🤖 machine learning

Exploration of the generative capabilities of Boltzmann machines applied to social systems under the majority rule

Este artículo demuestra que las redes de creencia profunda con unidades visibles no binarias pueden generar y recuperar con éxito muestras de sistemas sociales gobernados por la regla de la mayoría bajo condiciones críticas, manteniendo la criticidad y mostrando una degradación física gradual incluso en presencia de ruido de entrada.

Autores originales: Mauricio A. Valle, Gonzalo A. Ruz

Publicado 2026-07-28

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mauricio A. Valle, Gonzalo A. Ruz

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 un mundo donde tu estado de ánimo, tu opinión sobre una nueva película o incluso tu decisión de comprar una acción no sea solo un pensamiento solitario, sino un efecto dominó causado por todos los que te rodean. Este es el patio de recreo de la física estadística y la ciencia social, dos campos que han descubierto un secreto sorprendente: los grupos de personas a menudo se comportan como imanes gigantes. Así como los diminutos espines magnéticos pueden alinearse repentinamente para crear un campo magnético fuerte, los grupos de personas pueden de repente ponerse todos de acuerdo (consenso) o de repente estar todos en desacuerdo (polarización). El momento en que este interruptor se activa se llama transición de fase. Es el punto de inflexión exacto entre el orden tranquilo y el ruido caótico. Los científicos están obsesionados con encontrar estos "puntos de inflexión" porque son donde ocurren los cambios más dramáticos, como un desplome del mercado o un movimiento social repentino. Para estudiar estos cambios invisibles, los investigadores utilizan máquinas de Boltzmann, que son un tipo de cerebro informático que aprende adivinando patrones y luego comprobando sus propios aciertos, algo así como un estudiante que toma un examen de práctica una y otra vez hasta que memoriza las respuestas.

Ahora, imagina a un grupo de amigos en una cuadrícula cuadrada, donde cada uno tiene tres estados de ánimo posibles: feliz, neutral o gruñón. Observan a sus cuatro vecinos más cercanos e intentan igualar el estado de ánimo mayoritario, pero a veces se distraen o se muestran obstinados (esto es el "ruido"). Los investigadores de este artículo se plantearon una pregunta difícil: si tomamos una instantánea de este grupo cuando se encuentra justo en ese punto de inflexión caótico, y luego borramos algunos de sus estados de ánimo (fingiendo que no sabemos qué están pensando), ¿puede un cerebro informático averiguar las piezas faltantes y recrear toda la escena? No querían simplemente que la computadora adivinara; querían saber si la computadora podía "soñar" una nueva versión del grupo que todavía se sintiera como si estuviera justo en ese borde del caos, incluso con información faltante.

El equipo construyó un tipo especial de cerebro informático llamado Red de Creencia Profunda (DBN, por sus siglas en inglés). Piensa en esto como un detective de múltiples capas. La primera capa es un detective "Gaussiano-Bernoulli", que es una forma elegante de decir que puede manejar opiniones que no son solo "sí" o "no", sino que pueden ser "tal vez" o "más o menos" (tres estados). Entrenaron a este detective con miles de instantáneas del grupo de amigos en diferentes estados de ánimo. Una vez entrenado, probaron al detective ocultando las opiniones de una fracción de los amigos (¡hasta el 50% de ellos!) y pidiéndole al detective que llenara los espacios en blanco. Los resultados fueron sorprendentemente esperanzadores. El cerebro informático pudo "soñar" con éxito las opiniones faltantes, creando un nuevo grupo que se veía y actuaba de manera muy similar al original.

Sin embargo, la historia no es simplemente un "la computadora ganó". Los investigadores descubrieron que la forma del detective importaba. Cuando construyeron un detective que expandía su visión (haciendo que las capas ocultas fueran más grandes que el grupo original), era mejor copiando los detalles exactos de los estados de ánimo de los amigos. Pero, cuando construyeron un detective que comprimía la información (haciendo que las capas ocultas fueran más pequeñas), era sorprendentemente bueno manteniendo al grupo en ese estado especial de "criticidad", incluso si los detalles no eran perfectos. Es como tener un retratista que dibuja cada sola peca (expansivo) o uno que captura la esencia general del rostro (compresivo). El artículo sugiere que para recrear el sentimiento de un momento social crítico, el artista compresivo podría ser la mejor opción, incluso si el dibujo no es perfecto a nivel de píxeles.

