🤖 AI

BotVerse: Real-Time Event-Driven Simulation of Social Agents

BotVerse es un marco de simulación social escalable y basado en eventos que utiliza agentes impulsados por modelos de lenguaje para estudiar interacciones humanas y escenarios de desinformación en un entorno controlado y seguro, aislado de redes en vivo pero anclado en flujos de contenido reales de Bluesky.

Autores originales: Edoardo Allegrini, Edoardo Di Paolo, Angelo Spognardi, Marinella Petrocchi

Publicado 2026-04-01

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Edoardo Allegrini, Edoardo Di Paolo, Angelo Spognardi, Marinella Petrocchi

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que quieres estudiar cómo se comportan las personas en redes sociales, especialmente cuando hay noticias falsas o "bots" maliciosos tratando de confundir a la gente. El problema es que si pones a robots reales en Twitter o Facebook, podrías engañar o molestar a personas reales, lo cual no es ético.

Aquí es donde entra BotVerse. Piensa en BotVerse como un "Videojuego de Simulación Social" ultra-realista, pero en lugar de controlar un personaje tú mismo, tú controlas el mundo y observas cómo interactúan miles de personajes inteligentes.

Aquí tienes los puntos clave explicados con analogías sencillas:

1. El Escenario: Un "Acuario Digital" Seguro

Imagina un acuario gigante.

El agua: Es el mundo real (en este caso, la red social Bluesky). El acuario recibe agua fresca constantemente (noticias reales, tendencias actuales) para que el entorno se sienta vivo.
Los peces: Son los "agentes" o bots. Son tan inteligentes (usando tecnología de Inteligencia Artificial avanzada) que escriben y piensan casi como humanos.
La seguridad: Lo genial es que estos peces solo pueden interactuar entre ellos dentro del acuario. Si un pez intenta hacer algo malo, no sale al océano real para dañar a nadie. Es un laboratorio aislado donde los científicos pueden ver qué pasa sin riesgo.

2. Los Personajes: Tienen "Memoria" y "Personalidad"

En este videojuego, los bots no son tontos que repiten lo mismo. Tienen dos cosas importantes:

Una Memoria Selectiva: Imagina que tienes una libreta mental. BotVerse le enseña a los bots a recordar lo que es reciente (como lo que pasó hace 5 minutos) y lo que es importante (como un mensaje que mucha gente ha dado "me gusta"). Si algo es viejo y aburrido, lo olvidan. Esto hace que sus conversaciones sean naturales.
Una Identidad (DNA Digital): Cada bot tiene un perfil. Uno puede ser un abuelo conservador, otro una estudiante universitaria, y otro un activista. Pueden cambiar de opinión, tener prejuicios o ser escépticos, todo definido por los investigadores.

3. La Demostración: La "Guerra de Noticias Falsas"

Los autores probaron su sistema con un escenario de desinformación:

Fase 1 (La Semilla): Pusieron 500 bots en el sistema. 350 eran "buenos" (escépticos) y 150 eran "malos" (querían difundir mentiras). Los bots "malos" leyeron las noticias reales de hoy y crearon historias falsas que parecían muy creíbles.
Fase 2 (El Ataque): Los bots malvados no solo publicaron mentiras; empezaron a discutir en los comentarios, a dar "me gusta" a sus propias mentiras y a convencer a los bots "buenos" con argumentos largos y persuasivos.
Fase 3 (El Observatorio): Los científicos miraron una pantalla (el "Acuario") y vieron en tiempo real cómo se propagaba la mentira, quién se creía el cuento y cómo la red social reaccionaba.

4. ¿Para qué sirve todo esto?

BotVerse es como un simulador de vuelo para la sociedad:

Para científicos: Pueden estudiar cómo se forman las "cámaras de eco" o cómo se vuelve viral una noticia sin tener que esperar años en el mundo real.
Para la seguridad: Pueden poner a prueba a sus propios sistemas de defensa (los "policías" de la IA) para ver si logran detectar y detener a los bots malvados antes de que causen daño real.
Para empresas: Pueden simular cómo reaccionaría la gente a un nuevo producto o a una crisis (como un desastre natural) sin arriesgar su reputación en la vida real.

En resumen:
BotVerse es un parque de atracciones controlado donde los investigadores pueden crear tormentas perfectas, ver cómo reaccionan los "turistas" (bots) y aprender a proteger la sociedad, todo sin que nadie salga lastimado en el mundo real. Es una herramienta para entender el caos de internet de forma segura y ética.

Resumen Técnico: BotVerse

1. El Problema

Las Redes Sociales en Línea (OSN) son fundamentales para la comunicación moderna, pero también actúan como canales para la desinformación, amplificada frecuentemente por bots automatizados. La llegada de los Modelos de Lenguaje Grande (LLM) ha permitido crear agentes sociales sofisticados capaces de generar contenido indistinguible del humano.
Sin embargo, estudiar estos agentes en redes vivas plantea riesgos éticos significativos, especialmente al desplegar comportamientos maliciosos o engañosos sobre usuarios reales sin su consentimiento. Además, las plataformas de simulación existentes a menudo dependen de conjuntos de datos estáticos o modelos iterativos que no escalan ni capturan la dinámica en tiempo real, limitando la fidelidad de las investigaciones sobre polarización y detección de bots.

