🤖 AI

Think-Before-Speak: From Internal Evaluation to Public Expression in Multi-Agent Social Simulation

Dit artikel introduceert TBS (Think-Before-Speak), een nieuw multi-agent simulatieframework dat expliciet de overgang van interne cognitieve evaluaties naar publieke uitingen modelleert, waardoor de analyse mogelijk wordt van hoe factoren zoals dissonantie, waargenomen isolatie en regels voor beurttoewijzing de collectieve opiniedynamiek in sociale interacties vormgeven.

Oorspronkelijke auteurs: Kaiqi Yang, Tai-Quan Peng, Sanguk Lee, Hui Liu

Gepubliceerd 2026-06-03

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Kaiqi Yang, Tai-Quan Peng, Sanguk Lee, Hui Liu

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

Het Grote Idee: Het "Stille Huisgenoot"-probleem

Stel je voor dat je op een bewonersavond bent over klimaatverandering. In de meeste computersimulaties van dit soort bijeenkomsten gedraagt de computer zich als een strenge leraar: hij wijst Persoon A aan en zegt: "Spreek nu", Persoon A praat, en dan wijst hij Persoon B aan, enzovoort.

Het probleem met deze aanpak is dat het negeert wat er in de stilte gebeurt. In het echte leven zit Persoon B niet zomaar niets te doen terwijl hij wacht op zijn beurt. Hij luistert, voelt zich nerveus, wordt boos over wat Persoon A zei, of besluit: "Eigenlijk durf ik nu even niet te praten."

De auteurs van dit paper stellen dat huidige AI-simulaties dit "innerlijke leven" missen. Ze hebben een nieuw systeem ontwikkeld genaamd TBS (Think-Before-Speak) om dit op te lossen.

De Oplossing: Een "Denkinterval"

Zie TBS niet als een rij mensen die wachten om te spreken, maar als een continue stroom van tijd die is opgedeeld in kleine stukjes genaamd "intervallen".

In elk enkel tijdsinterval:

Iedereen denkt na: Elke agent (AI-personage) luistert naar het gesprek en werkt zijn interne gedachten, gevoelens en strategieën bij.
Slechts één persoon spreekt: Hoewel iedereen nadenkt, laat het systeem slechts één persoon tegelijk hardop iets zeggen.

Hoe het werkt: Het "Interne Dashboard"

Om het "denken" zichtbaar te maken, gaven de onderzoekers elke AI-agent een privé Interne Dashboard. Dit dashboard houdt zaken bij die normaal gesproken in een menselijk hoofd gebeuren maar onzichtbaar zijn voor anderen:

De "Dissonantiemeter": Als iemand iets zegt dat niet overeenkomt met de overtuiging van de agent, gaat deze meter omhoog. Het meet hoeveel mentale spanning de agent voelt (zoals wanneer je een feit hoort dat je overtuiging tegenspreekt).
De "Stilte-drukmeter": Deze meet hoe riskant het voelt om te spreken. Als de kamer vijandig aanvoelt, gaat deze meter omhoog. Dit is gebaseerd op de "Spiraal van Stilte"-theorie — het idee dat mensen zwijgen als ze denken dat hun mening onpopulair is.
De "Bereidheid om te Spreken"-knop: Op basis van de bovenstaande meters beslist de agent: "Wil ik erin springen?"

De "Verkeersregelaar" (De Orchestrator)

Omdat iedereen nadenkt en misschien tegelijkertijd wil spreken, heeft het systeem een Verkeersregelaar nodig (een Orchestrator).

Het Conflict: Stel je voor dat drie agenten op exact hetzelfde moment hun hand opsteken omdat ze allemaal een sterke drang voelen om te spreken.
De Oplossing: De Verkeersregelaar kijkt naar hun "denksnelheid" (hoe lang het hen kostte om te beslissen). Degene die het snelst besloot, mag spreken. De anderen blijven voor dat moment stil, maar zij blijven wel nadenken en werken hun dashboards bij voor het volgende moment.

