Technische Samenvatting van SCIOMIND: Cognitief Verankerde Multi-Agent Sociale Simulatie

Probleemstelling

Huidige multi-agent simulaties op basis van Large Language Models (LLM) voor het bestuderen van dynamieken van sociale opinies lijden onder twee tegenstrijdige beperkingen: ze vertrouwen ofwel op vaste, vereenvoudigde update-regels met beperkte cognitieve onderbouwing (traditionele Agent-Based Modellen), of ze delegeren geloofswijziging volledig aan onbeperkte LLM-interacties. De laatste aanpak resulteert vaak in "over-verzachting", waarbij agenten te snel convergeren naar neutrale of consensusposities, waardoor aanhoudend disagreement, begrenste polarisatie en de genuanceerde redeneerprocessen die worden waargenomen in echte menselijke debatten niet worden vastgelegd. Bovendien ontbreken in bestaande systemen doorgaans expliciete representaties van dynamieken van geloofsinvloed, mechanismen voor weerstand tegen verandering, en dynamisch evoluerende interne kenmerken die verder gaan dan statische demografische profielen.

Methodologie

De auteurs introduceren SCIOMIND, een raamwerk dat gestructureerde opiniedynamiek verbindt met LLM-gebaseerd redeneren via drie kernarchitectuurcomponenten:

1. Verankeringsgebaseerde Geloofsdynamiek

Geïnspireerd door het verankeringseffect in de cognitieve psychologie, modelleert SCIOMIND geloofsupdating als een geheugen-geankerd proces. Het geloof $b_{i,t}$ van agent $i$ op tijdstip $t$ wordt bijgewerkt via een gewogen combinatie van sociale invloed, zelfgewicht en een verankeringskracht:
$$b_{i,t+1} = (1-\rho_i) \left[ (1-\lambda_i)b_{i,t} + \lambda_i S_{i,t} \right] + \rho_i m_{i,t}$$

• Sociale Invloed ($S_{i,t}$): Omvat vertrouwens-gewogen invloed en geloofshomofilie binnen begrensd vertrouwen.
• Verankeringssterkte ($\rho_i$): Afgeleid van de Big Five persoonlijkheidstrekken van de agent (specifiek Openheid en Gewetensvolheid) via een sigmoid-mapping. Dit introduceert heterogeniteit in overtuigbaarheid; bijvoorbeeld, lage Openheid en hoge Gewetensvolheid verhogen de weerstand tegen verandering.
• Dynamische Anker ($m_{i,t}$): In tegenstelling tot statische initiële ankers, evolueert dit referentiepunt op basis van de opgebouwde ervaring van de agent in het langetermijngeheugen.

2. Cognitief Gefundeerde Geheugenarchitectuur

Het systeem implementeert een vierlaags geheugensysteem geïnspireerd op cognitiewetenschappelijke BDI-modellen:

• Episodisch Geheugen: Een vaste capaciteit schuivend venster van recente interacties (werkgeheugen).
• Semantisch Geheugen: Een onbeperkte, corpus-gebaseerde opslag geïndexeerd via FAISS. Het wordt geïnitieerd met een unieke ervaringsgeschiedenis opgehaald uit een sociaal-media-gebaseerd corpus, wat de basis vormt voor geloofsankers.
• Procedureel Geheugen: Een reeks uitvoerbare routines gedefinieerd door precondities, prioriteit en emotie-moduleringsfuncties.
• Reflectiegeheugen: Agenten genereren zelfreflecties die geloofswijzigingen en zekerheidsniveaus samenvatten na elke tick. Deze reflecties worden teruggekoppeld naar de verankeringsmodule, waardoor een gesloten lus ontstaat waarbij opgebouwde reflectie geloofsankers versterkt.

3. Dynamische Agentprofielen en Simulatie-engine

In plaats van statische demografische labels, krijgen agenten dynamische profielen toegewezen die zijn afgeleid van een ophaalproces dat is verankerd in een sociaal-media-corpus. Deze profielen omvatten narratieve identiteiten, groepsgeconditioneerde OCEAN-persoonlijkheidspriors en rationale clusters.

• Relatiemining: De engine construeert sociale netwerken op basis van latente sociale kringen (gedeelde attributen, standpunten, interesses) en kenmerkgelijkenis, en wijst vertrouwensgewichten en relatie-types toe (bijv. vriend, beïnvloeder).
• Scenario-gealigneerde Steekproefneming: Het systeem ondersteunt diverse steekproefstrategieën (gestratificeerd, quota, sneeuwbal) om simulaties te initialiseren met gebalanceerde of specifieke standpuntverdelingen.

