Un miliardo di esseri umani virtuali: così l’AI prova a simulare la società
Immaginare una società composta da un miliardo di individui virtuali, ciascuno dotato di caratteristiche, memoria, convinzioni e modalità di comportamento differenti, sembrava fino a poco tempo fa materia da romanzo di fantascienza. Oggi, invece, è diventato un problema di ricerca affrontabile con l’intelligenza artificiale.
Un gruppo di ricercatori ha presentato Light Society, un nuovo framework di simulazione basato sui Large Language Models (LLM) progettato per rappresentare società umane su una scala senza precedenti: oltre un miliardo di agenti autonomi che possono interagire all’interno di un ambiente virtuale e produrre dinamiche collettive osservabili.
Il progetto è descritto nel paper Modeling Earth-Scale Human-Like Societies with One Billion Agents, pubblicato come preprint nel 2025 e presentato nell’ambito di un workshop ICML dedicato ai sistemi multi-agente e ai foundation models.
Che cosa rende diverso Light Society dalle simulazioni tradizionali?
La novità non consiste semplicemente nel mettere insieme una quantità enorme di chatbot. Il problema affrontato dai ricercatori è molto più complesso: come simulare una società mantenendo una certa ricchezza comportamentale senza rendere proibitivo il costo computazionale. I modelli agent-based tradizionali sono utilizzati da decenni nelle scienze sociali, nell’economia e in altri ambiti per rappresentare popolazioni virtuali, ma spesso attribuiscono agli individui comportamenti relativamente semplici, definiti attraverso regole prestabilite.
Gli LLM possono invece produrre comportamenti più flessibili e sensibili al contesto, ma utilizzarli direttamente per ogni singolo individuo diventa estremamente costoso quando la popolazione passa da migliaia o milioni di agenti a una scala di un miliardo di entità. Light Society nasce proprio dall’esigenza di superare questo ostacolo.
Come può un’intelligenza artificiale simulare un miliardo di persone?
Il cuore del sistema è una combinazione di tecniche pensate per ridurre il peso computazionale mantenendo una rappresentazione sufficientemente sofisticata dei comportamenti. Tra gli elementi centrali c’è un approccio “mixture-of-models”, che combina modelli linguistici più potenti con modelli più piccoli e efficienti, ottenuti anche attraverso tecniche di distillazione della conoscenza.
In questo modo non è necessario utilizzare continuamente il modello più costoso per ogni decisione presa da ogni agente. Il framework organizza inoltre l’evoluzione della simulazione attraverso transizioni tra stati degli agenti e dell’ambiente, gestite mediante una coda di eventi. Il risultato è un’architettura modulare progettata per rendere concretamente possibile una simulazione sociale su scala planetaria.
Gli agenti virtuali assomigliano davvero a persone reali?
È proprio questo uno degli aspetti più interessanti della ricerca. Gli agenti non vengono trattati come semplici pedine che eseguono istruzioni identiche, ma vengono ancorati a profili demografici ispirati a dati del World Values Survey, con l’obiettivo di rappresentare una popolazione più diversificata e vicina alla complessità delle società reali.
La simulazione tiene quindi conto del fatto che individui differenti possono reagire in maniera diversa davanti alla stessa situazione e che le interazioni tra loro possono modificare progressivamente il comportamento collettivo. Questo non significa che ogni agente costituisca una replica digitale di una persona reale: si tratta di una rappresentazione computazionale del comportamento umano, costruita per studiare fenomeni sociali su larga scala.
Che cosa hanno provato a osservare i ricercatori?
Per verificare le capacità del sistema, il gruppo di ricerca ha condotto simulazioni dedicate a fenomeni come i giochi della fiducia e la diffusione delle opinioni. Nel secondo caso, l’interesse è particolarmente evidente: osservare come un’informazione, un’opinione o un determinato comportamento possano propagarsi attraverso una popolazione composta da un numero enorme di agenti permette di studiare la nascita di dinamiche collettive difficili da analizzare attraverso esperimenti tradizionali. Secondo gli autori, aumentando la dimensione delle simulazioni emergono comportamenti più stabili e realistici, offrendo una base per studiare fenomeni sociali complessi e formulare o verificare ipotesi.
