SimulAgen s: Una He amien a In ui i a pa a
Modela y Explo a Fenómenos Sociales
Complejos
SimulAgen s: An In ui i e Tool o Model and
Explo e Complex Social Phenomena
T abajo de Fin de G ado
Cu so 2023–2024
Au o es
Albe o Ramos Suá ez
Ke in Ósca A ce Ve a
Di ec o es
Gonzalo Méndez Pozo
Pablo Ge ás Gómez-Na a o
G ado en Ingenie ía del So wa e
G ado en Ingenie ía In o má ica
Facul ad de In o má ica
Uni e sidad Complu ense de Mad id
SimulAgen s: Una He amien a In ui i a
pa a Modela y Explo a Fenómenos
Sociales Complejos
SimulAgen s: An In ui i e Tool o Model
and Explo e Complex Social Phenomena
T abajo de Fin de G ado en Ingenie ía del So wa e e
Ingenie ía In o má ica
Au o es
Albe o Ramos Suá ez
Ke in Ósca A ce Ve a
Di ec o es
Gonzalo Méndez Pozo
Pablo Ge ás Gómez-Na a o
Con oca o ia: Junio 2024
G ado en Ingenie ía del So wa e
G ado en Ingenie ía In o má ica
Facul ad de In o má ica
Uni e sidad Complu ense de Mad id
27 de mayo de 2024
Ag adecimien os
A Na alia po odo el apoyo y paciencia, a Dai po aguan a el os ón que he
dado es os meses.
A oda mi amilia, especialmen e a mis pad es y mis he manos, po las opo u-
nidades que me han dado y po odo lo que he ap endido de ellos. A Ni a, po se
mi luga segu o y mi sopo e du an e es e úl imo año.

Resumen
SimulAgen s: Una He amien a In ui i a pa a Mo-
dela y Explo a Fenómenos Sociales Complejos
En la ac ualidad, es án su giendo mul i ud de aplicaciones que usan ecnologías
apoyadas po g andes modelos de lenguaje que acili an la ida a p o esionales de
odos los sec o es. Es os modelos ienen un ca ác e gene al, po lo que pe mi en
a los usua ios especializa se y pa icula iza en cie os casos, pa a gene a sis emas
especí icos pa a un sec o .
Na egando po In e ne , nos encon amos con el es udio de Gene a i e Agen s(Pa k
e al., 2023), el cual llamó nues a a ención desde que lo leímos po p ime a ez.
Es e es udio desa olló la ejecución de expe imen os y simulaciones mul i-agen e
de In eligencia A i icial, y su obje i o inal e a es udia la eme gencia de enómenos
y elaciones sociales en e los agen es. En él se concluyó que e ec i amen e los agen es
e an capaces de e ene ecue dos, in e ac ua con o os agen es, gene a nue as
memo ias y planea sus p óximas acciones.
Al e es o, decidimos aden a nos en es e a ículo, y descub imos que había as-
cinado a oda la comunidad in es igado a de In eligencia A i icial, ya que apo aba
un alo no edoso y demos aba que es as simulaciones e an cohe en es. Po lo que
a ios de es os g upos de in es igado es que se aden a on a ealiza ex ensiones
al p og ama o iginal, en ocando las simulaciones pa a que hagan o o ipo de ac-
ciones (p og ama ideojuegos au ónomamen e, asignando oles a cada agen e, po
ejemplo).
Viendo es as ex ensiones al código o iginal, nos p egun amos si pod íamos hace
algo simila noso os, y hace lo como TFG. T as aden a nos en el código e in es-
iga el uncionamien o comple o de la aplicación, u imos cla o el caso de uso que
quisimos en oca : la democ a ización de es a he amien a y pe mi i que pe iles
como psicólogos puedan usa la ácilmen e.
ii
Lo imos cla o po que a los pe iles a los que más les puede in e esa una apli-
cación como es a es a psicólogos y p o esionales que es udian las elaciones sociales.
Sin emba go, al y como es aba inicialmen e diseñado el p oyec o, e a bas an e com-
plicado que un pe il no ecnológico, supiese cómo usa es a aplicación. Po lo que
eniendo cla a nues a mo i ación y obje i o p incipal, nos pusimos manos a la ob a.
El código desa ollado du an e la ealización de es e abajo se encuen a disponi-
ble en h ps://gi hub.com/NILG oup/TFG-2324-Simulado -MAS-LLM
Palab as cla e
Modelos de lenguaje g andes, compo amien os eme gen es, in e acción, in e az,
democ a ización de la ecnología, agen es in eligen es
Abs ac
SimulAgen s: An In ui i e Tool o Model and Ex-
plo e Complex Social Phenomena
In ecen yea s, nume ous applica ions ha e eme ged ha u ilize echnologies
powe ed by la ge language models, easing he li es o p o essionals ac oss a ious
sec o s. These models possess a gene al na u e, enabling use s o specialize and
ailo hem o speci ic cases, gene a ing sys ems ailo ed o a pa icula indus y.
While na iga ing he in e ne , we encoun e ed he s udy o Gene a i e Agen s(Pa k
e al., 2023), which cap u ed ou a en ion om he momen we i s ead i .
This s udy de eloped he execu ion o mul i-agen A i icial In elligence expe i-
men s and simula ions, wi h i s ul ima e goal being o in es iga e he eme gence o
social phenomena and ela ionships be ween agen s. I concluded ha agen s we e
indeed capable o e aining memo ies, in e ac ing wi h o he agen s, gene a ing new
memo ies, and planning hei nex ac ions.
Upon eading his, we decided o del e deepe in o his a icle, and we disco -
e ed ha i had cap i a ed he en i e A i icial In elligence esea ch communi y, as
i in oduced a no el alue and demons a ed ha hese simula ions we e cohe en .
Consequen ly, se e al o hese esea ch g oups emba ked on ex ending he o iginal
p og am, ocusing he simula ions on pe o ming o he ypes o ac ions (p og am-
ming ideo games au onomously, assigning oles o each agen , o example).
Obse ing hese ex ensions o he o iginal code, we wonde ed i we could do
some hing simila ou sel es, and de elop i as a TFG. A e del ing in o he code
and in es iga ing he comple e unc ionali y o he applica ion, we had a clea un-
de s anding o he use case we wan ed o ocus on: democ a izing his ool and
enabling p o iles such as psychologis s o use i easily.
This became e iden because he p o iles mos likely o be in e es ed in such an
applica ion a e psychologis s and p o essionals who s udy social ela ionships. How-
ix

Índice de igu as
2.1. Es uc u a de una neu ona de una RNN . . . . . . . . . . . . . . . . 25
2.2. Es uc u a de una celda LSTM . . . . . . . . . . . . . . . . . . . . . 26
2.3. Es uc u a de una a qui ec u a seq2seq . . . . . . . . . . . . . . . . . 27
2.4. A qui ec u a T ans o me (Imagen omada de Vaswani e al. (2017)) 29
2.5. Visualización del mecanismo Posi ional Encoding ........... 30
2.6. Ilus ación del mecanismo de Sel -A en ion. Tomada de Vaswani e
al.(2017) ................................. 31
2.7. Ilus ación de múl iples capas en la ase de a ención. Tomada de
Vaswanie al.(2017)........................... 31
2.8. Tomada de Ma e al. (2024) . . . . . . . . . . . . . . . . . . . . . . . 34
2.9. A qui ec u a del es udio Gene a i e Agen s(Pa k e al., 2023) . . . . 36
2.10. Di e encia de endimien o de Gene a i e Agen s con di e en es a qui-
ec u as (Pa k e al., 2023) . . . . . . . . . . . . . . . . . . . . . . . . 37
2.11. Resumen de ex os (adap ada de Adhika i e al. (2020)) . . . . . . . . 44
2.12. C onología de las mayo es edes sociales has a 2006 (boyd y Ellison,
2007).................................... 51
3.1. Diseño del sis ema o iginal . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2. Diseño del sis ema inal as las adap aciones . . . . . . . . . . . . . . 76
4.1. Diag ama del es ado de los comandos ac ualmen e . . . . . . . . . . . 80
5.1. Pasos pa a diseño cen ado en el usua io según Google . . . . . . . . 89
x ii
5.2. Ba a de na egación en el o ma o Desk op . . . . . . . . . . . . . . . 89
5.3. Ba a de na egación en el o ma o pa a disposi i os mó iles . . . . . 89
5.4. Ba a de na egación en el o ma o pa a disposi i os mó iles, con la
ba a de na egación desplegada . . . . . . . . . . . . . . . . . . . . . 90
5.5. Ve sión de esc i o io de la is a pa a c ea una nue a simulación . . . 91
5.6. Ve sión de mó il de la is a pa a c ea una nue a simulación . . . . . 92
5.7. Vis a de isualiza simulaciones en o ma o esc i o io . . . . . . . . . 93
5.8. Vis a de con inua simulaciones en o ma o ec i o io . . . . . . . . . . 95
5.9. Vis a de la guía de usua io en e sión esc i o io . . . . . . . . . . . . 96
5.10. Vis a de landing ac ualizada . . . . . . . . . . . . . . . . . . . . . . . 97
5.11. Vis a de isualización de una simulación . . . . . . . . . . . . . . . . 98
5.12. Vis a de ejecución de una simulación . . . . . . . . . . . . . . . . . . 99
5.13. Tex o indica i o de que la simulación es á ejecu ando en segundo plano100
5.14.Modaldesusu o.............................102
5.15. Modal de cha con espues as simuladas . . . . . . . . . . . . . . . . 102
Índice de ablas
3.1. Tiempo de ejecución en segundos. Se incluyen da os de la API de
GPT-3.5.................................. 65
3.2. Dis in as medidas de los modelos. La medida Pe plexi y es ideal cuan-
do ale 1. A al a de da os pa a Llama 2 7B 32FP incluimos los del
modeloen16FP ............................. 65
4.1. Di e encias en e c ea simulación an es y después . . . . . . . . . . . 81
4.2. Di e encias en e ejecu a simulación an es y después . . . . . . . . . 81
4.3. Di e encias en e susu a a un agen e an es y después . . . . . . . . . 82
4.4. Di e encias en e gua da simulación an es y después . . . . . . . . . 82
4.5. Di e encias en e sali sin gua da simulación an es y después . . . . . 82
4.6. Di e encias en e e una demo de simulación an es y después . . . . 83
xix
Cap´
ı ulo 1
In oducción
“La c ea i idad es únicamen e uni concep os”
— S e e Jobs
Las elaciones sociales han sido ema de es udio en múl iples ocasiones a lo la go
del iempo. El compo amien o de los se es humanos es cie amen e complejo y, en
muchos casos, imp edecible. Po ello, su ge la necesidad de a a de comp ende
la base de es as elaciones e in en a p edeci los compo amien os median e las
simulaciones.
