Simulazione come nuova legge di scalabilità — Joon Sung Park, Simile AI
Simile AI presenta un nuovo approccio alla simulazione con il lancio di 8 miliardi di digital twin.
Joon Sung Park, CEO di Simile AI, ha spiegato come la simulazione sta diventando una nuova legge di scalabilità nell’ambito dell’intelligenza artificiale. Dopo il successo del paper “Smallville” del 2023, che ha introdotto i generative agents, il team di Simile ha sviluppato modelli in grado di riprodurre il comportamento umano con un’accuratezza del 85%. L’obiettivo è creare 8 miliardi di digital twin, rappresentazioni digitali di ogni persona vivente, per simulare il mondo prima di prendere decisioni. Questo approccio, che si basa su dati osservazionali, interviste e test controllati, mira a comprendere meglio le dinamiche sociali e a testare politiche e prodotti in modo più efficace.
Simulazione e il ruolo dei dati reali
La simulazione, secondo Joon, non è solo una tecnologia, ma un modo per comprendere meglio il comportamento umano. I modelli sviluppati da Simile si basano su dati di origine reale, come interviste, transazioni e osservazioni, per creare popolazioni rappresentative. Questo permette di testare scenari complessi, come l’impatto di politiche economiche o sociali, senza dover dipendere solo su dati di mercato o su opinioni espresse. La simulazione, a differenza della previsione, si concentra su come le persone agiscono e interagiscono, non solo su cosa dicono. La simulazione richiede un’analisi approfondita delle dinamiche sociali. Joon ha sottolineato che, a differenza dei modelli di intelligenza artificiale tradizionali, i modelli di simulazione devono essere addestrati non solo su dati di input, ma anche su dati di output, per comprendere meglio il comportamento umano. Questo approccio ha portato a un miglioramento significativo nella capacità dei modelli di riprodurre il comportamento umano, ma richiede ulteriori ricerche e sviluppi.
La sfida della simulazione di 8 miliardi di persone
Simile mira a creare 8 miliardi di digital twin, una sfida enorme in termini di dati e capacità computazionale. Joon ha spiegato che, per raggiungere un’accuratezza del 85%, i modelli devono riprodurre non solo le azioni, ma anche le distorsioni e i pregiudizi umani. Questo richiede un’approccio diverso rispetto ai modelli tradizionali, che si basano su dati di input e output. La simulazione, invece, richiede un’analisi approfondita delle dinamiche sociali e delle motivazioni che guidano le decisioni umane. La simulazione di 8 miliardi di persone potrebbe rivoluzionare il modo in cui si testano politiche e prodotti, ma richiede una quantità di dati e risorse senza precedenti.
La simulazione non è solo una tecnologia, ma un modo per comprendere meglio il comportamento umano. Joon ha sottolineato che, a differenza dei modelli di intelligenza artificiale tradizionali, i modelli di simulazione devono essere addestrati non solo su dati di input, ma anche su dati di output, per comprendere meglio il comportamento umano. Questo approccio ha portato a un miglioramento significativo nella capacità dei modelli di riprodurre il comportamento umano, ma richiede ulteriori ricerche e sviluppi.
Il team di Simile ha anche discusso l’importanza della “social physics”, un concetto che si concentra sulle dinamiche di interazione tra individui e sulle motivazioni che guidano le decisioni collettive. Joon ha sottolineato che, a differenza dei modelli di intelligenza artificiale tradizionali, i modelli di simulazione devono essere addestrati non solo su dati di input, ma anche su dati di output, per comprendere meglio il comportamento umano. Questo approccio ha portato a un miglioramento significativo nella capacità dei modelli di riprodurre il comportamento umano, ma richiede ulteriori ricerche e sviluppi.
La simulazione, secondo Joon, potrebbe diventare una tecnologia chiave per il futuro dell’AI. Non solo per testare prodotti e politiche, ma anche per comprendere meglio le dinamiche sociali e le sfide globali, come il cambiamento climatico o l’instabilità democratica. La simulazione di 8 miliardi di persone potrebbe permettere di testare scenari complessi e di trovare soluzioni innovative. Tuttavia, Joon ha anche riconosciuto che la simulazione richiede una quantità di dati e risorse senza precedenti, e che il campo è ancora in fase di sviluppo.