🤖 AI

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

BotVerse is een schaalbaar, gebeurtenisgestuurd raamwerk dat onderzoekers in staat stelt om realistische, door LLM-aangedreven sociale agenten in een gecontroleerde omgeving te simuleren die is verankerd in de Bluesky-ecosysteem, waardoor ethisch verantwoorde experimenten met schadelijke scenario's zoals desinformatie mogelijk worden.

Oorspronkelijke auteurs: Edoardo Allegrini, Edoardo Di Paolo, Angelo Spognardi, Marinella Petrocchi

Gepubliceerd 2026-04-01

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Edoardo Allegrini, Edoardo Di Paolo, Angelo Spognardi, Marinella Petrocchi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een enorme, levendige stad wilt bouwen om te zien hoe mensen zich gedragen, maar dan zonder echte mensen in gevaar te brengen. Dat is precies wat BotVerse doet.

Hier is een uitleg in gewone taal, met een paar leuke vergelijkingen:

🏙️ De Stad van de Robots (Wat is BotVerse?)

BotVerse is een digitaal laboratorium. Het is een veilige, gesloten stad waar duizenden kunstmatige "bots" (robots met een brein) rondlopen en praten. Deze robots zijn zo slim gemaakt dat ze lijken op echte mensen, dankzij de nieuwste AI-technologie (zoals GPT).

Het grote probleem bij het bestuderen van bots is dat je ze niet zomaar op echte sociale media (zoals Twitter of Facebook) kunt zetten. Dat is onethisch: je zou echte mensen kunnen misleiden of bang maken.
BotVerse lost dit op: Het is een gesloten speelgoedstadje. De robots praten alleen met elkaar, maar ze kijken wel naar wat er echt gebeurt in de buitenwereld.

🎬 De Regisseur en de Acteurs (Hoe werkt het?)

Het systeem werkt als een enorme filmproductie met vier belangrijke teams:

De Regisseur (De Orchestration API): Dit is de hoofdpersoon die de touwtjes in handen heeft. Hij zorgt dat alles soepel loopt en dat de robots op het juiste moment reageren. Hij praat met de computer en de robots, maar laat de zware rekenkracht aan de robots zelf.
De Archiefkast (De Factory): Stel je een gigantische, super-ordelijke bibliotheek voor. Hier worden de "geheugens" van alle robots bewaard. Elke robot heeft zijn eigen dossier: wie is hij? Wat vindt hij van politiek? Wat heeft hij gisteren gelezen? Deze kast zorgt ervoor dat als er duizenden robots tegelijk praten, niemand de draad kwijtraakt.
De Zaal (De Simulatie-engine): Dit is het toneel waar de actie plaatsvindt. In plaats van dat robots de hele dag maar wat roepen, wachten ze op signalen. Als er iets nieuws gebeurt in de echte wereld (bijvoorbeeld een nieuwsbericht), krijgen de robots een seintje en reageren ze daarop.
De Publieksbank (De Synthetic Social Observatory): Dit is het scherm waar onderzoekers naar kunnen kijken. Het is alsof je door een glazen raam kijkt naar de stad. Je kunt zien welke bots met wie praten, welke berichten populair worden en hoe snel een leugen zich verspreidt.

🧠 De Slimme Robots (Hoe denken ze?)

De robots in BotVerse zijn niet domme machines die alleen maar "Ja" of "Nee" zeggen. Ze hebben een geheugen en een persoonlijkheid:

Het Geheugen: Stel je voor dat je een vriend hebt die zich alleen dingen herinnert die belangrijk zijn of die pas gisteren zijn gebeurd. De robots doen hetzelfde. Ze vergeten oude berichten snel, maar onthouden dingen die veel "likes" of "reposts" hebben gekregen (dat noemen ze sociale resonantie).
De Persoonlijkheid: Elke robot heeft een digitaal paspoort. Eén robot is misschien een sceptische ouderling die niet snel gelooft, terwijl een ander een fanatieke verspreider van nepnieuws is. Onderzoekers kunnen deze eigenschappen zelf instellen.
Multimodaal: Ze kunnen niet alleen tekst schrijven, maar ook plaatjes maken. Als een robot een grappig verhaal vertelt, kan hij er direct een grappige tekening bij maken.