2. Metodología

El artículo presenta BotVerse, un marco de trabajo escalable y basado en eventos (event-driven) diseñado para simular interacciones sociales de alta fidelidad en un entorno controlado. La arquitectura se compone de cuatro capas integradas:

Arquitectura del Sistema:
- Observatorio Social Sintético (Frontend): Una interfaz React/TypeScript que permite a los investigadores visualizar la "plaza pública sintética" en tiempo real, analizar gráficos de interacción y perfiles de agentes.
- API de Orquestación: Implementada con FastAPI, actúa como columna vertebral para la comunicación asíncrona entre el motor de simulación y el frontend. Abstrae la generación de contenido y permite la integración modular de diferentes backends de LLM (ej. GPT-oss, DeepSeek).
- Fábrica (Persistencia): Una capa basada en PostgreSQL que gestiona el estado de miles de agentes y sus interacciones, asegurando la consistencia y tolerancia a fallos en hilos de simulación concurrentes.
- Motor de Simulación BotVerse: El núcleo del sistema que gobierna el comportamiento de los agentes mediante un modelo de ejecución basado en eventos, donde las acciones se desencadenan por estímulos ambientales o eventos programados internamente.
Mecanismos Clave de Simulación:
- Anclaje en la Realidad (Environmental Grounding): Los agentes no operan en aislamiento; ingieren flujos de contenido en tiempo real de la red social Bluesky (ecosistema AtProto) para contextualizar sus respuestas, mezclando la realidad externa con el discurso sintético generado.
- Lógica de Acción y "ADN Digital": Los comportamientos siguen secuencias (ej. Publicar → Esperar → Responder) gobernadas por distribuciones temporales que imitan los patrones de uso humano, incluyendo la "burstiness" (ráfagas de actividad) y los ritmos circadianos.
- Modelado Cognitivo (Memoria y Personalidad):
  - Memoria: Utiliza un módulo dinámico con un mecanismo de puntuación heurística ( $S = \alpha \cdot recency + \beta \cdot importance$ ) en lugar de un búfer FIFO simple. Esto prioriza contenido nuevo y viral (basado en likes/reposts).
  - Personalidad: Los agentes tienen perfiles JSON extensibles que codifican atributos demográficos y psicográficos (orientación política, religiosa), los cuales se inyectan dinámicamente en los prompts del LLM.
- Síntesis Multimodal: Integra un pipeline de generación de imágenes (Stable Diffusion) para crear publicaciones que combinen texto e imágenes coherentes semánticamente.

3. Contribuciones Clave

Entorno de Prueba Ético y Seguro: Permite estudiar agentes autónomos y comportamientos maliciosos (como la desinformación) sin poner en riesgo a usuarios reales, mitigando problemas de engaño y falta de consentimiento.
Fidelidad en Tiempo Real: A diferencia de los enfoques estáticos, BotVerse utiliza datos en vivo de Bluesky como semilla, permitiendo que los agentes reaccionen dinámicamente a eventos del mundo real.
Escalabilidad y Dinámica Realista: La arquitectura basada en eventos soporta miles de agentes concurrentes con interacciones (publicaciones, likes, respuestas) que siguen distribuciones temporales humanas.
Observatorio Sintético: Proporciona una herramienta unificada para la observación cualitativa y cuantitativa de la propagación de contenido sintético y la dinámica de red.

4. Resultados (Caso de Uso: Desinformación)

Los autores demostraron la capacidad del sistema mediante un escenario coordinado de desinformación con 500 agentes (350 benignos/escepticos y 150 maliciosos):

Fase A (Sembrado): Los agentes maliciosos utilizaron tendencias reales de Bluesky para crear narrativas engañosas alineadas con el discurso actual.
Fase B (Amplificación): Los agentes maliciosos ejecutaron estrategias complejas, incluyendo publicación masiva, interacción en hilos de respuesta con razonamiento persuasivo largo para desafiar el escepticismo de usuarios genuinos, y manipulación de métricas de engagement.
Fase C (Análisis): El Observatorio permitió inspeccionar tanto las trayectorias micro (estados cognitivos de los agentes) como la dinámica macro (difusión de la narrativa) de la red.
El sistema demostró ser capaz de simular la propagación de desinformación de manera segura y detallada.

5. Significado e Impacto

BotVerse cierra la brecha entre el uso de conjuntos de datos estáticos y la investigación en redes sociales en vivo, ofreciendo una plataforma versátil para:

Ciencia Social Computacional: Estudiar la emergencia de normas sociales y cómo la persistencia y resonancia moldean la atención colectiva.
Seguridad de la IA y Red-Teaming: Permitir a los investigadores probar y estresar sistemas de defensa contra bots desinformadores en un entorno controlado.
Política y Respuesta a Crisis: Simular escenarios "¿Qué pasaría si?" (ej. desastres naturales) inyectando narrativas en flujos de contenido real para evaluar respuestas.
Dinámicas de Mercado: Evaluar la resonancia de marcas y el sentimiento en diferentes segmentos psicográficos sin riesgos.

En conclusión, BotVerse establece un nuevo estándar para la simulación social ética y escalable, facilitando la investigación de fenómenos sociales complejos sin los peligros inherentes a la experimentación en redes reales.