Calibrando una ciudad virtual: cómo los científicos ajustan a los habitantes digitales ✛

Original: "Calibrating the Instrument: Controllability of an LLM-Driven Synthetic Population"
· Mirko Degli Esposti
arXiv:2607.00910 · 2026-07-01 · CC BY 4.0 · 2 min
Al crear 120 personajes con niveles de confianza conocidos, los investigadores comprobaron si se puede confiar en los modelos informáticos de comunidades urbanas.

Todo instrumento de precisión se calibra primero: se le envía una señal de intensidad conocida y se observa la respuesta. Lo mismo hicieron con la ciudad digital de Montelago. Los investigadores crearon 120 personajes virtuales. A cada uno le asignaron un carácter: confianza oculta en las autoridades municipales, evaluación de la fiabilidad de las noticias y percepción de la adecuación de la información. Estas cifras solo las conocían los creadores.

Luego, un modelo de lenguaje (un programa que genera texto, como un autocompletado muy inteligente), construido sobre esquemas de aprendizaje con una arquitectura especial y capacidad de resaltar lo principal, y entrenado con multitud de textos, comenzó a generar reacciones de los personajes ante las noticias. No se le comunicaron las cifras ocultas: solo veía las biografías. Las noticias eran variadas: desde la reparación de una tubería hasta accidentes y agua turbia. Se añadió un mensaje de control sobre un festival urbano, inofensivo como un placebo. Todo este experimento numérico se repitió varias veces, cambiando la temperatura de generación, un ajuste que añade aleatoriedad a las respuestas (cuanto más alta, más distintas podían ser las respuestas a una misma pregunta).

El personaje Roberto Verdi, un técnico informático desconfiado, al recibir una mala noticia sobre el agua, en un solo día revisó archivos, encontró errores en el presupuesto y reunió a los vecinos; en la vida real, eso habría llevado una semana.

Siete comprobaciones mostraron que la confianza oculta y las respuestas coinciden casi a la perfección (coeficiente 0,9). Sin noticias, las evaluaciones no cambiaban. El ruido del instrumento (la dispersión al repetir preguntas) era mínimo, como el temblor de la aguja de una balanza dentro de una división. Pero una noticia que debía mejorar ligeramente el ánimo, inesperadamente lo empeoró. No fue un fallo del modelo, sino un defecto del propio mensaje: el texto subrayaba involuntariamente los problemas. Tras corregirlo, todo volvió a su sitio. Así, la calibración no mejoró el modelo, sino lo que le decimos.

Este enfoque convierte a los habitantes digitales de un juguete en una verdadera herramienta de medición. Ahora, al preparar anuncios importantes —por ejemplo, sobre suelos contaminados o planes de reparación de carreteras—, la administración podrá comprobar primero la reacción en la ciudad virtual, como los científicos verifican sus instrumentos. Montelago está calibrada y lista para mediciones reales.

El personaje Roberto Verdi, un técnico informático desconfiado, al recibir una mala noticia sobre el agua, en un solo día revisó archivos, encontró errores en el presupuesto y reunió a los vecinos; en la vida real, eso habría llevado una semana.

Conceptos
datos sintéticos aprendizaje colectivo emergente intervalo de confianza datos simulados modelo generativo tamaño de muestra calibración procesamiento de señales Redes Generativas Antagónicas sondeo prueba de hipótesis tasa de falsa alarma reconocimiento del habla imágenes sintéticas procesamiento del lenguaje natural comportamiento colectivo