Para asegurarse de que la computadora no estaba alucinando, el equipo construyó un "termómetro" (un programa informático separado) para medir la temperatura del grupo. Este termómetro comprueba si el grupo es demasiado caótico (subcrítico), demasiado tranquilo (supercrítico) o justo en el punto de inflexión (crítico). El termómetro fue excelente detectando los extremos, pero a veces se confundía justo en el punto de inflexión, lo cual tiene sentido porque esa es la parte más desordenada del sistema. Cuando probaron los grupos "soñados", descubrieron que, incluso con la mitad de las opiniones faltantes, la computadora aún podía generar grupos que el termómetro reconocía como cercanos a ese punto de inflexión crítico.

El artículo descarta explícitamente la idea de que simplemente ejecutar el proceso de adivinación de la computadora durante más tiempo (más pasos de "muestreo de Gibbs") la haga mejor. De hecho, realizar más pasos no ayudó y podría hacer que la computadora memorizara los datos de entrenamiento de forma demasiado rígida. También descubrieron que la forma en que la computadora mezcla sus pistas "ascendentes" (lo que ve) con sus conjeturas "descendentes" (lo que aprendió) cambia el resultado. Si la computadora confía demasiado en los datos faltantes, se confunde; si confía demasiado en sus propios patrones aprendidos, pierde los detalles finos. El punto ideal depende de cuánta información falte.

En última instancia, esta investigación sugiere que, si bien no podemos reconstruir perfectamente un sistema social con datos faltantes, podemos acercarnos lo suficiente como para mantener viva la "magia crítica". La computadora no necesita conocer la opinión de cada persona para entender la energía del grupo. Esto abre la puerta a usar estos modelos como máquinas de "¿qué pasaría si?". Imagina si pudiéramos introducir los datos parciales de una plataforma de redes sociales en un sistema como este y hacer que "sueñe" con la imagen completa de la opinión pública, ayudándonos a detectar una crisis de polarización antes de que estalle. El artículo no afirma haber resuelto esto para el mundo real todavía —sigue siendo una simulación en una cuadrícula de 784 agentes—, pero demuestra que el concepto funciona. Demuestra que los modelos de aprendizaje profundo pueden aprender la física oculta de la opinión social, incluso cuando los datos son desordenados, ruidosos e incompletos.

Resumen Técnico: Exploración de las Capacidades Generativas de las Máquinas de Boltzmann Aplicadas a Sistemas Sociales bajo la Regla de la Mayoría

Planteamiento del Problema
El artículo aborda el desafío de modelar sistemas sociales complejos gobernados por la regla de la mayoría, centráéndose específicamente en sistemas capaces de experimentar transiciones de fase (por ejemplo, cambios de consenso a polarización). A diferencia de los conjuntos de datos de imágenes estándar (como MNIST), que poseen regularidades espaciales claras, los sistemas de dinámica de opiniones exhiben patrones heterogéneos e irregulares, particularmente cerca de los puntos críticos donde el sistema equilibra el orden y el desorden. Los autores investigan si los modelos generativos no supervisados, específicamente las Redes de Creencia Profunda (DBN, por sus siglas en inglés), pueden aprender las distribuciones de probabilidad subyacentes de estos sistemas, reconstruir información faltante (imputación) bajo ruido y mantener el estado crítico del sistema durante la reconstrucción.

Metodología
El estudio emplea una metodología de tres etapas (ilustrada en la Figura 1) utilizando un modelo de Votación de la Mayoría de tres estados (MV3) en una red cuadrada de $28 \times 28$ ( $L=784$ agentes). Los agentes poseen opiniones $s_i \in \{0, 0.5, 1\}$ y se actualizan basándose en el consenso de sus vecinos con una probabilidad $p$ (nivel de ruido $q=1-p$ ).

Generación de Datos: Simulaciones de Monte Carlo generan estados del sistema $S(p)$ a través de varios niveles de ruido. El punto crítico para este sistema de tamaño finito se identifica en $q_c \approx 0.151$ ( $p \approx 0.849$ ).
Entrenamiento de la DBN: Los autores entrenan Redes de Creencia Profunda donde la primera capa es una Máquina de Boltzmann Restringida Gaussiana-Bernoulli (GBRBM) para manejar las unidades visibles no binarias (de tres estados), seguida de BBRBM (Bernoulli-Bernoulli) apiladas. Se prueban varias arquitecturas, variando entre estrategias "expansivas" (dimensión de la capa oculta $>784$ ), "compresivas" (dimensión de la capa oculta $<784$ ) y de "expansión-contracción". El entrenamiento utiliza la Divergencia Contrastiva (CD) con un enfoque de capa por capa codicioso (greedy).
Termómetro Discreto: Se entrena una Red Neuronal Convolucional (CNN) como un "termómetro" para clasificar los estados del sistema como subcríticos, críticos o supercríticos basándose en la distribución espacial de los cúmulos de opinión.
Experimentos de Imputación y Generación:
- Ensueño (Dreaming): La DBN genera muestras sintéticas condicionadas a unidades visibles fijas.
- Imputación: Una fracción $f$ de las opiniones de los agentes se enmascara (se establece en -1). La DBN reconstruye estos valores faltantes utilizando una aproximación de Campo Medio que mezcla flujos de información ascendentes (bottom-up, basados en datos) y descendentes (top-down, basados en la distribución previa) mediante parámetros de mezcla $\alpha_1$ y $\alpha_2$ .
- Evaluación: El error de reconstrucción se mide frente a las muestras originales, y el "termómetro" evalúa si las muestras reconstruidas mantienen el estado crítico.

