НовостиМакроКитайские исследователи создали Light Society для моделирования более чем одного миллиарда ИИ-агентов

Китайские исследователи создали Light Society для моделирования более чем одного миллиарда ИИ-агентов

Автор: CryptoBriefing·

Ключевые выводы

  • Исследователи из University of Science and Technology of China, Tsinghua University и Fudan University создали Light Society для одновременного моделирования более чем одного миллиарда ИИ-агентов.
  • Платформа достигает миллиардного масштаба благодаря движку mixture-of-models, распределяющему вычислительную нагрузку, и суррогатным моделям, обученным методом knowledge distillation, которые воспроизводят поведение более крупных моделей с меньшими затратами.
  • Каждый смоделированный агент получает обоснованный демографический и ценностный профиль на основе Wave 7 World Values Survey, а не случайно назначенную идентичность.
  • Команда продемонстрировала платформу с помощью экспериментов Trust Game и моделирования диффузии мнений, которое можно использовать для проверки методов влияния на общественное мнение в социальных сетях.
  • Light Society преодолела прежний предел примерно в 10 миллионов агентов на базе LLM на два порядка, открывая, по словам исследователей, возможности для in silico-экспериментов земного масштаба.
Китайские исследователи создали Light Society для моделирования более чем одного миллиарда ИИ-агентов

Группа китайских исследователей создала платформу под названием Light Society, способную моделировать общества из более чем одного миллиарда ИИ-агентов, каждый из которых наделен реалистичными демографическими профилями и способностью демонстрировать социальное поведение, похожее на человеческое. Проект, описанный в статье, поданной на arXiv, представляет собой примерно 100-кратное улучшение по сравнению с предыдущими агентными симуляциями, которые обычно достигали предела примерно в 10 миллионов агентов из-за вычислительных ограничений. Работа выходит на фоне того, что Китай продолжает уделять приоритетное внимание крупномасштабным исследованиям ИИ в рамках своей национальной технологической стратегии, направляя устойчивые инвестиции в академическую вычислительную инфраструктуру и разработку продвинутых моделей.

Техническая архитектура, обеспечивающая симуляцию в миллиардном масштабе

В исследовательскую группу входят специалисты из нескольких ведущих академических учреждений Китая: University of Science and Technology of China, Tsinghua University и Fudan University. Ведущие исследователи Haoxiang Guan и Tie-Yan Liu построили Light Society вокруг двух ключевых технических новаций, которые делают симуляцию в миллиардном масштабе осуществимой.

Первая — это движок mixture-of-models, который распределяет когнитивную нагрузку между несколькими типами ИИ-моделей вместо того, чтобы направлять каждое решение агента через одну крупную языковую модель. Вторая новация связана с суррогатными моделями, обученными методом knowledge distillation: более компактные и быстрые модели обучаются воспроизводить поведение более крупных и сложных моделей. Вместе эти подходы позволяют системе сохранять реалистичную поведенческую достоверность без вычислительных ресурсов, которые в противном случае сделали бы моделирование с миллиардом агентов практически невозможным.

Каждый смоделированный агент получает реалистичный профиль, основанный на World Values Survey, а именно на Wave 7 этого долгосрочного глобального исследовательского проекта. Этот опрос охватывает убеждения, ценности и демографические характеристики в десятках стран, предоставляя каждому смоделированному человеку обоснованную идентичность вместо случайно назначенной.

Эксперименты Trust Games и диффузия мнений в цивилизационном масштабе

Исследователи провели два ключевых эксперимента, чтобы продемонстрировать возможности Light Society. Первым стала серия Trust Games — классическая постановка из поведенческой экономики, в которой участники решают, сколько денег отправить незнакомцу, зная, что тот может либо ответить взаимностью, либо оставить деньги себе. Проведение такого эксперимента в сети с миллиардом узлов выявляет закономерности сотрудничества и отказа от сотрудничества, которые просто не могут проявиться в более небольших симуляциях.

Второй эксперимент был сосредоточен на диффузии мнений, то есть на моделировании того, как идеи, убеждения и настроения распространяются через масштабные социальные сети. В исходном материале прямо отмечается, что Light Society можно использовать для проверки методов влияния на общественное мнение — возможности, имеющей прямое отношение к практическим вопросам о том, как нарративы распространяются и развиваются на платформах вроде WeChat, X и других глобальных социальных сетей, где операции влияния и динамика вирусного контента стали предметом пристального академического и политического интереса.

Чем Light Society отличается от более ранних симуляций

Агентное моделирование существует уже десятилетиями. Исследователи применяли его для изучения транспортных потоков, распространения заболеваний и рыночного поведения. Однако исторически такие модели опирались на простых агентов, следующих заранее заданным правилам.

Интеграция больших языковых моделей в агентное моделирование — сравнительно недавнее развитие. Агенты на базе LLM могут принимать более тонкие решения, адаптироваться к новым ситуациям и порождать эмерджентное поведение. Ранние социальные симуляции на базе LLM упирались примерно в 10 миллионов агентов, прежде чем вычислительные затраты становились неприемлемыми. Архитектурные решения Light Society, особенно подход с суррогатными моделями, фактически преодолели этот потолок на два порядка.

Исследователи представляют систему как инструмент для земного масштаба in silico-экспериментов, обозначая амбициозное видение: использовать симуляцию как лабораторию для понимания самой человеческой цивилизации.