💬 NLP

Anamnesis: An Open-Source Platform for Large-Scale Backstory-Conditioned Survey Simulation

Este artículo presenta Anamnesis, una plataforma interactiva de código abierto que aprovecha los modelos de lenguaje de gran tamaño condicionados por trasfondos narrativos estructurados para simular encuestas a gran escala y demográficamente controlables, demostrando su capacidad para replicar con mayor precisión las distribuciones de opinión del mundo real que las líneas de base estándar de generación de personas mediante prompts.

Autores originales: Song-Ze Yu, Joseph Suh, Serina Chang, David M. Chan

Publicado 2026-07-14

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Song-Ze Yu, Joseph Suh, Serina Chang, David M. Chan

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 saber qué piensa toda una ciudad sobre un nuevo parque, pero no puedes preguntarle a cada persona. Tradicionalmente, los investigadores tienen que pagar a personas reales para que completen encuestas, lo cual es lento, costoso y, a veces, difícil de organizar. Aquí entra Anamnesis, un nuevo patio de recreo de código abierto que permite a los investigadores construir "poblaciones virtuales" para probar sus preguntas antes de hablar siquiera con un humano real.

Piensa en Anamnesis como un gran casting digital. En lugar de contratar actores que solo digan: "Soy una mujer hispana de 35 años", el sistema realiza un casting de personajes con historias de vida completas y ricas. Estos no son solo listas de datos; son trasfondos detallados de varios párrafos llenos de recuerdos, valores y peculiaridades, generados por IA. Cuando le haces una pregunta de encuesta a estos personajes virtuales, ellos responden basándose en toda su "vida" hasta el momento, no solo en una etiqueta.

Por qué el método antiguo no funcionaba tan bien
El artículo argumenta que el antiguo método de "prompteado de persona" (persona prompting) —donde simplemente le dices a la IA: "Actúa como una mujer hispana de 35 años"— es como pedirle a un actor de método que interprete un papel con solo una etiqueta de nombre. A menudo conduce a respuestas estereotipadas que se sienten planas y falsas. Los autores muestran que estos prompts simples fallan al intentar capturar las opiniones desordenadas, matizadas y a veces contradictorias de las personas reales. Anamnesis rechaza este enfoque superficial, insistiendo en que para obtener opiniones reales, se necesitan trasfondos narrativos profundos.

Cómo ocurre la magia
La plataforma funciona como un sofisticado servicio de emparejamiento.

El grupo de casting: El sistema tiene una base de datos de 35,000 personajes virtuales preestablecidos, cada uno con una historia de vida única.
El objetivo: Un investigador podría decir: "Necesito 100 personas que sean votantes de entre 25 y 44 años, divididas equitativamente entre demócratas y republicanos".
El emparejamiento: Debido a que el sistema no conoce la demografía exacta de cada personaje con un 100% de certeza (es una estimación), utiliza un ingenioso truco matemático para elegir el mejor grupo que se ajuste al objetivo del investigador. Es como un DJ mezclando pistas para conseguir la vibra perfecta para una fiesta, asegurando que la multitud se sienta adecuada.
La conversación: A medida que las personas virtuales responden la encuesta, el sistema recuerda sus respuestas anteriores. Si un personaje dice que le encanta el senderismo en la pregunta uno, no dirá repentinamente que odia las actividades al aire libre en la pregunta dos. Esto mantiene su "personalidad" consistente, tal como lo haría un humano real.

¿Realmente funcionó?
Los autores no solo conjeturaron; pusieron a prueba el sistema de dos maneras específicas:

La prueba política: Intentaron recrear encuestas reales del Pew Research Center sobre temas como política y cuestiones biomédicas. Los resultados mostraron que la población virtual de Anamnesis dio respuestas que estaban mucho más cerca de los datos humanos reales que los antiguos métodos de prompteo de "lista corta". De hecho, las opiniones del grupo virtual fueron tan similares a las de las personas reales que la diferencia se midió como un 0.147 (un número bajo significa una coincidencia cercana) en una prueba específica, comparado con un 0.258 para el método anterior, más simple.
La prueba de los dibujos animados: También probaron si estas personas virtuales podían entender el humor y las imágenes. Utilizaron el New Yorker Caption Contest, donde la gente vota por el pie de foto más divertido para un dibujo animado. Cuando los personajes virtuales votaron, eligieron los pies de foto favoritos de los humanos el 59.2% de las veces, frente a solo el 51.0% del método más sencillo. Esto sugiere que dar a la IA una historia de vida completa ayuda a que "entienda" mejor las preferencias humanas, incluso con imágenes y bromas.