En los úl imos años, y especialmen e en el úl imo, hemos is o un desa ollo
ulgu an e de la In eligencia A i icial gene a i a. Uno de los casos de uso más in-
e esan es de es as ecnologías son los Modelos G andes de Lenguaje (La ge Lan-
guage Models), de p opósi o gene al, los cuales nos pe mi en in e ac ua median e
el lenguaje na u al di ec amen e con es os sis emas de IA gene a i a.
Al desa olla es os Modelos del Lenguaje, si se iene una se ie de ejemplos
lo su icien emen e g ande, el p og ama pod á gene a si uaciones comple amen e
únicas y o iginales, imi ando ejemplos ya conocidos pe o sin eu iliza los de mane a
li e al.
En es e momen o en a en juego el compo amien o humano. Si enemos unos
modelos muy g andes, capaces de obedece a esquemas de en ada y c ea si uaciones
únicas, ¿pod íamos simula elaciones sociales humanas e osímiles usando es as
ecnologías?
Es e expe imen o ue lle ado a cabo en el es udio de Pa k e al. (2023), en
el cual nos hemos basado al ealiza nues o T abajo de Fin de G ado. En es e
expe imen o log an c ea agen es independien es los cuales in e ac úan en e ellos,
ienen ecue dos de e en os ocu idos y son capaces de desa olla elaciones sociales
en e sí.
1

2Capí ulo 1. In oducción
1.1. Mo i ación
La mo i ación inicial de es e abajo e a pode c ea his o ias a pa i de simula-
ciones con agen es de In eligencia A i icial. Sin emba go, al encon a el es udio de
Gene a i e Agen s(Pa k e al., 2023), decidimos cambia el obje i o y cen a nos en
cómo gen e de pe iles no ecnológicos, especialmen e psicólogos, pueden es udia las
elaciones sociales en e humanos, pa iendo de una simulación que ya uncionaba y
log aba que los pe sonajes u iesen ecue dos e in e accionasen de mane a e osímil.
Po an o, a pa i de ese momen o, nues o p incipal obje i o se con i ió en
c ea una aplicación en la cual psicólogos u o o ipo de usua ios puedan es udia
elaciones sociales, indicando di e en es si uaciones y acili ando los cambios en e
simulaciones pa a es udia las di e encias de compo amien o.
Con un sis ema como el ci ado, disponemos de lo necesa io pa a c ea un en o no
en el que in e engan a ios agen es e in e ac úen en e sí. Una implemen ación de
es a idea es la que enemos en el eposi o io gene a i e_agen s1c eado po los
au o es del pape mencionado an e io men e.
Dispone de una ecnología capaz de simula el compo amien o humano en
con ex os sociales nos c ea la necesidad de expe imen a con es as capacidades en
dis in as si uaciones. Es a necesidad se e e lejada en o o es udio, el cual pone
a p ueba y expande el mismo abajo o iginal, de Pa k e al. (2023), pe o en es a
ocasión midiendo la capacidad de un g upo de agen es pa a gene a so wa e (Qian
e al., 2023). En es e es udio se comp ueba que es os mismos agen es son capaces
de asocia se, o ma equipos y gene a ideojuegos uncionales con código eal.
Se e así el po encial de es a ecnología y el in e és de la gen e po de ini sus lími-
es, aplicaciones o simplemen e expe imen a . Sin emba go odas es as mo i aciones
se en muy limi adas a la ho a de pone en uncionamien o es e abajo en nue os
escena ios debido a la complejidad de la ejecución de la aplicación, la cual es di ícil
de usa pa a pe iles ajenos al mundo de la p og amación, y muy di ícilmen e ex en-
sible debido a la si uación inicial del código (pe sonajes y mapas p eseleccionados y
no in e cambiables, igidez a la ho a de ejecu a simulaciones, al a de modi icación
del con ex o de la aplicación...).
Es po ello que p oponemos en es e T abajo de Fin de G ado acili a el acceso
e in e acción con la ecnología que p opo cionan en Gene a i e Agen s, además de
o ece nue as uncionalidades con las que explo a e in e ac ua con la simulación
en iempo eal.
1h ps://gi hub.com/joonspk- esea ch/gene a i e_agen s
1.2. Obje i os 3
1.2. Obje i os
Pa a log a el obje i o p incipal del TFG mencionado an e io men e, que es
acili a el acceso e in e acción y ex ende uncionalidades del es udio de Gene a i e
Agen s, hemos decidido es uc u a lo en los siguien es pun os:
C eación de simulaciones con igu ando agen es y/o el escena io. Ya que ac-
ualmen e solamen e exis e un mapa p ede e minado y una se ie de agen es
p ede inidos. La inalidad es pe mi i una mayo in e ac i idad con el en o no,
añadiendo mapas y pudiendo pe sonaliza a los agen es.
Pe mi i la in e acción con el es ado de los agen es du an e la simulación. En
cualquie momen o, el usua io pod á in e ac ua con los agen es, cha eando en
iempo eal con ellos o ’susu ándoles’las p óximas acciones que deben oma .
Visión de la simulación, a a és de un pe sonaje o de una o ma gene al y
sin e izada. También pe mi i a los usua ios, una ez inalizada una simulación,
pode hace un esumen de oda la simulación como conjun o o hace lo desde
el pun o de is a de uno de los agen es.
Ges ión de las simulaciones, pe mi iendo el gua dado de es as y la c eación en
base a an e io es. Es o pe mi i á pode e simulaciones epe idas o ex ende -
las.
In eg ación de odo lo an e io en una in e az web nue a y c eada comple a-
men e desde ce o, comunicándose con el back en iempo eal y sin necesidad
de usa una e minal pa a comunica nos.
In eg ación con el modelo de lenguaje y la API de OpenAI ac ualizada, ya que
las llamadas o iginales usaban una API an e io que no uncionaba co ec a-
men e.
1.3. Plan de abajo
Con el in de cumpli los obje i os plan eados en la sección an e io , se ha ijado
una plani icación di idida en las siguien es e apas:
E apa de in es igación y de inición de obje i os. En es a p ime a pa -
e del desa ollo, nos cen a emos en in es iga a ículos cien í icos y lib os
que a en sob e emas simila es a la in e acción de agen es de IA, así como
de iniendo los obje i os básicos, en qué sen ido amos a ex ende el abajo
desc i o en el a ículo o iginal de Gene a i e Agen sy comenza a edac a
esbozos iniciales de la in oducción y es ado de la cues ión de la memo ia.
4Capí ulo 1. In oducción
T as conclui con las in es igaciones iniciales y la adap ación al ema, comen-
za emos la ase del desa ollo del p oyec o, ealizando así los diseños de las
dis in as in e aces, el desa ollo de las mismas y la p oducción de los capí ulos
p incipales de la memo ia.
Finalmen e, llega emos a la ase de inalización y e isión del desa ollo,
en la cual inaliza emos odos los de alles y obje i os adicionales que que amos
inclui en el p oyec o, una ez inalizados los obje i os p opues os. En es a e a-
pa ambién añadi emos el esumen, esul ados, conclusiones y abajo u u o,
así como ambién e isa emos el esul ado inal de la memo ia y el abajo en
su o alidad.
1.4. Es uc u a del documen o
El p esen e documen o es á o mado po sie e capí ulos, incluyendo es e capí ulo
in oduc o io como el p ime o de ellos con el in de conoce la mo i ación que lle a
al desa ollo del p oyec o y los obje i os de es e. Además, hay un úl imo capí ulo
en el que cada uno de los es udian es explicamos el abajo que hemos ealizado
indi idualmen e. A con inuación, se p esen an el es o de capí ulos que componen
la memo ia:
Capí ulo 2: En el Es ado de la Cues ión se a an emas que apo an un
con ex o impo an e al p esen e abajo. Po una pa e se abo dan emas éc-
nicos, como los agen es in eligen es, las simulaciones y los modelos de lenguaje,
po o o lado, la unión en e la ecnología y el compo amien o humano, con el
p ocesamien o del lenguaje na u al y la compu ación cen ada en el humano, y
inalmen e, se a an emas elacionados pu amen e con las elaciones sociales
y la democ a ización de sis emas in o má icos.
Capí ulo 3: En es e capí ulo se abo dan las di e encias en e las unciona-
lidades que ya exis ían en el sis ema que empleamos, las que exis ían pe o
las ampliamos, y las nue as que c eamos du an e el p esen e abajo. En es e
capí ulo solo se abo da el abajo desde un pun o de is a de uncionalidades,
a al o ni el, y no el es ado ecnológico a bajo ni el.
Capí ulo 4: En el Plan eamien o de la Solución se a an a ios pun os pa a
apo a con ex o y ecalca hi os que han ido ocu iendo du an e el desa ollo.
Po un lado, se apo a desde un pun o de is a ecnológico y de bajo ni el el
es ado del sis ema inicialmen e. T as es o, se a an odos los ajus es, cam-
bios y econside aciones que acon ecie on mien as se desa ollaba el p opio
abajo, así como p oblemas encon ados y cómo se han solucionado.
Capí ulo 5: En el cual se a an odas las ex ensiones que se han ealizado
al sis ema o iginal, a bajo ni el y explicando los cambios, su impo ancia y el
mo i o.
1.4. Es uc u a del documen o 5
Capí ulo 6: Desde el pun o de is a de la in e az, se p esen an odos los
cambios, nue as is as y páginas que han sido c eadas pa a que la aplicación
pueda se comple amen e u ilizada desde la web, ya que o iginalmen e había
que ejecu a comandos en la e minal pa a ealiza cie as acciones.
Capí ulo 7: En el capí ulo de Conclusiones y T abajo Fu u o se añaden po-
sibles ex ensiones al sis ema u obje i os que hab íamos implemen ado si hu-
bié amos enido más iempo, a ene en cuen a pa a el u u o.