Het Experiment: Een Bewonersavond over Zonne-energie

De onderzoekers testten dit door een bewonersavond te simuleren over een "Zonnepaneel-verplichting". Ze gebruikten verschillende soorten AI-personages (sommigen erg bezorgd over het klimaat, anderen sceptisch) en testten verschillende regels:

Willing Mode (Bereidheidsmodus): Agenten kunnen alleen spreken als ze dat zelf kiezen (wat de aarzeling in het echte leven simuleert).
Turn-Taking Mode (Beurtelings Modus): Agenten worden gedwongen om in een strikte volgorde te spreken (zoals de oude methode).
Geheugenregels: Onthouden agenten alles, of vergeten ze het begin van het gesprek naarmate het vordert?

Wat ze vonden

De resultaten toonden aan dat TBS een veel realistischer beeld geeft van menselijk gedrag:

Denken doet ertoe: Wanneer agenten de keuze kregen om te bepalen wanneer ze spraken (Willing Mode), gingen hun interne "Dissonantiemeters" hoger. Ze voelden meer spanning omdat ze actief moesten beslissen om de strijd aan te gaan, in plaats van simpelweg te worden verteld dat ze moesten spreken.
Angst remt de spraak: Wanneer de "Stilte-drukmeter" hoog was (de agent voelde dat de kamer tegen hem was), waren ze veel minder geneigd om te spreken, zelfs als ze iets te zeggen hadden.
Twee verschillende stadia: De studie vond een duidelijk tweestaps-proces:
- Stap 1 (Intern): Je gevoelens (woede of angst) bepalen of je wilt spreken.
- Stap 2 (Extern): De regels van de bijeenkomst (wie de microfoon krijgt) bepalen of je daadwerkelijk spreekt.
- Analogie: Je kunt intern schreeuwen (hoge dissonantie), maar als de Verkeersregelaar jou niet kiest, blijf je stil.

Waarom dit belangrijk is

Het paper beweert dat TBS een beter hulpmiddel is voor sociale wetenschappers omdat het het onzichtbare zichtbaar maakt. In plaats van alleen de uiteindelijke woorden te zien die gesproken zijn, kunnen onderzoekers nu het "pad" zien van hoe een agent van het horen van een opmerking, naar het voelen van spanning, naar het ervaren van angst, en uiteindelijk naar het besluit om te spreken (of stil te blijven) ging.

Het verandert een simpel "chatlog" in een gedetailleerde film van het innerlijke leven van de personages, waarbij wordt aangetoond dat stilte niet leeg is; het is vol van berekening en emotie.

Technische Samenvatting: Think-Before-Speak (TBS)

Probleemstelling

Bestaande multi-agent dialoogframeworks gebaseerd op Large Language Models (LLM's) modelleren sociale interactie primair als een sequentie van observeerbare beurtuitwisselingen of geaggregeerde outputs. Hoewel deze effectief zijn voor het genereren van publieke transcripten, falen ze in het vastleggen van de interne evaluatieprocessen die tussen de beurten door plaatsvinden. In de echte wereld van publieke deliberatie (bijv. town halls) impliceert stilte geen cognitieve inactiviteit; deelnemers interpreteren voortdurend opmerkingen, beoordelen het opinieklimaat, ervaren psychologische druk en beslissen of spreken gerechtvaardigd is. Huidige paradigma's — specifiek hiërarchische aggregatie (waarbij agenten parallel redeneren maar evenistische bijdragen binnen dezelfde ronde negeren) en sequentiële beurtname (waarbij agenten alleen redeneren wanneer hun beurt aanbreekt) — behandelen publieke uitingen als directe producten van het simulatieprotocol in plaats van uitkomsten van evoluerende interne staten. Deze beperking vertroebelt het pad van interne evaluatie naar spreekintentie en publieke expressie, wat het moeilijk maakt om mechanismen zoals cognitieve dissonantie, de zwijgspiraal (spiral of silence) en zelfcensuur te bestuderen.