De simulatielus integreert deze componenten met een Human-in-the-Loop kalibratiestap, waarbij domeinexperts emergente patronen (polarisatie, clustering) evalueren om parameters zoals verankeringssterkte en begrensd vertrouwen te verfijnen.

Belangrijkste Bijdragen

1. Verankeringsgebaseerde Geloofsdynamiek: Een nieuwe update-regel waarbij weerstand tegen opinieverandering dynamisch wordt gemoduleerd door persoonlijkheidsgeconditioneerde verankeringssterkte die is afgeleid van geheugen.
2. Cognitieve Geheugenarchitectuur: Een vierlaags geheugensysteem dat expliciet episodische, semantische, procedurele en reflectiemechanismen koppelt aan geloofsvorming en -persistentie.
3. Dynamische Agentprofielen: Een pijplijn die statische persona's vervangt door narratieve identiteiten opgehaald uit een corpus, gecombineerd met groepsgeconditioneerde OCEAN-priors om evoluerende, intern gefundeerde agentprofielen te genereren.
4. Evaluatiekader: Een Human-in-the-Loop-ontwerp dat simulatieparameters kalibreert tegen real-world sociale dynamiek om gedragsrealisme en interpreteerbaarheid te verbeteren.

Resultaten en Evaluatie

De auteurs hebben SCIOMIND geëvalueerd via casestudies over real-world beleidsdebatten, waaronder de omkering van Roe v. Wade, het sociale media-ban in Australië en de Amerikaanse presidentsverkiezingen.

• Gedragsrealisme: Het raamwerk verbeterde consistent de metrieken voor polarisatie, diversiteit, extremisering en trajectstabiliteit in vergelijking met baselines.
• Verankeringseffecten: In de Roe v. Wade-casus behield de simulatie aanhoudend maar begrensd disagreement (variantie: $0.3559 \pm 0.003$) en een bimodale opinie-structuur, waardoor de snelle convergentie naar consensus die wordt gezien in niet-verankerde modellen werd vermeden.
• Persoonlijkheidsafhankelijke Overtuigbaarheid: Agenten met hoge Openheid en lage verankeringssterkte veranderden 3–4 keer vaker van mening dan die met lage Openheid en sterke verankering, wat menselijke gedragspatronen nabootst.
• Ablatiestudies: Het verwijderen van het verankeringscomponent leidde tot "over-verzachting", waarbij agenten instortten in een gemeenschappelijk neutraal gebied. Het toevoegen van verankering herstelde matige extremisering en stabiele radicaliseringspatronen.
• Causale Analyse: In de simulatie van het sociale media-ban in Australië onthulde het systeem dat convergentie plaatsvond via distincte geloofsbewegingen binnen standpuntgroepen in plaats van uniforme verschuivingen, met agendasetting geconcentreerd rond specifieke issue-hubs zoals "jeugd mentale gezondheid".

Betekenis en Claims

De auteurs claimen dat SCIOMIND een nieuwe oplossing biedt voor LLM-gebaseerde sociale simulatie door principes van de cognitiewetenschap te integreren om de instabiliteit en het gebrek aan realisme in huidige aanpakken aan te pakken.

• Cognitieve Onderbouwing: Het ontwerp biedt een mechanisme waarbij geloofspersistentie voortkomt uit opgebouwde ervaring (ankers) in plaats van willekeurige inertie, wat overeenkomt met patronen die worden gerapporteerd in de politieke psychologie.
• Stabiliteit en Realisme: Het raamwerk voorkomt succesvol de "over-verzachting" van opinies, waardoor de opkomst van echo-kamers, persoonlijkheidsafhankelijke overtuigbaarheid en geheugengedreven geloofspersistentie mogelijk wordt die kwalitatief real-world fenomenen nabootsen.
• Interpreteerbaarheid: Door geloofsupdates en geheugenhervraging te structureren, biedt het systeem verklaarbare modellen voor het afleiden van populatie-resilientie tegen eerdere geloofsovertuigingen en effectieve begrensd-vertrouwensniveaus.

De auteurs benadrukken dat hoewel de simulatie belangrijke kwalitatieve patronen van real-world opiniedynamiek vastlegt, het een exploratieve reconstructie is van op issues gebaseerd redeneren en geen gevalideerde voorspelling van specifieke verkiezingsuitslagen, met name met aandacht voor beperkingen betreffende de representatie van diverse culturele en sociaaleconomische contexten in LLM-trainingdata.