12 Capí ulo 2. Es ado de la Cues ión
el peo . Sin emba go hay cie as aplicaciones o a eas en las que necesi amos una
capacidad de esiliencia y decisión que con los sis emas adicionales no es posible
ob ene . Sob e odo en en o nos de ápido cambio, imp edecibles y donde la can idad
de posibles si uaciones no pe mi a la posibilidad de plan ea se cualquie escena io
desde el diseño.
Un ípico ejemplo de la necesidad de es e ipo de sis emas es el en ío de una
sonda espacial a una dis ancia de la ie a que imposibili e el uso de un equipo
humano que ealice el seguimien o y oma de decisiones an e cualquie e en ualidad
imp e is a, debido al e a do en la comunicación con la sonda debido a la dis ancia.
Es as necesidades lle an a emp esas como la NASA a in es iga en agen es con más
capacidad de au onomía pa a ene un mejo desempeño y con ianza en es e ipo de
sis emas (Rou , 2002).
O o ejemplo, en una si uación más ce cana, se ía la o ma en que se localizan,
ac ualizan y egis an las páginas web en In e ne . Cualquie a que se haya is o
en uel o en el desa ollo de una página web p obablemen e se haya opado con un
a chi o llamado obo s. x , que es la o ma que ienes de comunica e con los agen es
que Google u iliza pa a egis a o ac ualiza las páginas a a és de In e ne 1.
A pesa de que Agen e es un é mino ampliamen e usado en la li e a u a y los
sis emas con los que in e ac uámos cada día, no hay un consenso en la de inición de
Agen e, el mayo acue do que se encuen a en o no a es a de inición es la cen alidad
que ocupa la au onomía pa a un Agen e. Pa e del desacue do en es a de inición se
debe al amplio núme o de sec o es en los que es u ilizado, eniendo cada uno de
es os unas necesidades muy dis in as, siendo necesa ia alguna ca ac e ís ica de los
Agen es en cie os sec o es pe o o almen e indeseables en o os, un ejemplo se ía la
capacidad de ap ende de los Agen es. En cualquie caso se puede oma p es ada
la de inición dada po Weiss (1999) pa a ene una idea más ce cana de lo que
p e endemos exp esa al habla de Agen es.
Un Agen e es un sis ema compu acional que se encuen a en cie o en-
o no, y es capaz de ac ua de o ma au ónoma en es e en o no con el
in de cumpli sus obje i os de diseño
2.1.1. P incipios en el diseño
En e los ac o es más impo an es a la ho a de diseña un Agen e se encuen an
los siguien es (Russell y No ig, 2016), (Woold idge, 2009):
La capacidad de con ol del En o no En el mejo de los casos el Agen e
iene un con ol pa cial sob e el en o no, pe o no en la mayo ía.
1h ps://de elope s.google.com/sea ch/docs/c awling-indexing/ obo s/in o?hl=
es

2.1. Agen es 13
Decisión de la acción a ejecu a Es a oma de decisiones se puede e
a ec ada po el ipo de en o no en el que nos encon amos y siemp e es á
en ocada en consegui los obje i os de inidos de la o ma más sa is ac o ia
posible.
No-de e minismo de las acciones ejecu adas La al a de con ol supone
que una misma acción no da á siemp e los mismos esul ados.
Posibilidad de allo El mencionado no-de e minismo nos lle a, en nume osas
ocasiones, a no ob ene el esul ado deseado, po ello, incluso en los Agen es
más sencillos, hay que ene en cuen a la posibilidad de allo.
Con lo dicho has a el momen o damos cabida a un g an núme o de sis emas, en
es a de inición cabe cualquie daemon de nues o sis ema, po ejemplo el p og ama
xbi que es capaz de moni o ea un sis ema UNIX y no i ica al usua io en caso de
que haya un nue o co eo.
2.1.2. Agen es in eligen es
Una aplicación más buscada y ú il son los Agen es In eligen es. La di e encia
con los an e io es es la lexibilidad que es os ienen de ac ua de o ma au ónoma y
lexible pa a cumpli con sus obje i os de diseño. Po lexible en endemos lo desc i o
en Jennings y Woold idge (1998):
Sensible a su en o no siendo capaces de eacciona en los momen os opo -
unos en los que su en o no cambia.
P oac i o además de se capaces de esponde a los cambios deben se capaces
de oma la inicia i a en la búsqueda de cumpli sus obje i os.
Sociable ambién han de se capaces de comunica se con o os agen es o
humanos, cuando lo conside en necesa io, pa a cumplimen a sus obje i os.
Es e ipo de sis emas pe mi e enca a un g an núme o de p oblemas y desa olla
sis emas en los que podemos dispone de Agen es In eligen es capaces de ealiza
nue as a eas. Un cla o ejemplo de es o, que ya mencionábamos an e io men e, es
In e ne , donde enemos una g an ed de o ganizaciones desplegando in o mación y
cada una de ellas siguiendo sus p opios obje i os y me odologías, haciendo de es e
un en o no muy he e ogéneo y dinámico.
Es e ipo de agen es es ambién un componen e cen al en Pa k e al. (2023),
siendo en base a es os y su in e acción (en e ellos y su en o no), que ob enemos
las complicadas dinámicas que acabamos obse ando. Viendo una ez más de la
capacidad de es os sis emas pa a acomoda se en dominios cambian es y de g an
complejidad.
14 Capí ulo 2. Es ado de la Cues ión
2.2. Simulaciones basadas en agen es
En es e apa ado mos a emos de o ma supe icial el concep o de Simulaciones
basadas en Agen es, así como nume osos ejemplos en los que se ha is o aplicada
es a écnica, ya que es un concep o cen al a la ho a de desa olla el abajo en el
que se basa nues o TFG (Pa k e al., 2023).
Las Simulaciones basadas en Agen es, o ambién conocidas como Agen -Based
Model (ABM), a an de da luga a sis emas complejos a a és del uso de agen es.
En base a la in e acción, en e agen es y el en o no, se p e ende gene a compo a-
mien os y pa ones a ni el de sis ema (Bankes, 2002).
Es e ipo de sis ema se ca ac e iza po :
Tene un conjun o de agen es que siguen eglas sencillas.
Es os agen es in e ac úan en e sí de o ma con inuada.
Hay ca ac e ís icas a ni el de sis ema que ocu en de o ma eme gen e.
Las eglas elegidas pa a los agen es se en ienden como undamen ales.
Una ez es ablecidas dichas eglas se obse a la e olución del sis ema (aquí es
donde ecuen emen e ocu e el enómeno de la eme gencia).
El dominio de los enómenos que se p e ende ec ea son de g an complejidad.
Es po es a úl ima ca ac e ís ica que la a iedad de escena ios o enómenos e-
c eables se uel e an amplio, pe mi iendo a una g an can idad de disciplinas hace
uso de es as écnicas. Tenemos ejemplos en mul i ud de Ciencias Sociales, O gani-
zacionales, Ecológicas, Económicas, e c... (T oi zsch, 2009), (Heckbe e al., 2010).
Unido a es o, enemos la impo ancia que se ha con e ido al en endimien o de
un al o núme o de sis emas complejos en múl iples ámbi os del conocimien o, po
ejemplo enemos el clima e es e, la ecología, el ce eb o, las elaciones sociales,
e c...
Así, se jun a una écnica muy e sá il con un necesidad, ampliamen e ex endida,
de ec ea y analiza sis emas de al a complejidad, los cuales escapan a los clásicos
modelos lineales o analí icos.
2.2.1. His o ia de las Simulaciones basadas en agen es
En e las décadas de los 50 y los 70, abajos como la máquina au o- eplican e
(Neumann, 1966) , de Von Neumann, o como el Juego de la Vida (Ga dne , 1970),
de John Conway, die on cabida y a ance al concep o de Au óma a celula , siendo
es a una de las p ime as o mas de Simulación basada en agen es.
2.2. Simulaciones basadas en agen es 15
Poco iempo después emos a ios modelos que empleaban Simulaciones basadas
en agen es pa a es udia di e sidad de enómenos. Tenemos ejemplos en la polí ica
(Schelling, 1971), la Teo ía de Juegos (median e un o neo o ganizado po Robe
Axel od pa a e alua dis in as es a egias del Dilema del P isione o), o la ecología
(Hogeweg y Hespe , 1983).
En los 90 su ge una expansión no able en el in e és po es as écnicas. Es o
se e e lejado en di e sos abajos, de no able en e gadu a, lle ados a cabo po
a ias uni e sidades e in es igado es p o enien es de mul i ud de disciplinas, como
ejemplos enemos Eps ein y Ax ell (1996) de Suga scape, Compu a ional Analysis
o Social and O ganiza ional Sys ems (CASOS)2de la Ca negie Mellon Uni e si y,
o Kohle y Gume man (2000) del San a Fe Ins i u e en e o os.
También su gie on e is as en ocadas a las sociedades i uales y sus simula-
ciones, como la Jou nal o A i icial Socie ies and Social Simula ions (JASSS) o la
Complex Adap i e Sys ems Modeling (CASM) de Sp inge .
La e ec i idad de es os mé odos acabó sal ando ue a del ámbi o de la in es-
igación y encon ando un hueco en la sociedad. Lo podemos e e lejado en el
su gimien o de a ias o ganizaciones, du an e la misma década, cen adas en el es-
udio y explo ación de Simulaciones sociales y écnicas de o ganización e ec i a -
NAACSOS3, ESSA4, PAAAESSA5- a a és de Simulaciones basadas en Agen es.
Con es a b e e e isión queda cla o el amplio ango de aplicación de es os mo-
delos, además del g an in e és que susci an po la misma azón.
2.2.2. P incipios de las Simulaciones basadas en agen es
Las simulaciones basadas en agen es se basan p incipalmen e en el modelo compu-
acional de los Sis emas Mul iagen e. Es e ipo de sis emas o man un nue o pa a-
digma de compu ación en ocado en esol e a eas que se ían imposibles de esol e
pa a un sis ema cen alizado, bien po la complejidad de diseña e implemen a
soluciones cen alizadas, o bien po el pob e endimien o que es as ob end ían.
Apa e de la na u aleza descen alizada del p oblema, se encuen a el o o com-
ponen e cen al en es e pa adigma, los agen es. En es e ipo de sis emas son los
Agen es y las in e acciones que hay en e ellos y su en o no los que dan luga a las
dinámicas que hacen de es in e és es e pa adigma.
