Un pueblo virtual de 25 agentes de IA organizó solo una fiesta de San Valentín
Investigadores de Stanford y Google dieron memoria, reflexión y planes a personajes impulsados por ChatGPT y los soltaron en un pueblo tipo Los Sims. Sin guion, se invitaron a una fiesta y llegaron a la hora.

En Smallville, un pueblo digital de dibujos en miniatura, Isabella Rodriguez atiende un café y tiene una intención: celebrar una fiesta de San Valentín el 14 de febrero, de 5 a 7 de la tarde. Nadie le dice a quién invitar ni cuándo decorar. Aun así, durante dos días de tiempo simulado invita a clientes y amigos, pasa la tarde del 13 adornando el local y consigue ayuda de Maria, quien a su vez invita a Klaus, su amor secreto. El 14, cinco agentes, entre ellos Klaus y Maria, aparecen en el café a las 5 en punto.
Ninguno de ellos es una persona. Son «agentes generativos», programas que usan un modelo de lenguaje (la tecnología detrás de ChatGPT) para simular conducta humana creíble. Los describe Joon Sung Park, de la Universidad de Stanford, junto con colegas de Stanford, Google Research y Google DeepMind, en un artículo presentado en UIST '23, un simposio de la Association for Computing Machinery sobre interfaces de usuario, celebrado en San Francisco entre el 29 de octubre y el 1 de noviembre de 2023.
Memoria, reflexión y planes
El problema de fondo es que un modelo de lenguaje, por sí solo, puede responder bien en un momento puntual, pero le cuesta mantener coherencia a lo largo del tiempo. Los autores proponen una arquitectura con tres piezas. La primera es un «flujo de memoria»: un registro, escrito en lenguaje natural, de todo lo que el agente percibe y hace. Como ese registro crece demasiado para caber en lo que el modelo puede leer de una vez, un sistema de recuperación elige qué recuerdos mostrarle según tres criterios: cuán recientes son, cuán importantes parecen (el propio modelo les asigna una nota de 1 a 10) y cuán relacionados están con la situación actual.
La segunda pieza es la reflexión. Cuando la suma de importancia de los eventos recientes supera un umbral (150 en esta implementación), el agente se hace preguntas sobre lo vivido y extrae conclusiones de más alto nivel, que también guarda como recuerdos. En la práctica, los agentes reflexionaron unas dos o tres veces al día. Así, Klaus, en lugar de elegir a quien más veces ve de pasada, puede deducir que le apasiona la investigación y preferir a Maria, que también investiga. La tercera pieza es la planificación: convertir esas conclusiones y el entorno en planes del día y luego en acciones concretas.
En su implementación, el equipo usó gpt-3.5-turbo, la versión de ChatGPT disponible entonces. Cada uno de los 25 agentes arranca con un párrafo que describe su oficio y sus relaciones. Los usuarios pueden conversar con ellos, hablarles como una «voz interior» para darles instrucciones o cambiar el estado de objetos del mundo. Si escriben que la estufa de Isabella está ardiendo, ella la apaga y rehace el desayuno.
Qué se evaluó y qué falló
Hubo dos evaluaciones. En la primera, los investigadores «entrevistaron» a los agentes en lenguaje natural para comprobar si se mantenían en personaje, recordaban, planificaban, reaccionaban y reflexionaban con precisión. Compararon la versión completa con variantes a las que se les quitaba acceso a la memoria, la reflexión o la planificación. Según el artículo, cada componente resultó crítico para que la conducta fuese creíble. La segunda evaluación dejó a los agentes interactuar libremente durante dos días de juego, y de ahí salieron fenómenos como la difusión de noticias (la candidatura de Sam a la alcaldía), nuevas amistades y la fiesta.
Hay matices importantes. Esto es una simulación en un entorno de videojuego, no un experimento con personas, y los propios autores aclaran que decir que los agentes «van» o «deciden» es una forma de hablar: su comportamiento busca parecer creíble, como el de un personaje animado, y no implica voluntad genuina. Además, en el ejemplo de la fiesta el usuario fijó dos datos, el plan de Isabella y el enamoramiento de Maria; el resto surgió de la arquitectura.
Los autores ven usos en prototipado de plataformas sociales, ensayo de conversaciones difíciles, mundos virtuales y personajes de videojuegos que no requieran guion manual. También advierten riesgos: relaciones parasociales con estos agentes, falsificaciones (deepfakes) y persuasión a medida. Proponen ajustar los agentes para reducir lo primero, registrar lo que hacen para mitigar lo segundo, y usarlos para complementar, no reemplazar, a las personas en procesos de diseño.
Queda por ver cómo se comporta esta arquitectura con modelos más recientes, algo que los autores esperan que mejore el desempeño, y si resiste fuera de un pueblo de 25 habitantes. Para Latinoamérica, el código de la simulación es público, lo que permite que desarrolladores y estudiantes de la región lo exploren y lo prueben en sus propios proyectos de juegos o simulación social.
Fuente: Generative Agents: Interactive Simulacra of Human Behavior