Китайці симулювали суспільство з мільярдом ШІ-агентів

TL;DR

• •Light Society моделює понад 1 мільярд ШІ-агентів, кожен з яких має демографічні характеристики та можливість проявляти різні моделі поведінки.
• •Використовується гібридний підхід: великі LLM для ключових агентів та легкі моделі-замінники для маси, що зменшує обчислювові вимоги.
• •Система успішно відтворила реальні закономірності поширення думок та соціальних взаємодій у експериментах.
• •Дослідження проведено китайськими вченими у 2026 році та публіковано у вигляді прес-релізу без відкритого коду.
• •Дані про точні архітектури, ліцензії та доступ до репозиторію не розкриті.

Як це змінить ваш ринок?

Масштабове соціальне моделювання може стати інструментом для прогнозування реакції споживачів на нові продукти, політичні кампії та зміни у законодавстві. Проте через високі вимоги до обчислювальних потужностей (понад 512 GB GPU-пам’яті) та відсутність відкритого коду, його використання залишається обмеженим для великих дослідницьких центрів, корпорацій з власним AI-інфраструктурою та державних агентств. Якщо код стане доступним, це може знизити бар’єр входження для середніх бізнесів, які хочуть тестувати стратегії без дорогих фокус-груп.

Визначення:

Light Society — це платформа для симулювання великих популяцій автономних ШІ-агентів, кожен з яких має демографічні характеристики (вік, стать, освіта, регіон) та можливість проявляти різні моделі поведінки, засновані на великих мовних моделях (LLM) або їх легких копіях. Система дозволяє моделювати поширення думок, формування консенсусу та динаміку групових рішень у вірному середовищі, близькому до реального суспільства.

Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження.

Для дослідження потрібен доступ до кластеру GPU з загальною пам’яттю ≥ 512 GB (наприклад, 8× A100 40GB) та ліцензія на використання базових LLM (Llama 3, Mistral або подібні). Потребує команди з 2-3 ML-інженерів з досвідом у розподіленних обчисленнях та оптимізації інференсу. Час на впровадження — від 1 до 3 місяців для адаптації під конкретну задачу (наприклад, моделювання виборчих предпочуттів). Бюджет на хмарні ресурси може становити від $2 000 до $5 000 на місяць при використанні інстансів типу p4d.24xlarge.

Альтернативи