Es en la conjunción de es os dos concep os donde se des elan los elemen os
cen ales de un Sis ema mul iagen e, es os son, los P o ocolos de comunicación en e
Agen es, los p o ocolos de in e acción en e Agen es y En o no y el En o no.
2h p://www.casos.cs.cmu.edu/
3h p://www.casos.cs.cmu.edu/naacsos/index.php
4h p://www.essa.eu.o g/
5h p://www.paaa.asia/#:~: ex =Paci ic%2DAsian%20Associa ion%20 o %20Agen ,
Eu opean%20Social%20Simula ion%20Associa ion%2C%20ESSA
16 Capí ulo 2. Es ado de la Cues ión
Es as ca ac e ís icas se an a explica basándonos en un es udio de sis emas
mul iagen e, en el que se discu e un en oque mode no pa a el diseño de un sis ema
de IA dis ibuido (Weiss, 1999)
2.2.2.1. El en o no
El en o no se puede pensa como la in aes uc u a que especi ica los dis in-
os p o ocolos de comunicación e in e acción en e agen es y en o no. Pe mi iendo
siemp e la in e acción, en mayo o meno medida, de los Agen es con "lo que les
odea". O os aspec os cla e en el diseño del en o no son la al a de cen alización
del en o no y que es os es án poblados po Agen es.
Además de esas conside aciones es án o as que su gen a la ho a de diseña lo,
eniendo en cuen a que es as especi icaciones engloban cualquie ipo de sis ema
mul iagen e.
In aes uc u a de comunicación En la que se iene en cuen a el ipo de
comunicaciones que se puede da en e los agen es, dando la posibilidad de que
es a sea B oadcas o Unicas , Memo ia compa ida o mensajes a a és de la
ed, comunicación sinc ona o asínc ona, e c...
P o ocolos de mensaje Si la comunicación se da en e agen es en dis in as
edes ab á que conside a el ipo de p o ocolos de ed que u iliza án pa a la
comunicación (HTTP, HTML...).
Se icios de segu idad Pa a ga an iza una pa icipación de agen es legí i-
mos en el sis ema.
Sopo e de ope aciones Que ga an ice una consis encia en las in e acciones
que se dén en el sis ema.
Además de es as ca ac e ís icas p opias del en o no, es án las ela i as al en o no-
agen e:
Pe cepción del en o no Cuán o sabe el agen e sob e el en o no.
P edecible Cómo de p edecible es el en o no pa a el agen e.
Con olable Cuán modi icable es el en o no po el agen e.
Dependien e del pasado Cuán a dependencia ienen los u u os es ados del
sis ema de los es ados p e ios.
Na u aleza Teleológica de las pa es Qué capacidad de acción ienen las
o as pa es del sis ema desde el pun o de is a del agen e.
A iempo eal El en o no es cambian e du an e el p oceso de oma de decisión
del agen e.
2.2. Simulaciones basadas en agen es 17
2.2.2.2. P o ocolos de comunicación en e agen es
Los agen es capaces de ealiza es a acción son en es ac i os, capaces de pe cibi ,
azona y ac ua . En e las acciones disponibles de un agen e asumimos que se
encuen a la de comunica se con o os agen es, aunque ambién iene su pa e de
pe cepción (al se capaz de ecibi mensajes de o os agen es pa a que exis a una
e dade a comunicación).
El obje i o de la comunicación en e Agen es es consegui mejo es esul ados
pa a ellos o pa a el sis ema/sociedad de agen es (según si el Agen e es coope a i-
o o no). Un esul ado a o able de que haya comunicación en e Agen es es que
da la posibilidad de que haya coo dinación en el compo amien o y sus acciones,
dando luga a sis emas más cohe en es. Es a cohe encia se puede in e p e a co-
mo la capacidad del sis ema de ac ua como una unidad, log a es o a a és de
Agen es independien es es algo di ícil de log a sin ningún ipo de compo amien o
cen alizado.
A la ho a de a a de es ablece la o ma de comunicación en e Agen es su gen
complicaciones a las que p es a a ención, como pueden se las siguien es:
Mensaje Desc ip i o s P esc ip i o Habiendo una di e encia en e men-
sajes que desc iben hechos y mensajes que desc iben acciones o compo amien-
os, siendo el p ime o de es os igual de esencial que el segundo, pe o menos
adop ado po la di icul ad que iene hace que una Agen e sea capaz de emi i
dichos mensajes.
Signi icado Pe sonal s Con encional También se ha de ene en cuen a
la di e encia de signi icado de un mensjae que puede habe en e el que lo emi e
y quien lo ecibe.
Con ex o Igual de impo an e que el con enido de un mensaje e ssu con ex o.
Debiendo ene en cuen a el es ado del agen e ecep o y el del en o no.
Alcance del lenguaje Comp omiso en e exp esi idad del lenguaje y com-
plejidad a la ho a de maneja lo.
Iden idad Se pod ía conside a pa e del Con ex o del lenguaje, iene en
cuen a los oles y pa es in oluc adas en el mensaje.
O os ac o es a ene en cuen a a la ho a de especi ica los p o ocolos de co-
municación en e Agen es son el ipo de mensajes (dependien e del ipo de Agen e
emiso ), los ni eles de comunicación, in ención de la comunicación, e c...
No los e emos en de alle debido a la ex ensión del campo y a que en el sis ema
mul iagen e ela i o al abajo en que nos basamos (Pa k e al. (2023)) los p o ocolos
de comunicación es án englobados den o de la a qui ec u a de Agen e p opues a.
Además de que a ios de los pun os a ene en cuen a son elegados a la ho a de

18 Capí ulo 2. Es ado de la Cues ión
adop a las espues as del LLM subyacen e como los di ec o es de acción de los
Agen es.
2.2.2.3. P o ocolos de in e acción en e agen es
Los p o ocolos de in e acción se enca gan de lle a a cabo el in e cambio de una
se ie de mensajes en e Agen es -Una con e sación-. Se puede hace una dis inción
en e los ipos de p o ocolos en base a si los Agen es ac úan po obje i os indi iduales
o comunes. En el caso de los obje i os indi iduales lo único que se p e ende con
los p o ocolos de in e acción es maximiza las "ganancias". Al con a io, al habe
Agen es con obje i os comunes, los p o ocolos de in e acción a an de log a una
cohe encia global sin a ec a a la au onomía de los Agen es y sin un con ol global
explíci o. Pa a log a es o se ienen en cuen a a ios aspec os como de e mina
obje i os o a eas comunes, e i a con lic os innecesa ios o euni conocimien o y
p uebas.
2.2.3. Uso ecien e de Simulaciones basadas en agen es
Como ya hemos is o en el apa ado an e io , el ango de aplicaciones que es e
ipo de mé odos iene es amplio. En es e apa ado menciona emos, supe icialmen e,
a ances signi ica i os en dis in os campos, a a és del uso de es a écnica. Nos
cen a emos en los campos más elacionados al abajo en el que nos basamos en
es e documen o Pa k e al. (2023).
Es udios de Ma ke ing En es e ámbi o enemos como ejemplo Rand y Rus
(2011), el cual p opone líneas gene ales de desa ollo de Simulaciones basadas
en Agen es que cumplan con cie os es ánda es ámpliamen e acep ados en
ese ámbi o en conc e o, cumpliendo con la necesidad de es ablece una o ma
común de p ocede al hace uso de las Simulaciones basadas en Agen es.
Así emos, con es e abajo, que en el ámbi o del ma ke ing ya se ha buscado
la aplicación de es e ipo de écnicas.
Psicología O ganizacional El abajo Hughes e al. (2012) nos mues a
las en ajas y lími es que las Simulaciones basadas en Agen es end ía al se
aplicada en la Psicología o ganizacional, sob e odo en en o nos de al o iesgo
o in es igaciones que conlle en p oblemas p ác icos o é icos.
Es a en aja se e aún más po enciada al se alimen ada con compo amien os
humanos c eíbles. Ca ac e ís ica que buscan y e aluan en Pa k e al. (2023).
Ges ión de equipos En es e ámbi o, la explo ación de dis in as omas de
decisiones o en o nos se uel e c ucial a la ho a de decidi cómo o ganiza un
equipo de abajo. Al se es a a ea ubicua en cualquie ipo de p oyec o han
sido múl iples los abajos que buscan desa olla o apo a nue as he amien-
as a la ho a de lidia con es e ipo de si uaciones, en e los más des acados
2.3. Sis emas mul i-agen e pa a la simulación social 19
encon amos a C owde e al. (2012), Bo oomand y Smaldino (2021) y Bo oo-
mand y Smaldino (2023), siendo es os dos úl imos publicaciones de la e is a
JASSS, que explo an dis in os escena ios y o mas de in e ac ua en e los
miemb os de equipos que buscan soluciones a di e sos p oblemas, aliéndose
del es udio que ealizan a una Simulación basada en agen es.
Redes sociales En es e ámbi o hay mul i ud de enómenos que son de g an in-
e és, en e es os enemos el de mecanismo de di usión de la in o mación. Cuyo
en endimien o nos o ece ía o mas de p ocede al lidia con p oblemas como
las Fake News. En es e ipo de p oblemas ambién emos un buen desempeño
po pa e de las Simulaciones Basadas en Agen es.
Como ejemplo enemos Nas inpou e al. (2016), donde se p opone una Simu-
lación basada en agen es a g an escala con la in ención de es udia como se
compo aba el enómeno de la di usión de la in o mación en base al ipo de
usua ios modelados, omando como e e encia la ed social Facebook.
Economía T as la c isis de 2008, se han buscado modelos que pe mi an un
mejo y mayo ni el de análisis de los me cados inancie os Books abe (2017),
Fa me y Foley (2009). Con es e obje i o, las Simulaciones Basadas en agen-
es o ecen una o ma de diseña expe imen os desde un en oque bo om-up.
Vemos además que el en oque que adop an es e ipo de simulaciones pe mi e
la apa ición de dinámicas muy complejas a ni el de sis ema. Es o se e leja en
abajos como Tes a sion y Judd (2006) y Agen s o Change6. En los cuales se
explo a la alidez de es e ipo de modelos a la ho a de analiza cues iones an
complejas y dinámicas como la economía.