🎭 Het Grote Experiment: De Nepnieuws-test

In het artikel laten de auteurs zien hoe ze BotVerse gebruiken om te testen hoe nepnieuws (desinformatie) zich verspreidt.

De Opzet: Ze zetten 500 robots neer. 350 zijn "goede" burgers die sceptisch zijn, en 150 zijn "boze" robots die proberen nepnieuws te verspreiden.
Het Speelstuk: De boze robots kijken naar echte trends, maken een leugen die daar perfect bij past, en proberen de goede burgers ervan te overtuigen. Ze reageren op comments, delen berichten en proberen de discussie te sturen.
Het Doel: Onderzoekers kijken toe vanuit hun glazen toren (de Observatory) en zien precies hoe snel de leugen zich verspreidt en welke tactieken werken. Dit helpt hen om betere verdedigingsmiddelen te bouwen voor de echte wereld.

💡 Waarom is dit cool?

BotVerse is als een veiligheidszone voor de samenleving.

Je kunt testen hoe een ramp (zoals een aardbeving) zou worden besproken zonder dat echte mensen in paniek raken.
Je kunt zien of nieuwe wetten werken tegen haatzaaiers, zonder dat echte mensen er last van hebben.
Het vult het gat tussen "oude, statische data" (een foto van het verleden) en "live sociale media" (een gevaarlijk experiment).

Kortom: BotVerse is een digitale zandbak waar we kunnen spelen met de toekomst van sociale media, zodat we in de echte wereld beter voorbereid zijn.

Titel

BotVerse: Real-time, gebeurtenisgestuurde simulatie van sociale agenten

1. Het Probleem

Online sociale netwerken (OSN's) zijn cruciaal voor moderne communicatie, maar fungeren ook als kanaal voor desinformatie, vaak verspreid door geautomatiseerde bots. De opkomst van Large Language Models (LLM's) heeft deze bots verhevigd tot geavanceerde sociale agenten die content produceren die nauwelijks van menselijk schrijven te onderscheiden is.

Het bestuderen van deze autonome agenten op levende netwerken brengt echter aanzienlijke ethische risico's met zich mee:

Bedrog en niet-toestemmende interactie: Het inzetten van agenten die kwaadaardig gedrag simuleren onder onwetende gebruikers is ethisch problematisch.
Beperkingen van bestaande methoden: Huidige agent-gebaseerde platforms vertrouwen vaak op statische datasets of niet-schaalbare iteratieve modellen, wat de realisme en dynamiek van echte sociale interacties beperkt.

Er is een dringende behoefte aan gecontroleerde simulatieomgevingen die onderzoekers in staat stellen agentgedrag op grote schaal te observeren zonder echte gebruikers in gevaar te brengen.

2. Methodologie: De BotVerse Architectuur

BotVerse is een schaalbaar, gebeurtenisgestuurd framework dat een Multi-Agent Systeem (MAS) implementeert. De architectuur bestaat uit vier geïntegreerde lagen:

Synthetic Social Observatory (Frontend):
- Gebouwd met React/TypeScript.
- Biedt real-time visualisatie van de "synthetische openbare ruimte", interactiegrafieken en agentprofielen voor zowel kwalitatieve als kwantitatieve analyse.
Orchestration API (Coördinatie):
- Geïmplementeerd met FastAPI.
- Fungeert als ruggengraat voor asynchrone communicatie tussen de simulatie-engine en de frontend.
- Ondersteunt modulaire integratie van heterogene LLM-backends (bijv. GPT-oss, DeepSeek) en blokkeert de generatie van content en redenering.
Factory (Persistielaag):
- Gebaseerd op PostgreSQL.
- Beheert de staat van duizenden agenten en hun interacties.
- Garandeert isolatie van data-toegang en staatbeheer van de uitvoeringslogica, wat consistentie en fouttolerantie biedt bij gelijktijdige simulatietrades.
BotVerse Simulation Engine (Kern):
- Dit is het hart van het systeem en gebruikt een gebeurtenisgestuurd uitvoeringsmodel in plaats van traditionele iteratieve simulaties. Acties worden getriggerd door omgevingsstimuli of intern geplande gebeurtenissen.
- Omgevingsverankering (Environmental Grounding): Agenten zijn niet geïsoleerd; ze "ingest" real-time contentstromen van het Bluesky-ecosysteem (AtProto). Dit zorgt voor hoge gedragsgetrouwheid door externe realiteit te mengen met synthetisch discours.
- Actielogica en Digitale DNA: Gedrag wordt gemodelleerd met een aangepaste versie van het "Digital DNA"-paradigma. Agenten volgen gedragssequenties (bijv. Posten → Wachten → Reageren) die worden gedicteerd door temporele distributies die menselijke patronen nabootsen (bijv. pieken in activiteit en circadiaanse ritmes).
- Cognitieve Modellering (Geheugen & Persona):
  - Geheugen: Geen simpele FIFO-buffer, maar een heuristische score: $S = \alpha \cdot recency + \beta \cdot importance$ . Recente content en content met hoge sociale resonantie (likes/reposts) krijgen prioriteit.
  - Persona: Hoogdimensionele JSON-profielen die demografische en psychografische attributen (politieke/religieuze oriëntatie) coderen. Deze zijn dynamisch uitbreidbaar en worden injecteerd in de LLM-prompt.
- Multimodale Content Synthese: Integratie van Stable Diffusion voor het genereren van afbeeldingen. De LLM genereert een semantisch afgestemde tekstprompt die wordt omgezet in een synthetische afbeelding, wat zorgt voor coherentie tussen tekst en beeld.

3. Belangrijkste Bijdragen

Ethisch Veilig Framework: BotVerse isoleert interacties in een gecontroleerde omgeving terwijl het toch gebruikmaakt van real-time content van echte netwerken (Bluesky), waardoor desinformatie-experimenten zonder risico voor echte gebruikers mogelijk zijn.
Real-time Getrouwheid: Agenten reageren dynamisch op live gebeurtenissen uit de echte wereld, in plaats van te werken met statische datasets.
Schaalbaarheid: De architectuur ondersteunt duizenden gelijktijdige, hoogst aanpasbare agenten via een gebeurtenisgestuurde engine.
Realistische Dynamiek: Het systeem simuleert menselijke tijdsdistributies en cognitieve geheugenmechanismen, wat resulteert in natuurlijke "burstiness" en interactiepatronen.

4. Demonstratie en Resultaten

De auteurs demonstreerden BotVerse via een Desinformatie-scenario met 500 agenten (350 "goedaardige" sceptische agenten en 150 "kwaadaardige" desinformatie-agenten). De simulatie verliep in drie fasen:

Seeding: Kwaadaardige agenten gebruikten real-time trends van Bluesky om misleidende verhalen te creëren die aansloten bij het huidige discours.
Amplificatie: Deze agenten gebruikten complexe strategieën, waaronder het posten van berichten, het genereren van engagement (likes/reposts) en het voeren van lange, overtuigende discussies in reply-threads om het scepticisme van echte gebruikers te doorbreken.
Multi-level Analyse: Het observatorium liet zowel micro-niveau trajecten (cognitieve staten van individuele agenten) als macro-niveau netwerkdynamiek (verspreiding van narratieven) zien.

Resultaten: Het systeem slaagde erin om een veilige, experimentele omgeving te bieden voor "red-teaming" en computationele sociale wetenschappers om de verspreiding van desinformatie te bestuderen zonder ethische grenzen te overschrijden.

5. Betekenis en Toekomst

BotVerse overbrugt de kloof tussen statische datasets en onderzoek op levende sociale netwerken. Het biedt een veelzijdig platform voor:

Computational Social Science: Het bestuderen van hoe normen ontstaan via geheugenparameters.
AI Veiligheid & Red-Teaming: Het testen van bots die bedoeld zijn om desinformatie te detecteren en te mitigeren.
Beleid & Crisisrespons: Het simuleren van "What-if" scenario's (bijv. natuurrampen) door narratieven in real-time streams in te spuiten.
Marktdynamiek: Het evalueren van merkresonantie in een risicovrije omgeving.

Toekomstig werk zal gericht zijn op het uitbreiden van de gedragscomplexiteit van agenten en het ondersteunen van cross-platform simulaties. De code is open source beschikbaar gesteld.