Qué significa esto para ti
Esto no es una bola de cristal mágica que predice el futuro, ni es un reemplazo para la investigación humana real. Los autores sugieren que Anamnesis es una poderosa herramienta de prototipado. Permite a los investigadores "poner a prueba" sus encuestas —comprobando si sus preguntas son confusas o si sus resultados parecen extraños— utilizando primero una multitud diversa de personas virtuales. Si la multitud virtual reacciona de forma extraña, el investigador puede corregir la encuesta antes de gastar dinero en personas reales.

El artículo enfatiza que Anamnesis es una herramienta de código abierto, lo que significa que cualquiera puede usarla gratis, a diferencia de algunos servicios comerciales de "caja negra" que ocultan cómo funcionan. Al poner estas técnicas de simulación avanzada a disposición de todos, Anamnesis espera ayudar a los investigadores a comprender el comportamiento humano de manera más precisa, rápida y económica, manteniendo siempre el proceso transparente y reproducible.

Resumen Técnico: Anamnesis

Planteamiento del Problema

Las encuestas de opinión tradicionales y los sondeos sociales enfrentan obstáculos logísticos y económicos significativos, incluyendo el aumento de costos, la disminución de las tasas de respuesta y la dificultad para alcanzar subpoblaciones demográficas específicas. Si bien los Modelos de Lenguaje de Gran Escala (LLM) ofrecen una alternativa potencial como "personas virtuales", los intentos previos de simular poblaciones humanas se han basado en el "prompting de persona" utilizando listas cortas de atributos demográficos (por ejemplo, "mujer hispana de 35 años"). Este enfoque suele generar respuestas estereotipadas y carece de la profundidad psicológica necesaria para la elicitación de opiniones complejas. Además, las metodologías de alta fidelidad existentes como Anthology (Moon et al., 2024) y Alterity (Kang et al., 2025) permanecen confinadas en scripts de Python aislados, mientras que las plataformas de simulación comerciales operan como sistemas de código cerrado y propietarios que carecen de la transparencia y reproducibilidad necesarias para la ciencia social rigurosa.

Metodología

Anamnesis es una plataforma de código abierto basada en la web diseñada para operacionalizar los marcos de trabajo Anthology y Alterity para usuarios no técnicos. Reemplaza los prompts demográficos cortos con historias de vida narrativas abiertas y ricas para condicionar las respuestas de los LLM.

Componentes Principales

Condicionamiento de Historia de Vida Narrativa:
- En lugar de listas de atributos, el sistema condiciona los modelos mediante historias de vida de múltiples párrafos generadas mediante el muestreo de modelos base preentrenados (utilizando preguntas de entrevista del American Voices Project).
- Estas historias de vida capturan experiencias formativas, valores y visiones del mundo, no solo datos demográficos.
- Los atributos demográficos se infieren de forma probabilística a partir de las historias de vida en lugar de ser etiquetas observadas.
Arquitectura del Sistema:
- Modelo Dispatcher–Queue–Worker: Para manejar la complejidad $O(S \times Q \times N)$ de las ejecuciones de encuestas (donde $S$ es el tamaño de la muestra, $Q$ es el número de preguntas y $N$ es el remuestreo), el sistema utiliza una cola asíncrona. Los trabajadores ejecutan las preguntas secuencialmente por persona con acumulación de contexto secuencial, asegurando la consistencia de creencias entre preguntas.
- Constructor de Encuestas (Survey Builder): Una interfaz gráfica permite a los usuarios construir encuestas multimodales (opción múltiple, preguntas abiertas, clasificación, imagen y audio) sin necesidad de programar.
Segmentación y Selección Demográfica:
- Emparejamiento Probabilístico: Dado que los demográficos son distribuciones inferidas ( $p_{b,d}(c)$ $p_{b, d} (c)$ ), el sistema emplea dos algoritmos de selección:
  - Ranking de Probabilidad Top-K: Selecciona personas con la mayor compatibilidad conjunta con los filtros objetivo.
  - Emparejamiento Demográfico Balanceado: Resuelve un problema de asignación (usando el algoritmo húngaro) para llenar celdas demográficas específicas (por ejemplo, edad $\times$ género) maximizando la compatibilidad general. Para asegurar la latencia en tiempo real, el grupo de candidatos se poda a los $M$ mejores candidatos por celda antes de la asignación.
- Inferencia Demográfica: Los usuarios pueden definir nuevas dimensiones demográficas (por ejemplo, inclinación política) sobre la marcha. El sistema estima las distribuciones de probabilidad para estas dimensiones utilizando ya sea el modo Logprobs (pasada directa única restringida) o el modo N-sample (distribución empírica a partir de muestreos repetidos) para adaptarse a usuarios que no cuentan con infraestructura vLLM auto-alojada.
Algoritmos de Respuesta:
- Anthology (Predeterminado): Precede la historia de vida completa a la primera pregunta; añade pares de pregunta-respuesta al contexto para las preguntas subsecuentes.
- Línea Base Zero-shot: Se condiciona únicamente a descripciones demográficas cortas (como los prompts tipo CLAIR) para servir como control de ablación.

