Моделирование процессов формирования общественного мнения с использованием мультиагентной ИИ-системы: опыт использования

Актуальность исследования обусловлена стремительным укреплением искусственного интеллекта как персонального ассистента пользователей, так и инструмента аналитики и прогнозирования социальных процессов. Цель статьи – определить степень применимости мультиагентных роевых систем на примере MiroFish к конструированию процесса формирования общественного мнения. Эмпирической основой для написания работы выступила серия из 4-х авторских симуляций общественной дискуссии по различным сценариям: введение возрастного ценза на использование ИИ, закрытие завода, реакция на «треш-блогеров» и  спонтанная интернет-дискуссия. Выборки носят синтетический характер, их размер составляет от 100 до 2000 агентов (суммарно n=2400). Установлено, что система MiroFish, настроенная для работы с LLM YandexGPT, может моделировать процесс конструирования общественных дискуссий. Но возможность эта лишь частичная, поскольку она ограничена техническими особенностями работы LLM. Новизна работы состоит в эмпирической проверке социологической валидности использования таких сервисов, практическая значимость – в систематизации возможностей и ограничений применения метода как дополнительного инструмента социологического исследования.

1. Резаев А.В., Трегубова Н.Д. Искусственный интеллект и искусственная социальность: новые явления, проблемы и задачи для социальных наук. Мониторинг общественного мнения: экономические и социальные перемены. 2021;(1): 4–17. DOI: 10.14515/monitoring.2021.1.1905

2. Богданов М.Б., Смирнов И.Б. Возможности и ограничения цифровых следов и методов машинного обучения в социологии. Мониторинг общественного мнения: экономические и социальные перемены. 2021;(1):304–328. DOI: 10.14515/monitoring.2021.1.1760

3. Argyle L.P., Busby E.C., Fulda N., Gubler J.R., Rytting C., Wingate D. Out of One, Many: Using Language Models to Simulate Human Samples. Political Analysis. 2023;31(3):337– 351. DOI: 10.1017/pan.2023.2

4. Пузанова Ж.В., Кожоридзе Г.Г., Кожоридзе Д.Г. ИИ и социология: анализ технологических возможностей виртуальных респондентов. Социология: методология, методы, математическое моделирование (Социология: 4М). 2025;(60):216–246. DOI: 10.19181/4m.2025.34.1.6

5. Grossmann I., Feinberg M., Parker D.C., Christakis N.A., Tetlock P.E., Cunningham W.A. AI and the transformation of social science research. Science. 2023;380(6650):1108–1109. DOI: 10.1126/science.adi1778

6. Filippas A., Horton J.J., Manning B.S. Large Language Models as Simulated Economic Agents: What Can We Learn from Homo Silicus? EC '24: Proceedings of the 25th ACM Conference on Economics and Computation. New York: Association for Computing Machinery, 2024:614–615. DOI: 10.1145/3670865.3673513

7. Aher G.V., Arriaga R.I., Kalai A.T. Using Large Language Models to Simulate Multiple Humans and Replicate Human Subject Studies. Proceedings of the 40th International Conference on Machine Learning (ICML 2023). Honolulu, Hawaii, USA. Proceedings of Machine Learning Research (PMLR). 2023;202:337–371.

8. Park J.S., O'Brien J.C., Cai C.J., Morris M.R., Liang P., Bernstein M.S. Generative Agents: Interactive Simulacra of Human Behavior. UIST '23: Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology. San Francisco, CA, USA. New York: Association for Computing Machinery, 2023. Article No. 2. P. 1–22. DOI: 10.1145/3586183.3606763

9. Rosenberg L., Willcox G. Artificial Swarm Intelligence. Bi Y., Bhatia R., Kapoor S. (eds.) Intelligent Systems and Applications: Proceedings of the 2019 Intelligent Systems Conference (IntelliSys 2019). Advances in Intelligent Systems and Computing. London, UK. Cham: Springer, 2020;1037:1054–1070. DOI: 10.1007/978-3-030-29516-5_79

10. Hegselmann R., Krause U. Opinion Dynamics and Bounded Confidence: Models, Analysis and Simulation. Journal of Artificial Societies and Social Simulation. 2002;5(3):2.

11. Castellano C., Fortunato S., Loreto V. Statistical physics of social dynamics. Reviews of Modern Physics. 2009;81(2):591– 646. DOI: 10.1103/RevModPhys.81.591

12. Eflova M.Y., Nikolaeva E.M., Nikolaev M.S. Impact of Artificial Intelligence Emergence on Adaptive Governance Models. RISUS – Journal on Innovation and Sustainability. São Paulo. 2026;17(1):237– 243.

13. Eflova M.Y., Lipatova A.V. Social Interaction in Youth Virtual Communities: Identification of Social Cohesion Factors by AI Algorithms. Studies in Computational Intelligence. Cham: Springer. 2026;1249:41– 49. DOI: 10.1007/978-3-032-13565-0_5