How Affect Propagates among LLM Agents: Emergent Emotional Contagion in Crowd Simulation

Sintesi Tecnica: Come l'affetto si propaga tra gli agenti LLM

Definizione del Problema
Questo articolo investiga la dinamica emergente del contagio emotivo all'interno di sistemi multi-agente guidati da Modelli di Linguaggio di Grandi Dimensioni (LLM). Sebbene le società di LLM siano state utilizzate per modellare il comportamento umano e studiare i fenomeni collettivi, i meccanismi specifici attraverso i quali l'affetto si propaga tra gli agenti — senza regole di trasferimento preprogrammate — rimangono scarsamente esplorati. Gli autori affrontano la questione se le interazioni locali, mediate dalla percezione, la valutazione (appraisal) e l'espressione di un agente, possano produrre schemi coerenti di propagazione dell'affetto spaziale, temporale e disposizionale, come il panico o la gioia, in una simulazione di folla dinamica.

Metodologia
Gli autori propongono un'architettura ibrida che scinde l'elaborazione cognitiva di alto livello dal controllo fisico di basso livello:

• Livello Cognitivo: Ogni agente possiede una "mente" basata su LLM che governa la valutazione cognitiva, gli aggiornamenti dello stato emotivo interno e la selezione delle espressioni esterne. Lo stato interno dell'agente è definito da:
  • Personalità: Rappresentata tramite il modello Big Five (OCEAN).
  • Emozione: Codificata tramite il modello circomplesso di Russell (Valenza e Arousal).
  • Memoria: Una coda a breve termine di eventi salienti.
• Ciclo Percezione-Valutazione-Espressione: Gli agenti percepiscono i vicini attraverso canali visivi, uditivi e tattili. L'LLM valuta questi input rispetto alla personalità, alla memoria e al contesto dell'agente per aggiornare il proprio stato interno e selezionare le espressioni (facciali, gestuali, vocali e di movimento).
• Livello Fisico: Un simulatore di folla Unity convenzionale gestisce la locomozione, la pianificazione del percorso (A*) e l'evitamento delle collisioni (Reciprocal Velocity Obstacles) indipendentemente dall'LLM per garantire prestazioni in tempo reale e realismo fisico.
• Configurazione Sperimentale: Sono stati progettati cinque scenari (Piazza Calma, Concerto, Evacuazione, Linea in Piedi, Cancello Conteso) per testare ipotesi specifiche riguardanti il contagio locale, la propagazione spaziale, la modellazione epidemica, la dipendenza dalla modalità e l'emergenza guidata dalla personalità. Lo studio ha utilizzato il modello gemini-3.1-flash-lite come backend primario, con controlli di robustezza rispetto ad altri modelli (gpt-4o-mini, llama3.1:8b, llama3.2:3b).

Contributi Chiave

1. Architettura del Contagio Mediata dalla Valutazione: Il documento introduce un sistema in cui il trasferimento emotivo non è governato da regole algoritmiche (ad es. media ponderata o equazioni differenziali), ma emerge interamente dalla valutazione (appraisal) che un LLM compie dei comportamenti osservati.
2. Validazione Empirica delle Ipotesi: Lo studio testa sistematicamente cinque ipotesi riguardanti la natura della propagazione dell'affetto, fornendo prove per la diffusione spaziale a onda, le dinamiche epidemiche e il ruolo critico della personalità nel determinare se il contagio si inneschi.
3. Analisi della Modalità e del Backend: Il lavoro quantifica il contributo relativo delle diverse modalità di comunicazione (voce, gesto, volto, movimento) al contagio e dimostra che le dinamiche emergenti dipendono fortemente dalla sensibilità del backend LLM specifico ai tratti di personalità.

Risultati

• Contagio Locale (H1): Le espressioni osservabili dai vicini predicono i cambiamenti nell'affetto di un agente. I segnali di allarme riducono costantemente la valenza e aumentano l'arousal. I segnali positivi aumentano la valenza, sebbene l'effetto sull'arousal sia stato meno costante e probabilmente guidato dal contesto dello scenario piuttosto che dal trasferimento tra vicini.
• Propagazione Spaziale (H2): L'allarme seminato in un cluster localizzato si diffonde come un fronte d'onda viaggiante in ambienti lineari. L'inizio del panico correla positivamente con la distanza dal seme, con una velocità di propagazione stimata di circa 0,96 m/s.
• Dinamiche Epidemiche (H3): La diffusione dell'allarme segue un modello qualitativamente coerente con un modello Susceptible-Infected-Susceptible (SIS), stabilizzandosi su un plateau endemico non nullo invece di decadere a zero (come nei modelli SIR). Tuttavia, le dinamiche non si adattano strettamente a un singolo set di parametri sia per l'overshoot iniziale che per il plateau, e non è stata osservata alcuna soglia di massa critica.
• Dipendenza dalla Modalità (H4): Il contagio crolla a un livello basale basso quando tutte le modalità sono silenziate. La voce trasporta il maggior contagio grazie alla sua portata omnidirezionale, mentre i gesti sono i più potenti per singola esposizione. Le espressioni facciali codificano principalmente la valenza, mentre il movimento codifica l'arousal.
• Emergenza Guidata dalla Personalità (H5):
  • Nevroticismo: Un alto nevroticismo medio in una folla causa un segnale ambiguo che innesca un panico auto-amplificante, mentre le folle stabili rimangono composte.
  • Leader Calmi: Una minoranza di agenti calmi e ad alta coscienziosità riduce moderatamente il panico della folla ma non lo previene, suggerendo un bias di negatività nella valutazione dove i segnali di allarme dominano quelli rassicuranti.
  • Rabbia vs Paura: In presenza di un provocatore, una folla con bassa gradevolezza (disagreeable) valuta la situazione come rabbia, mentre una folla di base valuta la stessa situazione come paura.
• Sensibilità del Backend: Le dinamiche d'onda emergenti dipendono dal backend. I modelli che non riescono a mantenere un divario significativo nella valutazione basata sulla personalità (ad es. gpt-4o-mini in questo studio) non riescono a sostenere il contagio, anche se interpretano correttamente i segnali.

Significatività e Rivendicazioni
Il documento sostiene di caratterizzare come l'affetto si propaghi tra modelli linguistici interagenti in contesti multi-agente, una questione di crescente rilevanza man mano che gli agenti LLM vengono impiegati in ambienti collaborativi. I risultati suggeriscono che, affinché le folle guidate da LLM esibiscano dinamiche emergenti realistiche, il modello sottostante non solo deve interpretare correttamente i segnali, ma deve anche mantenere la sensibilità ai tratti di personalità che modulano la valutazione.

Gli autori dichiarano esplicitamente che questi risultati caratterizzano il comportamento della specifica architettura basata su LLM testata e non devono essere interpretati come prova che gli agenti LLM provino emozioni, né come un modello validato del comportamento delle folle umane. Lo studio mira a fornire un banco di prova per comprendere la stabilità e le proprietà emergenti dei sistemi multi-agente, con potenziali applicazioni nella generazione di folle psicologicamente varievoli per giochi, film e simulazioni di addestramento, previa ulteriore validazione rispetto a dati empirici umani.