Methodologie: Het TBS-framework

De auteurs stellen Think-Before-Speak (TBS) voor, een discrete-tijd, interval-gebaseerd multi-agent simulatieframework ontworpen om privéreasoning te scheiden van publieke uitinggeneratie.

Kernarchitectuur

Interval-gebaseerde Interactie: Tijd wordt geabstraheerd in fijnmazige intervallen ( $v$ ). In tegen tegenstelling tot sequentiële modellen waarbij slechts één agent per ronde handelt, staat TBS toe dat alle agenten continu redeneren bij elk interval op basis van gedeelde dialooggeschiedenis en hun eigen geheugen.
Dual-Module Agent Ontwerp:
- Interne Reasoning Module: Update gestructureerde interne staten ( $s$ $s$ ) bij elk interval. Deze staten bevatten:
  - Dissonantie-gerelateerde appraisals: Waargenomen inconsistentie, dissonantiespanning en motivatie om spanning te verminderen.
  - Silence-pressure appraisal: Waargenomen opinieklimaat en waargenomen isolatierisico.
  - Responsstrategie: Selectie uit een pool (verdedigen, nuanceren, convergeren, uitdagen, overbruggen, onthouden).
  - Tijdskosten: Een geschatte latentie voor redeneren, gebruikt om conflicten op te lossen.
- Speaking Module: Genereert de feitelijke uiting ( $u$ ) alleen wanneer de agent is geselecteerd om te spreken.
Orchestrator & Conflictresolutie:
- De orchestrator beheert de pipeline. Bij elk interval dienen alle agenten spreekintenties in, vergezeld van hun geschatte time_cost.
- Als meerdere agenten de intentie hebben om te spreken, selecteert de orchestrator de agent met de kleinste tijdskosten (snelste redenering) als de spreker voor dat interval.
- Niet-sprekende agenten updaten hun interne staten maar genereren geen publieke tekst, wat de token-overhead vermindert.
Geheugenbeheer: Agenten maken gebruik van een drieledig geheugenschema (Groep, Monoloog, Zelf) met dynamische ophaalmechanismen:
- Latest: Houdt alleen de meest recente $n$ rondes vast.
- Sampling: Samplet willekeurig uit de geschiedenis met een long-tail distributie die recente gebeurtenissen bevoordeelt.
- Summary: Comprimeert iteratief dialoog en interne staten tot samenvattingen, waarbij de accumulatie en het verlies van detail wordt gemodelleerd.

Experimentele Opzet

Het framework werd geëvalueerd met behulp van town hall discussies over een klimaatbeleidsthema ("solar photovoltaic mandate").

Agenten: Maakte gebruik van persona's uit de "Six Americas" (zes onderscheidende klimaathoudingen) en "Balanced Stakeholders" (ondersteunende versus tegenstander paren) taxonomieën.
Backbone Modellen: Gemini-2.5-Flash-Lite en Gemini-2.5-Flash.
Variabelen:
- Beurtallocatie: Willing Mode (agenten selecteren zichzelf om te spreken op basis van interne staat) versus Rotation Mode (vaste sequentiële volgorde).
- Silence Constraints: Force Speak (orchestrator dwingt een spreker af als niemand zich vrijwillig meldt) versus No Force Speak (stilte is een geldige uitkomst).
- Memory Modes: Latest, Random, en Summary.

Belangrijkste Bijdragen

Discrete-Tijd Simulatieprotocol: Een nieuw protocol dat continue-tijd redenering overbrugt met discrete communicatie door middel van interval-gebaseerde interactie en conflictresolutie.
Unified Parallel-Competitive Protocol: Integratie van parallel redeneren (alle agenten denken bij elke stap) met competitieve beurtname (slechts één spreekt), wat zowel realisme als efficiëntie verbetert.
Gestructureerde Interpreteerbaarheid: Een framework dat de cognitie van agenten (interne staten) en interactiedynamiek expliciet bijhoudt, wat fijnmazige analyse van sociaal gedrag en besluitvormingsprocessen mogelijk maakt.
Empirische Validatie: Voorlopige experimenten die aantonen dat het framework in staat is om coherente interne-state traces te genereren die systematisch variëren over verschillende simulatiecondities.