2.3. Sis emas mul i-agen e pa a la simulación social
Después de comen a la his o ia, p incipios y uso ecien e de las simulaciones
basadas en agen es en la sección an e io , es a sección se cen a á en p o undiza
en los sis emas mul i-agen e (SMA) pa a la simulación social especí icamen e. Es os
son una clase de sis emas que simulan el compo amien o de agen es de In eligencia
A i icial pa a eplica compo amien os sociales y es udia los mismos.
2.3.1. His o ia de los SMA pa a la simulación social
El uso de los SMA pa a simulaciones sociales se emon a a la década de 1990,
con la c eación del modelo Suga scape, el cual se u ilizó pa a in es iga enónemos
sociales como la con aminación o la mig ación, en e o os (Ax ell e al., 1996).
A lo la go de los años ha sido un ema in e esan e de es udio, pe o muchas eces
limi ado po la ecnología, ya que no exis ían unos modelos capaces de ealiza
6h ps://web.a chi e.o g/web/20110123110948/h p://www.economis .com/node/
16636121
20 Capí ulo 2. Es ado de la Cues ión
simulaciones e osímiles con las que se pudiesen es udia elaciones sociales c eíbles.
Un ejemplo de un es udio de es a índole es el ealizado po a ios p o eso es de la
UCM en 2006, en el que se explo aba la in es igación de SMA pa a sis emas sociales
con agen es so wa e, empleando el lenguaje de modelado INGENIAS y donde lo
ex ienden pa a pode ealiza simulaciones sociales, pe mi iendo así lle a a cabo
el es udio de la eligiosidad de la sociedad española que iene luga en el a ículo
(A oyo Menéndez e al., 2006).
A día de hoy, con los a ances que ha habido en el campo de la In eligencia
A icial y con la p oli e ación de sis emas de IA gene a i a, es posible ealiza
SMAs e osímiles y que engan un compo amien o humano, como se ha is o en
el caso de Gene a i e Agen s (Pa k e al., 2023), el es udio en el que nos basamos
pa a es e abajo.
2.3.2. Ejemplos de aplicaciones de los SMA en simulaciones
sociales
Además de los is os en el apa ado an e io , hay algunas o as á eas en las que
se han implemen ado es as simulaciones exi osamen e, como son las siguien es:
Es udios sob e la di usión de in o mación en edes sociales, como es el caso de uno
pa icula , ealizado en la pla a o ma de Facebool. En es e es udio, se in es iga sob e
cómo la in o mación (o desin o mación) se p opaga en e usua ios y qué ac o es
pueden acele a o ena es a di usión (Gambo e al., 2020).
In es igación del compo amien o de mul i udes. Como se mencionó an e io -
men e, los SMA se pueden u iliza pa a simula el compo amien o de las masas
an e desas es na u ales como e emo os o inundaciones, en e o os, pa a así e
cuál es la opción óp ima de e acuación (Ma ks, 2012).
Análisis de me cados inancie os, analizando cómo los gen es in e ac úan en la
comp a y en a de ac i os inancie os, lo que ayuda ía a p e e posibles c isis inan-
cie as y diseñas polí icas egula o ias más e ec i as (Ma ks, 2012).
2.4. Modelos de lenguaje
La búsqueda y desa ollo de Modelos de Lenguaje (LMs po sus siglas en inglés)
se undamen a en la necesidad de supe a las ba e as en e la comunicación humana
y la in e acción con las máquinas, buscando una in eg ación más na u al y e icien e
en nues a ida co idiana y p o esional. Es a búsqueda se mo i a po el deseo de
au oma iza y op imiza a eas que equie en el p ocesamien o del lenguaje na u al,
desde la aducción y gene ación de ex o has a la asis encia pe sonalizada y la
ges ión de in o mación.
2.4. Modelos de lenguaje 21
Al mismo iempo, los LMs p ome en ompe las ba e as lingüís icas y mejo a la
accesibilidad, pe mi iendo que in o mación y se icios sean más inclusi os y es én al
alcance de una audiencia global más amplia. En el ámbi o académico y p o esional, el
desa ollo de es os modelos impulsa la inno ación en in eligencia a i icial, ab iendo
nue as líneas de in es igación y aplicaciones p ác icas en sec o es an a iados como
la salud, la educación, el de echo y el en e enimien o.
En es a sección p e endemos da un b e e con ex o y explicación de los Modelos
de Lenguaje, que son el impulso de odo es e abajo.
Comenza emos explicando b e emen e cómo se desa olló inicialmen e el campo
de los Modelos de Lenguaje. Dando unas b e es pinceladas a los modelos simbólicos,
de allando un poco los modelos es adís icos más ex endidos y, que a día de hoy,
siguen ealizando a iedad de a eas y inalmen e a los modelos neu onales, que son
los que po encian odos los sis emas con e sacionales exi osos que emos a día de
hoy.
2.4.1. Modelos simbólicos
Es e en oque ue el p ime o en se adop ado. En base a eglas que se plasmaban
en el sis ema, las cuales se ob enían a pa i de expe os en el campo de aplicación,
se acababa cons uyendo un sis ema capaz de oma decisiones con la in o mación
con que se había nu ido al sis ema.
Basados en es e en oque enemos di e sas co ien es que le die on uso, en e o os
se encuen an los siguien es:
Sis emas expe os Es e ipo de sis emas busca esol e p oblemas a a és
de sis emas a los que se les ha especí icado una se ie muy conc e a de eglas con
las que ope a . Su uso se ex endió a inicios de los 70 en can idad de sis emas
de diagnós ico78. En el campo del lenguaje ambién hubie on abajos que
a a on de demos a su aplicabilidad, un ejemplo de es o lo enemos en el
es udio ealizado po Winog ad (1971)
G amá icas gene a i as Es e concep o es cen al en lingüís ica y p opone
una o ma muy es uc u ada de de ini un lenguaje, en conc e o su sin áxis.
Es e modelo en conc e o ue p esen ado en Chomsky (1957) po Chomsky y
se ha u ilizado en sis emas como Fo ecas Gene a o desc i o en el a ículo de
Goldbe g e al. (1994)
T aducción au omá ica En un inicio ambién se puso especial én asis en
la aducción au omá ica de ex os, iendo ejemplos en p oyec os como en el
7h ps://pubmed.ncbi.nlm.nih.go /2191729/
8h ps://www. esea chga e.ne /publica ion/43763822_An_Expe _Sys em_ o _
Diagnosis_O _Human_Diseases
28 Capí ulo 2. Es ado de la Cues ión
Es e modelo soluciona a ios de los p oblemas que su gían en modelos an e io es
en el campo de la aducción, sin emba go se encuen a con sus p opias limi aciones.
En e es as, la más impo an e, es el p oblema del Cuello de bo ella que se ocasiona
al ene que codi ica odo el Inpu a a és del Encode pa a así ob ene el Vec o de
Con ex o con el que inicializamos al Decode . O o de los p oblemas con los que se
encuen a es e modelo es el limi ado con ex o al que puede a ende en la secuencia
de en ada, es o se debe al hecho de que oda la secuencia de en ada se ha de
ep esen a median e el Vec o de Con ex o, llegando a pe de mucha in o mación en
el caso de secuencias de en ada la gas debido al amaño ijo del Vec o de Con ex o.
Poco después su ge el abajo Bahdanau e al. (2014) que se cen a en in oduci
los Mecanismos de a ención, ali iando el p oblema de la limi iación en el amaño de
la secuencia de en ada.
Es e mecanismo consigue una mejo selección de la in o mación enida en cuen a
po el Decode a la ho a de decodi ica la in o mación del Encode . Es o lo hace a
a és de añadi , al Decode , mecanismos capaces de deduci la simili ud en e las
espues as o ecidas po el Encode y el Decode .

2.4. Modelos de lenguaje 29
2.4.3.4. T ans o me s
Uno de los pun os de in lexión llega con el abajo de Vaswani e al. (2017) p e-
sen ado po in es igado es de Google, que in oduce mul i ud de concep os, que, en
conjun o, son capaces de o ece un modelo supe io en endimien o y desempeño a
los an e io es. Una ca ac e ís ica p incipal es el nue o en oque que da, dejando de
se un nue o paso en el camino azado po los modelos explicados an e io men e,
y p oponiendo un modelo que pone la ilde en el mecanismo de a ención y cons-
uyendo, a pa i de es e, un sis ema capaz, de o ma in ínseca, de a ende a las
elaciones semán icas en e los componen es de las secuencias a adas (e.g. las pa-
lab as de un ex o), además de o ece la posibilidad de ealiza odas las a eas de
en enamien o e in e encia de una o ma pa alela, ab iendo así la posiblidad a un
aumen o en la escala de es e ipo de modelos como no se había is o y en el que
aún no e minamos de e el p og eso. Es o se puede ap ecia en la ilus ación que
se mues a en la Figu a 2.4
Figu a 2.4: A qui ec u a T ans o me (Imagen omada de Vaswani e al. (2017))
En e los p incipales componen es con los que cuen a el modelo p opues o ene-
mos:
30 Capí ulo 2. Es ado de la Cues ión
Figu a 2.5: Visualización del mecanismo Posi ional Encoding
Posi ional Encoding Como ya habíamos is o en a ios modelos an e io-
es, a la ho a de a a las secuencias de en ada es as e an con e idas en
Tokens co espondien es a un Wo d Embedding con la in ención de a apa el
signi icado semán ico.
En es e abajo se añaden mecanismos pa a a apa , a la ez que el signi icado
semán ico, la elación de o den de apa ición en e los Tokens de la secuencia
de en ada. Es o lo consiguen median e la adición de los alo es de unciones
seno y coseno de ecuencias a iando en unción de la posición del Token y
del amaño del Wo d Embedding pe mi iendo, además, a apa es a elación
de posición pa a cualquie longi ud de cadena de en ada.
PEpos,2i= sin(pos/100002i/dmodel )
PEpos,2i+1 = cos(pos/100002i/dmodel )
Podemos e cómo ac úa el mecanismo median e la Figu a 2.514, donde se
ilus a en qué o ma a ía la codi icación en elación a la posición del Token.
Sel A en ion Busca la simila idad en e una palab a con odas las demás,
y con ella misma. Ac úa sob e la secuencia de en ada pa a asigna la im-
po ancia que cada una de es as iene en la palab a en la que nos habíamos
en ocado inicialmen e (p oduc o escala ). Pa a log a es o in oduce con cada
palab a es nue os alo es Que y,Key yValue, con el obje i o de log a una
codi icación pa a cada palab a esul ado de su elación con las demás, que es
el que usa á como alo ep esen a i o del Token ( e igu a 2.6).
