Ιάπωνες ερευνητές δημιούργησαν ένα σύστημα που προσομοιώνει μια ολόκληρη πόλη, δημιουργώντας έως και 1 εκατομμύριο εικονικούς κατοίκους οι οποίοι συμπεριφέρονται σαν άνθρωποι χρησιμοποιώντας LLMs (Μεγάλα Γλωσσικά Μοντέλα).
Και προέβλεψε τον πραγματικό κόσμο με τρομακτική ακρίβεια.
Δημιούργησαν έναν αστικό προσομοιωτή με το όνομα “CitySim” ο οποίος εμπλουτίζει ένα ψηφιακό δίδυμο του Τόκιο με έως και 1 εκατομμύριο αυτόνομους πράκτορες τεχνητής νοημοσύνης (AI agents).
Κάθε κάτοικος τροφοδοτείται από ένα LLM, διαθέτοντας πλήρως:
Προσωπικές αναμνήσεις
Μακροπρόθεσμους στόχους
Ανθρώπινες επιθυμίες (πείνα, κόπωση, κοινωνική σύνδεση)
Χωρική επίγνωση και πλοήγηση
Η διαφορά του CitySim
Οι περισσότερες αστικές προσομοιώσεις βασίζονται σε άκαμπτους, χειροκίνητα σχεδιασμένους κανόνες: αν συμβεί το Α, ακολουθεί το Β.
Το CitySim είναι διαφορετικό. Είναι «βασισμένο σε αξίες» (value-driven). Οι πράκτορες έχουν αυτενέργεια. Δημιουργούν τα δικά τους προγράμματα με βάση τις προσωπικές τους συνήθειες, τις περιστασιακές τους ανάγκες και τα μεταβαλλόμενα περιβάλλοντα.
Όταν οι ερευνητές έτρεξαν την προσομοίωση στο Τόκιο, το αποτέλεσμα ήταν ανατριχιαστικά ακριβές.
Τα μοτίβα μετακίνησης τις καθημερινές, οι δραστηριότητες αναψυχής του Σαββατοκύριακου και οι αγοραστικές συνήθειες ταυτίζονταν με τα στατιστικά δεδομένα της ιαπωνικής κυβέρνησης με σχεδόν τέλεια ακρίβεια.
Προέβλεψε μάλιστα με επιτυχία την κατανομή του πλήθους στη Σιμπούγια (Shibuya) και εντόπισε ποια καταστήματα θα γίνονταν πραγματικά δημοφιλή, μήνες προτού τα δεδομένα του πραγματικού κόσμου επιβεβαιώσουν το ίδιο αποτέλεσμα.
Οι επιπτώσεις για τον αστικό σχεδιασμό είναι τεράστιες
Μπορούμε πλέον να δοκιμάζουμε με ασφάλεια και οικονομική αποδοτικότητα την ετοιμότητα για καταστροφές, τον σχεδιασμό εμπορικών χώρων και τις αναβαθμίσεις δημόσιων υποδομών, χωρίς να μετακινήσουμε ούτε έναν φυσικό άνθρωπο.
Αλλά δεν πρόκειται μόνο για τον σχεδιασμό.
Οι ερευνητές εξετάζουν ήδη την εφαρμογή ανώτερων ανθρωπίνων κινήτρων, όπως η «αυτοπραγμάτωση», σε αυτούς τους πράκτορες για να δουν πώς εξελίσσονται.
Η επιστημονική δημοσίευση αναρτήθηκε στο arXiv τον Ιούνιο του 2025 και σχεδόν κανείς εκτός της υπολογιστικής κοινωνικής επιστήμης δεν την έχει διαβάσει.