Contribuciones Clave

Primera Plataforma GUI de Código Abierto: Anamnesis es el primer sistema que combina el condicionamiento de historia de vida narrativa, el emparejamiento demográfico probabilístico, la acumulación de contexto secuencial y el soporte de encuestas multimodales en una interfaz desplegable y no técnica.
Operacionalización de Marcos Avanzados: Traduce las metodologías de Anthology y Alterity de prototipos de investigación a una interfaz web unificada, haciendo que la aproximación de persona de vanguardia sea accesible para investigadores sin experiencia en programación.
Infraestructura Escalable: La plataforma soporta ejecuciones de encuestas concurrentes sobre un grupo de 35,000 historias de vida pre-muestreadas con balanceo demográfico automatizado y agregación de resultados.

Resultados

El sistema fue evaluado a través de dos casos de estudio:

Replicación de Encuestas de Opinión Pública (Pew Research Center ATP):
- La plataforma replicó segmentos del American Trends Panel (ATP) a través de tres olas (biomédica, tipología política, IA).
- Métrica: Distancia de Wasserstein (WD) promedio y Norma de Frobenius (Fro.) entre las matrices de correlación de respuestas.
- Resultado: Anamnesis (condicionado por historia de vida) superó significativamente a las líneas base estándar de listas demográficas (BIO y QA) en el ajuste de las distribuciones de respuesta del mundo real. Por ejemplo, en la Ola 34, Anamnesis logró una WD de 0.147 en comparación con 0.258 para la línea base BIO. Los resultados reflejaron estrechamente las distribuciones humanas, aunque persistió una brecha respecto a los datos humanos reales.
Estimación de Preferencias Multimodales (New Yorker Caption Contest):
- El sistema simuló las preferencias de visión-lenguaje humanas en 49 concursos de subtítulos de caricaturas.
- Métrica: Precisión de voto mayoritario y participación de votos para el subtítulo preferido por humanos.
- Resultado: El enfoque Anthology logró una precisión de voto mayoritario del 59.2% (frente al 51.0% de la línea base zero-shot). Aumentó la participación media de votos para el subtítulo preferido por humanos en 7.8 puntos porcentuales ( $p=0.0024$ ), demostrando que el condicionamiento narrativo mejora la alineación con los juicios humanos colectivos en tareas multimodales.

Significado

El artículo posiciona a Anamnesis como una alternativa transparente, reproducible y de código abierto a los servicios de simulación propietarios. Su utilidad principal radica en permitir a los científicos sociales prototipar y someter a pruebas de estrés los instrumentos de encuesta en poblaciones virtuales demográficamente equilibradas antes de reclutar sujetos humanos. Al proporcionar una interfaz no técnica para la simulación de personas de alta fidelidad, la plataforma busca democratizar el acceso a metodologías rigurosas de las ciencias sociales, permitiendo a los investigadores examinar las distribuciones de opinión a través de subgrupos sin la carga logística de la investigación tradicional con sujetos humanos.