14h ps://da ascience.s ackexchange.com/ques ions/51065/
wha -is- he-posi ional-encoding-in- he- ans o me -model
2.4. Modelos de lenguaje 31
Figu a 2.6: Ilus ación del mecanismo de
Sel -A en ion. Tomada de Vaswani e al.
(2017)
Figu a 2.7: Ilus ación de múl iples capas
en la ase de a ención. Tomada de Vaswani
e al. (2017)
El uso que se le da al alo Que y es ob ene a a és de es e y odos los demás
alo es Key una se ie de alo es con la que, al pasa po una unción So max,
ob enemos el peso que damos a cada uno de los alo es Value de los o os
Token, consiguiendo con la suma de odo es o el alo que espe ábamos pa a
la palab a de la que empleábamos el Que y.
Una g an en aja de es e mecanismo es la pa alelización que o ece en la ase de
codi icación, ya que pa a el cálculo del alo de codi icación no necesi as ningún
esul ado dependien e de las palab as an e io es. Eliminando el p oblema que
enían modelos an e io es en la ob ención del Vec o de Con ex o.
La a qui ec u a puede ene múl iples capas de a ención. Cap u ando cada
una de ellas dis in as elaciones en e las palab as y de o ma comple amen e
independien e y pa alelizable ( e Figu a 2.7).
Además pe mi e añadi múl iples capas con pesos y des ios dis in os, de o ma
que la a qui ec u a sea capaz de en oca se en a ios ipos de elaciones en e
las palab as. En el abajo p esen ado po Google p opusie on un modelo con
8 capas.
Con es e úl imo modelo hemos hecho un epaso de la e olución que es e campo
ha su ido. Pa iendo de modelos o malizados hace más de 4 décadas has a mo-
delos p opues os hace menos de 5 años y que ac ualmen e nu en las a qui ec u as
p opues as pa a lle a a cabo la cons ucción de sis emas an p esen es y capaces
en nues o día a día. Tenemos ejemplos cla os en p oduc os como Cha GPT o la
compe ición que se es á iendo en el campo de los LLM in oluc ando a emp esas de
p ime calib e como Mic oso , Me a, Google u OpenAI, o eciéndonos an o mode-
los como asis en es de cha nue os y más po en es cada pocos meses. Es e ipo de
32 Capí ulo 2. Es ado de la Cues ión
modelos es el que más desa ollos ha su ido y odos ellos se basan en la a qui ec u a
que acabamos de p esen a .
2.4.4. G andes Modelos de Lenguaje
Como hemos is o en la sección an e io , una de las g andes en ajas de los
T ans o me s ue la pa alelización, ab iendo el paso al desa ollo de modelos cada ez
más g andes y e sá iles. Es a e sa ilidad ha hecho busca en es e ipo de modelos
in inidad de aplicaciones. Sin emba go, es a capacidad iene acompañada de una
al a necesidad de compu ación pa a lle a a cabo un en enamien o, haciendo muy
es ic i o el acceso a dichos modelos. Es po ello que es e ipo de ecnologías han sido
abo dadas po en idades con una g an can idad de ecu sos compu acionales, como
ejemplo Google que in odujo la a qui ec u a BERT o GPT in oducida po OpenAI.
Aunque en ocasiones es os a ances se compa ían de o ma abie a (Tou on e al.
(2023)) y hay mul i ud de inicia i as que abogan po el desa ollo lib e, la inicia i a
p i ada a omado una pa e conside able en el desa ollo de es os modelos.
Llegando a se es os úl imos los modelos que más han i umpido en la sociedad
debido a sus capacidades.
2.4.4.1. Modelos Gene a i os
En pa e, el in e és en es os sis emas ha enido de la mano con su capacidad
pa a gene a in o mación aliosa a pa i de un en enamien o. Has a a ances como
los Va ia ional Au oencode s Kingma y Welling (2013) y las Redes GANs Good-
ellow e al. (2014), los modelos e an mayo i a iamen e es adís icos. dando luga
p incipalmen e a modelos disc imina i os pa a da os más complejos como imágenes
o lenguaje Na u al. Ejemplos de es os pod ían se los analizado es de sen imien os
o clasi icado es de imágenes.
Con la llegada de es os a ances, en combinación con modelos más desa ollados
como los T ans o me s, empeza on a su gi los p ime os Modelos gene a i os con
esul ados de un mayo ni el de calidad, en e es os se encuen an, po el lado del
Lenguaje, Gene a i e P e-T ained ans o me (Rad o d e al., 2018), GPT, donde
emos el p ime Modelo del lenguaje c eado po OpenAI y que, pos e io men e,
da ía luga a los sis emas an asimilados de hoy en día como Cha GPT. Po el lado
de la gene ación de imágenes ambién cabe des aca la apa ición de sis emas como
DALL-E o S able Di usion, ambos basados en Modelos de di usión , pe o g andes
ejemplos de las capacidades e in e és que susci an los Modelos Gene a i os.
2.4. Modelos de lenguaje 33
2.4.4.2. P incipales LLMs
A con inuación, comen a emos los p incipales Modelos de Lenguaje con que se
cuen a a día de hoy (a pesa de que la igencia de es os se ea ápidamen e me mada
en a o de nue os y más a anzados modelos en muy poco iempo).
GPT 4
Es e es un modelo mul imodal (capaz de p ocesa imágenes ambién) p i ado de
la emp esa OpenAI, basado en ans o me s y en enado an o con bases de da os
públicas como con da os p o is os po e ce os. Además de la ase de en enamien-
o, donde se es ima que hubo al ededo de un billón (eu opeo) de pa áme os que
calcula , iene una ase de ap endizaje e o zado con humanos en el que se consigue
un ine- uning del modelo con el obje i o de alinea lo a los in e éses de la emp esa
y sus usua ios.
Los de alles écnicos y de implemen ación no son públicos, sin emba go se piensa
que hacen uso de la écnica MoE. Donde se han en enado múl iples edes, cada una
expe a en un ámbi o conc e o, y enca gada de da espues a a consul as ela i as
a su ámbi o, que en conjun o o man pa e del sis ema GPT4, pe mi iendo así seg-
men a las equisi os compu acionales de la in e encia, ob eniendo mejo es iempos
de in e encia y meno es uso de memo ia.
Llama
Es el LLM c eado po Me a. To almen e abie o y en a ios amaños, ambién
usa los an o me s. La en aja que ae es e modelo es que se a ó de consegui
un aumen o en la e icacia de su e icacio aumen ando la can idad de da os de en-
enamien o en luga del núme o de pa áme os. Consiguiendo así un endimien o
simila a modelos como GPT 3 con una décima pa e de su amaño, lo que pe mi ía
el acceso a los más a anzados LLMs incluso en un ámbi o local.
Has a el momen o hay 3 e siones de es e modelo, la p ime a de ellas sin se
accesible al público y las dos úl imas siendo Open Sou ce.
Llama 2 o eció 3 amaños, 6.7B, 13B y 69B. Siendo es os espec i amen e de
6.7, 13 y 69 mil millones de pa áme os. Llama 3 ha o ecido has a el momen o 2
amaños, 8B y 70.6B.
2.4.4.3. Técnicas de op imización pa a G andes Modelos de Lenguaje
Con el auge de es a ecnología ambién se ha is o el a lo amien o de mul i ud
de écnicas pa a aumen a la e iciencia de los modelos. Es as écnicas se en ocan en
añadi mejo as en el p oceso de en enamien o, como en el pape 1-bi LLMs po
Ma e al. (2024), o en modelos ya en enados.
Poda

34 Capí ulo 2. Es ado de la Cues ión
Fue una p opues a ealizada en los 90 en el pape LeCun e al. (1989), donde
explicaba los bene icios que suponian a una ed de neu onas, an o pa a el p oceso de
ap endizaje, como pa a ap o echa mejo los da os de en enamien o y los ecu sos
compu acionales.
Es e en oque se puede adop a an o du an e como as el en enamien o. Ambos
en oques aen la misma en aja, op imiza el uso de pa áme os de la ed eliminando
aquellos pa áme os que no ienen ele ancia en la ed. Dando luga a edes más
compac as y más en ocadas en su a ea.
Al ob ene edes más compac as, se educe conside ablemen e el iempo de in e-
encia.
Quan iza ion
Es a écnica se basa en educi la can idad de memo ia necesa ia pa a ep esen a
un pa áme o. Su giendo un ade-o en la p ecisión de los pa áme os (y po an o
la in o mación que son capaces de maneja co ec amen e) y el endimien o de la ed.
Es e mé odo no a ec a a la es uc u a del modelo, ya que solo a añe a la p ecisión
de los pa áme os en el mismo.
Suele llega a educi la in o mación desde o ma os de ep esen ación loa de
32 bi s has a ep esen acion de 4bi s, iendo un de imen o de la calidad en las
espues as con cada educción de p ecisión. Pe o o eciendo un amplio abanico de
opciones y bajando el umb al pa a el uso de es os sis emas.
Modelos de 1.58 bi s
Es e úl imo a ance Ma e al. (2024), su gido es e mismo eb e o, nos o ece la
posibilidad de educi al mínimo la can idad de ecu sos necesa ios (3 alo es) pa a
ep esen a a los pa áme os de un Modelo de IA. Reduciendo d ás icamen e el
iempo de in e encia, la ene gía consumida y la can idad de memo ia necesi ada.
1.3B 3B 7B 13B 70B
Model Size
100
101
102
La ency (ms)
1.67x
2.71x
2.90x
3.68x
4.10x
Bi Ne b1.58
LLaMA
1.3B 3B 7B 13B 70B
Model Size
100
101
102
Memo y (GB)
2.93x
3.55x
4.40x
5.12x
7.16x
Bi Ne b1.58
LLaMA
Figu a 2.8: Tomada de Ma e al. (2024)
En el pape mues an los esul ados de habe c eado un modelo, Bi Ne b1.58,
implemen ando su idea y compa andolo a modelos como Llama en a io amaños
2.5. Gene a i e Agen s: el es udio o iginal del que se pa e 35
dis in os, uno de los esul ados más des acados de es e a ance lo mos amos en la
igu a 2.8.