Significa che l’AI può già prevedere elezioni, crisi e crolli dei mercati?
È qui che occorre separare la portata reale della ricerca dalle interpretazioni più spettacolari. Light Society non è una macchina capace di conoscere in anticipo il risultato di un’elezione o di prevedere con certezza una crisi economica. Una simulazione, per quanto sofisticata, dipende dalla qualità dei dati iniziali, dalle ipotesi utilizzate per costruire gli agenti, dalle regole dell’ambiente e dai modelli matematici e linguistici che governano le interazioni.
Il valore della tecnologia è quindi diverso e, sotto molti aspetti, più interessante: permette ai ricercatori di creare scenari virtuali su scala gigantesca, modificare determinate condizioni e osservare come potrebbe evolvere il comportamento collettivo. Gli stessi autori presentano il sistema come una piattaforma per il test di ipotesi e lo studio dei comportamenti emergenti, non come un oracolo capace di predire il futuro.
Il passaggio fondamentale è dalla semplice osservazione alla possibilità di sperimentare all’interno di una società virtuale. Per molto tempo le scienze sociali hanno dovuto confrontarsi con una limitazione strutturale: non è possibile modificare arbitrariamente le condizioni di una società reale e osservare cosa sarebbe accaduto in uno scenario alternativo.
Una simulazione sufficientemente sofisticata può invece consentire di costruire mondi virtuali, cambiare una variabile, introdurre un evento e analizzare le conseguenze prodotte dalle interazioni tra gli agenti. Non sostituisce automaticamente sondaggi, dati empirici o osservazione sul campo, ma può diventare uno strumento complementare per formulare e mettere alla prova nuove ipotesi. È questa prospettiva, più che il semplice numero di agenti simulati, a rendere Light Society particolarmente significativa.
Dove si trova il vero limite di una società artificiale di un miliardo di agenti?
La scala impressionante non elimina le domande fondamentali sulla qualità della simulazione. Un sistema può rappresentare un miliardo di agenti e, allo stesso tempo, produrre risultati condizionati dalle assunzioni incorporate nei modelli e nei dati di partenza. Anche l’utilizzo di profili demografici reali non significa riprodurre tutta la complessità culturale, economica e psicologica delle persone.
Esiste inoltre il rischio che un modello linguistico rifletta distorsioni presenti nei dati con cui è stato addestrato o che una simulazione apparentemente realistica venga interpretata come una previsione scientificamente certa. Per questo motivo, la vera sfida dei prossimi anni non sarà soltanto aumentare il numero degli agenti, ma capire quanto fedelmente una società artificiale riesca a rappresentare una società reale.
È questo il prossimo passo dell’intelligenza artificiale?
La direzione indicata da Light Society è comunque significativa. L’AI non viene utilizzata soltanto per generare testi, immagini o risposte individuali, ma come motore di simulazione di sistemi complessi, nei quali miliardi di entità possono interagire e generare fenomeni collettivi non programmati esplicitamente. È un cambio di prospettiva che porta l’intelligenza artificiale più vicino alle scienze sociali, all’economia e alla ricerca sui sistemi complessi.
Se questa tecnologia continuerà a crescere in scala e affidabilità, le simulazioni potrebbero diventare un nuovo laboratorio digitale nel quale studiare come opinioni, fiducia, informazioni e comportamenti si trasformano quando milioni o miliardi di individui interagiscono. La domanda più interessante, a questo punto, non è se l’AI abbia già imparato a prevedere il futuro, ma quanto lontano possa arrivare nel simulare i possibili futuri di una società.