch zouden maken.

Elke gesimuleerde agent krijgt een realistisch profiel toegewezen dat is afgeleid uit de World Values Survey, specifiek Wave 7 van het langlopende wereldwijde onderzoeksproject. Dit onderzoek bestrijkt overtuigingen, waarden en demografische kenmerken in tientallen landen, waardoor elke gesimuleerde persoon een gefundeerde identiteit krijgt in plaats van een willekeurig toegewezen identiteit.

Vlaggenschip-experimenten: Trust Games en meningsverspreiding

De onderzoekers voerden twee vlaggenschip-experimenten uit om de mogelijkheden van Light Society te demonstreren. De eerste was een reeks Trust Games, een gevestigde experimentele opzet uit de gedragseconomie waarin deelnemers bepalen hoeveel geld ze naar een onbekende willen sturen, wetende dat de onbekende het bedrag kan terugbetalen of kan achterhouden. Het uitvoeren hiervan over een netwerk van een miljard knooppunten onthult patronen van samenwerking en defectie die niet naar voren komen in kleinere simulaties.

Het tweede experiment richtte zich op meningsverspreiding, waarbij werd gemodelleerd hoe ideeën, overtuigingen en sentimenten zich verspreiden door enorme sociale netwerken. De oorspronkelijke bronnota vermeldt expliciet dat Light Society kan worden gebruikt om methoden te testen voor het beïnvloeden van de publieke opinie — een mogelijkheid die direct relevant is voor real-world vragen over hoe verhalen zich verspreiden en ontwikkelen op platforms zoals WeChat, X en andere wereldwijde sociale netwerken, waar beïnvloedingsoperaties en de dynamiek van virale content onderwerpen van intense academische en beleidsmatige interesse zijn geworden.

Hoe Light Society op agenten gebaseerde modellering vooruit helpt

Op agenten gebaseerde modellering bestaat al decennia en onderzoekers hebben het toegepast om verkeerspatronen, ziekteoverdracht en marktgedrag te bestuderen. Tijdens de COVID-19-pandemie hebben op agenten gebaseerde simulaties bijgedragen aan beleidsbeslissingen over lockdowns en mobiliteitsbeperkingen, hoewel die modellen werkten met veel eenvoudigere agentlogica dan wat door LLM-aangedreven systemen nu wordt geboden. Historisch gezien waren deze modellen afhankelijk van eenvoudige op regels gebaseerde agenten die vooraf bepaalde scripts volgden.

De integratie van grote taalmodellen in op agenten gebaseerde simulatie is een relatief recente ontwikkeling. LLM-aangedreven agenten kunnen genuanceerde besluitvorming toepassen, zich aanpassen aan nieuwe situaties en emergent gedrag vertonen. Eerdere op LLM gebaseerde sociale simulaties bereikten een maximum van ongeveer 10 miljoen agenten voordat de rekenkosten prohibitief werden. De architecturale keuzes van Light Society — in het bijzonder de benadering met surrogaatmodellen — doorbraken die grens met twee ordes van grootte.

De onderzoekers hebben het raamwerk gepositioneerd als een manier om aard-schaal "in silico"-experimenten mogelijk te maken, wat wijst op een ambitieuze visie: simulatie gebruiken als een laboratorium voor het begrijpen van de menselijke beschaving zelf. Het concept parallelliseert de bredere onderzoeksbeweging naar digitale tweelingen — virtuele replica's van fysieke of sociale systemen — die interesse heeft getrokken van overheden en technologiebedrijven die stedelijke planning, volksgezondheidsreacties en economisch beleid willen modelleren voordat ze veranderingen in de echte wereld doorvoeren.