2.4.4.4. Técnicas de e aluación de LLMs
Pe plexi y
La pe plejidad es un ipo de e aluación in ínseca, que se cen a en e alua
di ec amen e la calidad y p ecisión de las salidas del modelo. Se basa en indica
como de bueno es un modelo en p edeci una palab a, una medida baja es un mejo
endimien o.
Es a e aluación iene de la eo ía de la in o mación y ua popula izada en el
campo del lenguaje na u al po abajos como los es udios de Jelinek (1976) y B own
e al. (1990). Se basa en la idea de medi la ince idumb e en las p edicciones del
modelo.
PP = 2−1
NPN
i=1 log2P(wi)
Ac ualmen e, se u iliza de o ma amplia, se puede e como mé ica usada en a-
bajos como Ïmp o ing Language Unde s anding by Gene a i e P e-T aining"Rad o d
e al. (2018).
2.5. Gene a i e Agen s: el es udio o iginal del que
se pa e
Como se ha mencionado en la in oducción, el desa ollo del p esen e abajo
pa e inicialmen e de o o es udio ealizado p e iamen e, en el que se emplea un
sis ema mul iagen e pa a la simulación social (los cuales se án a ados en la sección
2.3) y cuyo oco es demos a que pueden eme ge cie os enómenos sociales a pa i
de es a simulación (Pa k e al., 2023).
Es e es udio log a demos a de mane a exi osa la gene ación de elaciones socia-
les y de ecue dos en la memo ia, indicando así que median e el diseño y a qui ec u a
iniciales, podían es udia el compo amien o humano en cie a medida.
En el p esen e capí ulo, a a emos po un lado el diseño exis en e en el es udio
de Gene a i e Agen s (Pa k e al., 2023), así como las uncionalidades que ejecu a-
ba inicialmen e la aplicación, pa a ene cla o el uncionamien o inicial de nues o
sis ema y qué e a lo que ya había p e iamen e implemen ado.
36 Capí ulo 2. Es ado de la Cues ión
2.5.1. Diseño o iginal del sis ema
El sis ema ue diseñado pa a los p opósi os p e iamen e mencionados, po lo que,
como los obje i os p incipales de es e abajo se apoyan en el desa ollo ealizado
en es e es udio, no hemos cambiado es e diseño y es a a qui ec u a, ya que se ha
demos ado que unciona. Lo que hemos ealizado son adap aciones y ex ensiones al
p og ama p e iamen e exis en e.
La a qui ec u a básica sob e la que se basa el a ículo de Gene a i e Agen s se
puede ap ecia en la igu a 2.9. En es a, se e cómo la in o mación y memo ias que
gene an los usua ios se pe cibe po es medios dis in os: la pe cepción (pe cei e), el
plan y la e lexión ( e lec ion). Es os es modos de ob ención son muy impo an es
y se explica á más en de alle en qué consis e cada uno.
Figu a 2.9: A qui ec u a del es udio Gene a i e Agen s(Pa k e al., 2023)
Pe cepción de la in o mación: La p ime a mane a de los agen es pa a ob e-
ne in o mación del ex e io , y la más ob ia, es median e la pe cepción que
es os agen es ienen espec o del ambien e que les odea. Es deci , odo su en-
o no con el que pueen in e ac ua , como pueden se obje os, luga es u o os
pe sonajes de la simulación.
Median e la pe cepción de in o mación ex e na, los pe sonajes la p ocesan y
la gua dan en su memo ia de una mane a di ec a.
Plan de las siguien es acciones a ealiza : Una ez el agen e ya ha almacenado
a ias memo ias y ecue dos (ya sea po el con ex o inicial que se le o o ga o
po que las ha pe cibido del en o no), el pe sonaje pod á u iliza es a in o ma-
ción pa a planea cie a acción, que es a se mue a al lujo de memo ia y que
inalmen e se gua de con el es o de memo ias.
Así, un usua io pod ía elabo a un plan a pa i de cie os conocimien os que
enga en ese momen o, po lo que el plan se á la siguien e acción que ealiza á
el agen e.
Re lexión de los conocimien os adqui idos: Po úl imo, los agen es pod án
e lexiona sob e la in o mación que ya conocen. Una ez ienen cie o olumen
2.5. Gene a i e Agen s: el es udio o iginal del que se pa e 37
de memo ias y eciben nue a in o mación que se con adice con alguna de sus
memo ias, es os agen es ealiza án una a ea de e lexión, compa ando así los
dos da os y decidien o cuál oma como e e encia.
Es o es un cla o ejemplo de cómo los agen es pueden cambia de opinión a
medida que a anza la simulación, si es os eciben es ímulos u opiniones que se
con adigan con lo que ellos inicialmen e piensan.
Es os es mé odos al e an la memo ia de cada pe sonaje, de la cual se ex ae á
el con enido necesa io pa a ealiza la acción pe inen e en cada momen o. Los es
son sumamen e impo an es pa a la co ec a ejecución de la aplicación, ya que, como
se ap ecia en la igu a 2.10 si alguno de es os se ex ae de la a qui ec u a, es a deja
de ene an a solidez en cuan o a esul ados.
Figu a 2.10: Di e encia de endimien o de Gene a i e Agen s con di e en es a qui-
ec u as (Pa k e al., 2023)
La igu a 2.10 ep esen a el g ado en que las di e en es a qui ec u as p oducen
un compo amien o pa ecido al humano. T as desa olla el sis ema comple o, los
c eado es del a ículo o iginal lle a on a cabo un es udio en el que se compa aban las
dis in as a qui ec u as pa a e cuál p oducía unos esul ados más simila es a como
lo ha ía un humano. Pa a es o, pidie on a cada a qui ec u a que simula a cie as
si uaciones y ex ayese conclusiones, y después con a a on una se ie de pe sonas que
e isasen odos los esul ados, los cuales de e mina ían el g ado de ’humanidad’de
cada uno.
La p ime a ba a, de colo ojo, es la que usa la a qui ec u a comple a, imple-
men ando obse ación, plan y e lexión de los hechos. Vemos que es a a qui ec u a
p oduce unos esul ados más humanos incluso que los p opios humanos a los que
se pidió ealiza es e expe imen o ( ep esen ados en la ba a de colo neg o) en es e
expe imen o, lo cual so p ende en g an medida, ya que simulan un compo amien-
o más humano que los p opios humanos, según la pe cepción de los e aluado es
humanos de la encues a.
44 Capí ulo 2. Es ado de la Cues ión
Resumen de ex os Basados en el ipo
de salida
Ex ac i os
Abs ac i os
Basados en el
p opósi o
Gené icos Especí icos del
dominio
Basados en
consul as
Basados en el ipo
de en ada
Documen o único
Múl iples
documen os
·
&
.
·
*
·
d
Figu a 2.11: Resumen de ex os (adap ada de Adhika i e al. (2020))
2.6.3. Impac o del desa ollo del PLN en la sociedad ac ual
Como se ha is o, el p ocesamien o del lenguaje na u al se ha desa ollado eno -
memen e desde su concepción, especialmen e en los úl imos años. Con el uso de las
ecnologías más mode nas, se ha conseguido que el PLN sea pa e del día a día
de una pe sona común, lo cual ha aido múl iples bene icios a la sociedad, como
pueden se los siguien es:
Mejo a en la comunicación: Facili ando la in e acción con disposi i os elec-
ónicos, como pueden se los asis en es i uales conocidos como Si i (de Ap-
ple) o Alexa (de Amazon). Además, al in e p e a el lenguaje na u al, se han
c eado di e en es disposi i os que pe mi en a pe sonas con discapacidades, co-
munica se con o a gen e.
P og eso de la aducción au omá ica: Como se ha is o, la aducción
au omá ica an o de discu sos como de ex os ha sido uno de los pun os de
es udio p incipales elacionados con el PLN. A día de hoy, es e ámbi o es á
bas an e desa ollado y pe mi e uni pe sonas de di e en es cul u as y países.
Ayudas de sopo e pa a negocios: Con la p oli e ación de los conocidos
’cha bo s’, muchos negocios de odos los amaños se han is o bene iciados,
pudiendo inco po a los como una medida de sopo e pa a los clien es.
Análisis a anzado de da os: El PLN pe mi e u iliza eno mes can idades de
ex o y apo a es adís icas impo an es a pa i de él, lo cual se ía muy di ícil
pa a os humanos debido a las g andes can idades de in o mación. Además,
es os análisis a g an escala pueden se i pa a analiza los sen imien os de los
mensajes publicados en edes sociales, po ejemplo.

2.7. Compu ación cen ada en el usua io 45
A pesa de odas es as en ajas que el p ocesamien o del lenguaje na u al ha
apo ado a la sociedad, exis en a ios desa íos pa a que es a ecnología sea capaz de
unciona . Las máquinas equie en una comunicación p ecisa y exac a, y los humanos
hablamos con ambigüedades y de o ma poco p ecisa en el día a día. Además, pa a
pode ansc ibi a ex o las palab as de una pe sona, es necesa io un uso cla o y
comp ensible del lenguaje. Es as solo son algunas de las ba e as en las que se es á
abajando pa a pode hace es a ecnología accesible a odo el mundo.
2.7. Compu ación cen ada en el usua io
La compu ación cen ada en el usua io (CCU) es una disciplina que se dedica
a cen a odo el desa ollo de un sis ema in o má i o en los se es humanos que la
usa án, así como es udia los enómenos elacionados más signi ica i os. Pa a es o,
la CCU inco po a en sus es udios a ios ac o es humanos en el diseño y p ác icas de
la in o má ica, como pueden se ci cuns ancias sociales o cul u ales, empleando pa a
ello equipos mul idisciplina es pa a esol e los desa íos, más que equipos pu amen e
ecnológicos.
Es e ema es abo dado desde hace muchos años, analizando el a ículo de Ca d
e al. (1983), emos que es os abogan po una pe spec i a que no solo se cen e en
la e iciencia écnica del sis ema, a gumen ando que ”un buen diseño de sis ema se
debe e alua en é minos de la e icacia con la cual el sis ema ayuda a los usua ios
a alcanza sus me as”. Lo cual sub aya la impo ancia de no solo medi el éxi o de
un p og ama in o má ico en é minos de endimien o, sino ambién en la capacidad
del sis ema pa a se comp ensible, usable y acili e las a eas del usua io que lo usa.
Además, o o de los obje i os de la compu ación cen ada en el humapno es
c ea sis emas que sean adap ables a los eque imien os cambian es del usua io.