Resultaten

De studie analyseerde gestructureerde procesindicatoren (dissonantie-index, silence-pressure index, bereidheid om te spreken en publieke expressie) met behulp van lineaire mixed-effects modellen.

Interne Staat Coherentie: Het framework produceerde intern consistente proces-traces. De dissonantie-index ( $\alpha = .89$ ) en de silence-pressure index ( $\alpha = .92$ ) vertoonden een sterke betrouwbaarheid.
Impact van Condities op Interne Staten:
- Dissonantie: Nam matig toe over de tijd. Het was significant hoger in de Willing Mode en Force Speak condities vergeleken met de Rotation/No-Force settings. De "Six Americas" persona-ecologie vertoonde een lagere gemiddelde dissonantie dan de Balanced Stakeholders.
- Silence Pressure: Toonde geen significante lineaire trend over de tijd, maar was significant hoger in de Willing Mode, Force Speak en Summary Memory condities. Summary memory verhoogde zowel het gemiddelde niveau als de groeisnelheid van de silence pressure.
Van Evaluatie naar Expressie (RQ2):
- Interne Evaluatie voorspelt Bereidheid: Hogere dissonantie verhoogde significant de waarschijnlijkheid van de wens om te spreken (odds ratio $\approx 4.34$ per 0.1 eenheid toename), terwijl hogere silence pressure de waarschijnlijkheid significant verlaagde (odds ratio $\approx 0.24$ ).
- Rol van Beurtallocatie: In de Willing Mode was de sterkte van de relatie tussen interne staten en spreekintentie zwakker dan in Rotation mode, wat suggereert dat zelfgeselecteerde participatie de drempel voor actie verhoogt, hoewel de directionele effecten intact bleven.
- Van Intentie naar Publieke Expressie: Zodra een agent een spreekintentie vormde, hadden interne evaluaties slechts een marginaal effect op het daadwerkelijk krijgen van het woord. In plaats daarvan waren beurtallocatie-regels de primaire voorspeller van gerealiseerde expressie. In de Willing Mode waren agenten die wilden spreken ~3.34 keer waarschijnlijker om geselecteerd te worden dan in de Rotation mode.

Betekenis en Claims

Het artikel claimt dat TBS mechanisme-gevoelige sociale simulatie ondersteunt door het pad van interne evaluatie naar publieke expressie observeerbaar en analyseerbaar te maken.

Theoretische Afstemming: De resultaten valideren dat TBS er succesvol in slaagt om communicatietheorieën te operationaliseren, specifiek door onderscheid te maken tussen dissonantie-gerelateerde appraisals (een expressieve motivator) en silence-pressure appraisals (een expressieve beperking).
Proces versus Output: Het framework demonstreert dat publieke uitingen geen directe producten zijn van het simulatieprotocol, maar voortkomen uit een tweestaps-proces: (1) interne evaluaties die de bereidheid om te spreken vormen, en (2) externe regels (beurtallocatie) die de toegang tot het publieke forum bepalen.
Beperkingen en Toekomstig Werk: De auteurs erkennen dat dit werk preliminair is. Beperkingen omvatten heuristisch geheugenbeheer (niet geworteld in psychologische geheugentheorieën), het gebrek aan inhoudelijke retrieval (bijv. RAG), en een beperkte experimentele schaal wat betreft onderwerpen en aantal agenten. Toekomstig werk beoogt deze schalen uit te breiden en geheugenmechanismen te verfijnen om de balans tussen temporele decay en inhoudelijke reactivatie te verbeteren.

Het artikel concludeert dat TBS een realistisch, interpreteerbaar en experimenteel controleerbaar testbed biedt voor het bestuderen van latente communicatieve processen die moeilijk direct waarneembaar zijn in menselijke interacties.