Per quanto riguarda la ricerca sociale, l’adozione di metodi tradizionali come sondaggi, interviste e osservazioni dirette ha sempre presentato sfide significative, tra cui costi elevati, campioni limitati e preoccupazioni etiche. Recentemente, un team di ricercatori della Fudan University ha sviluppato un framework innovativo chiamato SocioVerse, che sfrutta agenti AI autonomi per simulare comportamenti umani in scenari sociali complessi, offrendo una valida alternativa a questi metodi tradizionali.
SocioVerse è un modello basato su agenti AI che integra quattro componenti principali:
- Social Environment: Fornisce informazioni esterne aggiornate per mantenere la simulazione in linea con la realtà.
- User Engine: Gestisce il contesto realistico degli utenti simulati.
- Scenario Engine: Allinea la simulazione con scenari del mondo reale.
- Behavior Engine: Riproduce comportamenti umani attraverso agenti AI autonomi.
Questo approccio mira a superare le limitazioni dei metodi tradizionali, consentendo simulazioni scalabili e replicabili di dinamiche sociali complesse.
I ricercatori hanno testato SocioVerse in vari domini, tra cui politica, notizie ed economia, utilizzando modelli avanzati come GPT-4o mini, Qwen2.5-72b e DeepSeek-R1-671b. Ad esempio, nella simulazione delle elezioni presidenziali statunitensi, i modelli GPT-4o mini e Qwen2.5-72b hanno previsto correttamente oltre il 90% dei risultati a livello statale. In un altro esperimento, la simulazione delle reazioni del pubblico al rilascio di ChatGPT ha mostrato che GPT-4o e Qwen2.5-72b erano più allineati con le prospettive reali rispetto ad altri modelli. Infine, nella simulazione di un sondaggio economico nazionale cinese, Llama3-70b ha riprodotto accuratamente le abitudini di spesa degli individui.
Sebbene i risultati siano promettenti, i ricercatori riconoscono che esistono ancora differenze tra le risposte simulate e quelle osservate nel mondo reale. Tuttavia, l’approccio offre un potenziale significativo per esplorare scenari complessi senza le limitazioni dei metodi tradizionali. Inoltre, la capacità di simulare interazioni tra milioni di agenti consente di studiare dinamiche sociali su larga scala in modo efficiente.