Contribuciones Clave

Aprendizaje de Representaciones de MV3: Los autores demuestran que las DBN con unidades visibles gaussianas pueden aprender con éxito representaciones comprimidas del modelo de votación de la mayoría de tres estados a través de diferentes fases, logrando errores de reconstrucción bajos a pesar de la complejidad configuracional.
Validación de un Clasificador de Fase: Desarrollan y validan un "termómetro" basado en CNN capaz de distinguir estados subcríticos, críticos y supercríticos sin conocimiento explícito de los parámetros de orden, aunque se observa que el rendimiento es menor para los estados críticos debido a la ambigüedad de los cúmulos de mesoescala.
Imputación Generativa bajo Ruido: El estudio explora sistemáticamente las capacidades generativas de las DBN a través de experimentos de imputación. Revela que estos modelos pueden reconstruir información faltante y mantener la criticidad incluso bajo un ruido sustancial ( $f$ hasta 0.5), con un rendimiento dependiente de la arquitectura de la red y los parámetros de mezcla del flujo de información.

Resultos

Precisión de la Reconstrucción: Las arquitecturas expansivas (donde la dimensión de la primera capa oculta excede el tamaño de entrada, ej., $n_{H1} = 2704$ ) generalmente logran errores de reconstrucción más bajos (0.065–0.075) en comparación con las arquitecturas compresivas (0.108–0.132).
Preservación de la Criticidad: Mientras que los modelos expansivos minimizan el error de reconstrucción, las arquitecturas compresivas (ej., DBN7 con $n_{H1}=256$ ) demostraron una sorprendente robustez en la preservación del estado crítico durante la imputación, según lo medido por el termómetro.
Desempeño de la Imputación: A medida que aumenta la fracción de datos faltantes ( $f$ ), el error de imputación aumenta. Para las arquitecturas expansivas, un enfoque basado en datos (mayor peso en las señales de entrada, $\alpha_1$ ) produjo mejores resultados. Por el contrario, las arquitecturas compresivas funcionaron de manera competitiva con parámetros de mezcla específicos ( $\alpha_1=0.9, \alpha_2=0.1$ ), lo que sugiere que la mezcla óptima depende de la relación señal-ruido en cada capa.
Limitaciones del Termómetro: El termómetro de la CNN mostró una alta precisión para los estados subcríticos (AUC 0.918) y supercríticos (AUC 0.996), pero una precisión menor para los estados críticos (AUC 0.838), atribuido a la naturaleza no abrupta de la transición de fase y la ambigüedad de los patrones cerca del punto crítico.

Significancia y Reivindicaciones
El artículo sostiene que las DBN ofrecen un marco viable para extraer representaciones significativas de sistemas sociales altamente no estructurados. La capacidad de estos modelos para "soñar" o generar muestras sintéticas que permanecen en estados críticos, incluso cuando están condicionadas por datos ruidosos o incompletos, sugiere una utilidad potencial para:

Generación de Escenarios: Crear datos sintéticos realistas para sistemas sociales en estado de criticidad.
Imputación: Reconstruir las opiniones de los agentes a partir de datos incompletos (por ejemplo, la "mayoría silenciosa" en redes sociales), identificando potencialmente el surgimiento de consensos o polarizaciones antes de que sean plenamente visibles.
Prueba de Hipótesis: Servir como herramientas para la ciencia social computacional para probar hipótesis sobre transiciones de fase.

Los autores mantienen un tono modesto, señalando que sus simulaciones utilizan redes regulares en lugar de topologías de red realistas y que la sensibilidad reducida del termómetro en el punto crítico introduce incertidumbre. Concluyen que, si bien las arquitecturas expansivas son superiores para la fidelidad de la reconstrucción, la interacción entre la arquitectura y el flujo de información es crucial para mantener las propiedades físicas (criticidad) de los sistemas generados. Se sugiere como trabajo futuro explorar enfoques híbridos con modelos de difusión basados en puntuación (score-based diffusion models) y probar estas metodologías en datos del mundo real.

Más como este