No es solamen e hace un sis ema op imizado y usable po los humanos, sino que
ambién se pueda amolda a las necesidades cambian es de los u u os usua ios.
2.7.1. In e acción Pe sona-O denado
La In e acción Pe sona-O denado (IPO) es un á ea más especí ica que la compu-
ación cen ada en el usua io, ya que es a se ocaliza especialmen e en la elación
en e el sis ema y el humano, y no se cen a an o en ac o es ex e nos más globales.
Los o denado es llega on a nues as idas en la década de 1940, y la ciencia
de la in e acción en e las pe sonas y o denado es llegó en la década de 1980. En-
onces, ¿en e 1940 y 1980 no había in e acción en e pe sonas y o denado es? No
exac amen e. En aquellas épocas, los o denado es no es aban an masi icadamen e
disponibles como lo es án a día de hoy, po lo que solo un selec o g upo de pe sonas
podían ”comunica se” con ellos. Es as pe sonas e an pe iles écnicos como ingenie-
os y cien í icos, po ello la in e acción e a muy compleja y un amplio conocimien o
46 Capí ulo 2. Es ado de la Cues ión
écnico e a necesa io. (MacKenzie, 2012).
A pa i de la década de 1980, con la llegada de los o denado es a la ida co idiana
de las pe sonas, se comenzó a in es iga ace ca de cómo acili a la accesibilidad a
odos los públicos pa a in e ac ua con las máquinas. La in es igación en el campo
de la IPO ha abo dado una amplia gama de aspec os, desde la usabilidad y la
expe iencia del usua io has a la accesibilidad y la adap abilidad de los sis emas
in o má icos.
La usabilidad, en pa icula , ha sido un ema cen al en la IPO. Es e concep o
se e ie e a la acilidad con la que los usua ios pueden ap ende a u iliza un sis-
ema, ealiza a eas y eco da cómo usa lo en el u u o. Uno de los es udios más
impo an es en es e campo es el de Jakob Nielsen Nielsen (1994), en el que iden i ica
los p incipios como la isibilidad del es ado del sis ema o la co espondencia en e
el sis ema y el mundo eal como elemen os cla e pa a mejo a la usabilidad de los
sis emas in o má icos.
Además de la usabilidad, la expe iencia de usua io (UX po sus siglas en inglés)
ambién ha sido un á ea de in e és en es e ámbi o. La UX se e ie e a las pe cepciones
y espues as de una pe sona que esul an del uso o de un p oduc o, sis ema o se icio.
En esumen, el es udio de las i encias de los usua ios con el p og ama in o má ico.
Don No man, en su lib o No man Donald (2013), in odujo el concep o de ”diseño
cen ado en el usua io”, donde en a izó la impo ancia de diseña p oduc os que se
alineen con la o ma en que las pe sonas piensan.
2.7.2. P oceso de diseño cen ado en el usua io
El diseño cen ado en el usua io es un en oque de desa ollo de p oduc os (en
nues o caso, de so wa e) que pone al usua io en el cen o del p oceso de diseño.
Reconoce la impo ancia de comp ende las necesidades, capacidades y p e e encias
de los usua ios inales.
El p oceso de diseño cen ado en el usua io gene almen e sigue una se ie de e apas
i e a i as que incluyen in es igación, diseño, p o o ipado, e aluación y e inamien o.
La in es igación de usua ios es una e apa undamen al. Es a e apa implica la
ecopilación y análisis de in o mación sob e los usua ios inales, incluyendo sus ca-
ac e ís icas demog á icas, necesidades, compo amien os y p e e encias.
Basándose en los hallazgos de la in es igación de usua ios, los diseñado es pasan
a la e apa de diseño concep ual, donde gene an ideas y concep os de diseño que
abo dan las necesidades y me as iden i icadas de los usua ios. En es a e apa se
suelen c ea p o o ipos de baja idelidad, como boce os y maque as, pa a explo a
ideas de mane a ápida y económica.
Los siguien es pasos son los de p o o ipado y e aluación, donde se c ean p o o i-
pos de al a idelidad que simulan la uncionalidad y la apa iencia del p oduc o inal.
2.7. Compu ación cen ada en el usua io 47
Es os p o o ipos se some en a p uebas de usabilidad y e aluaciones de usua io pa a
iden i ica p oblemas y á eas de mejo a.
Finalmen e, basándose en los esul ados de la e aluación, los diseñado es e inan
y mejo an el diseño del p oduc o, i e ando en el p oceso según sea necesa io. Es e
en oque i e a i o pe mi e a los diseñado es inco po a el eedback de los usua ios
y abo da los p oblemas de diseño de mane a p oac i a, c eando p oduc os que se
alinean mejo con las necesidades y expec a i as de los usua ios inales.
2.7.3. Compu ación a ec i a
La compu ación a ec i a es el es udio y desa ollo de sis emas y disposi i os que
econocen, in e p e an, p ocesan y simulan el a ec o humano. Es á muy elaciona-
da con la compu ación cen ada en los usua ios, ya que hace especial hincapié en
las emociones de los humanos al desa olla sis emas in o má icos. Es a ama de la
compu ación se co esponde a un campo in e disciplina que aba ca an o las cien-
cias de compu ación, psicología y ciencias cogni i as. Es a ciencia comenzó a se
analizada a pa i del a ículo cien í ico publicado de Pica d (1995), en el cual se
es udiaban mane as de aplica la subje i idad humana a los compu ado es.
Dos de las á eas de la compu ación a ec i a son la de ección y econocimien o
de in o mación emocional y la emoción en las máquinas. La p ime a á ea comienza
con senso es que cap u an da os sob e el es ado ísico o compo amien o de la pe -
sona, sin in e p e a los da os de en ada. Es os senso es son análogos a las écnicas
que u ilizan los humanos pa a de ec a las emociones en o as pe sonas (exp esiones
aciales, pos u as, empe a u a co po al, e c.). En cuan o al á ea de la emoción en
las máquinas, se es udia la capacidad que ienen es os compu ado es de con en-
ce y simula emociones humanas. En el lib o de Minsky (2007) se p opone que las
emociones "no con especí icamen e an di e en es de o os p ocesos a los que conside-
amos ’pensamien o’", po lo que pod ía se que es as lleguen a simula sen imien os
median e un p oceso de lógica.
2.7.4. Ejemplos eales de CCU
El campo de la compu ación, exis en a ios emas del mundo eal a los que se
puede aplica , algunos ejemplos de es o son los siguien es:
Solución de p oblemas en en o nos dis ibuidos: Aba cando sis emas de
in o mación basados en In e ne , edes de in o mación basadas en senso es o
disposi i os de in o mación mó iles y es ibles ( elojes in eligen es, po ejem-
plo). Todos es os sis emas han de se diseñados conside ando al usua io como
cen o del es udio.
Sis emas mul i-agen e que con olan y coo dinan acciones pa a esol e
p oblemas complejos, como es el caso en el que nos basamos pa a el p esen e
48 Capí ulo 2. Es ado de la Cues ión
abajo, ex endiendo y adap ando el sis ema mul i-agen e desa ollado en es
es udio de Pa k e al. (2023).
De inición de es uc u as semán icas pa a que la in o mación mul imedia
dé sopo e a en adaas y salidas de múl iples modalidades. Como se ha is o
en el apa ado an e io de PLN, es e campo es muy impo an e pa a la de-
moc a ización a odos los públicos y que se es á p omo iendo en los a ances
ac uales de la ecnología.
Además, exis en casos de p oyec os eales en los que se es á aplicando la CHH,
uno de ellos es la Di isión de Ciencias Compu acionales NASA/Ames, la cual es-
á ealizando una in es igación como miemb os del P oyec o Haugh on-Ma s pa a
de e mina , ía es udio de analogías, cómo de p obable es que la ida humana sea
uc í e a en Ma e. Uno de las in es igaciones den o de es e p oyec o es el desa o-
llo de obo s que asis i án a los cien í icos, ayudándoles a oma en conside ación los
ac o es humanos, de compu ación y del en o no pa a pode sob e i i en Ma e.
O o de los ejemplos es el Cen o de Compu ación Cogni i a Ubicua (CUbiC)
de la Uni e sidad Es a al de A izona, el cual se basa en los p incipios de la CCH
pa a desa olla aplicaciones asis i as, ehabili a i as y de salud. Algunos ejemplos
de es os desa ollos son los conocidos como Ño e-Take ’, un disposi i o diseñado
pa a ayuda a los es udian escon poca isión a segui las clases y oma apun es,
o el ’Vib oGlo e’, que econoce las exp esiones aciales median e e oalimen ación
háp ica pa a ayuda a pe sonas con p oblemas isuales.
2.8. Relaciones sociales
El a ículo sob e el que se ha basado la ealización de es e abajo de in de g ado
(Pa k e al., 2023), es á muy en ocado en el es udio del compo amien o humano y
las inalidades que pod ía ene el hecho de simula elaciones sociales en e agen es
de in eligenicia a i icial. Algunos de los casos de uso de es e es udio pod ían se la
inco po ación a pe sonajes no jugables en ideojuegos o la simulación de en o nos
eales pa a e cómo a ec a ía la in oducción de cambios en el ambien e, al y como
se menciona en el a ículo.
Sin emba go, las elaciones sociales son un ema impo an e en la psicología
y se han es udiado desde di e en es pe spec i as. En la in o má ica, el es udio de
las elaciones sociales se ha cen ado en la c eación de sis emas que pe mi an la
in e acción social en línea. Es po eso que se di ide el es udio de las elaciones
sociales en es os dos campos, abo dando en cada uno el con ex o, la his o ia e
in es igaciones an e io es elacionadas con las elaciones sociales desde dos ámbi os
di e en es.
2.8. Relaciones sociales 49
2.8.1. Psicología
Las elaciones sociales desempeñan un papel undamen al en la ida humana,
impac ando de mane a signi ica i a en el bienes a emocional y men al de las pe -
sonas. El es udio de las in e acciones sociales ha e elado una se ie de bene icios
in ínsecos que es as conexiones o ecen a ni el psicológico y emocional.
A lo la go del iempo ha habido es udios que mues an de mane a consis en e
que los indi iduos con meno can idad de elaciones sociales son mas p opensos a
allece en compa ación con lo que ienen una ida social plena. Es os es udios han
a ojado una mayo e idencia en países indus ializados (House e al., 1988).
Una ez se conoció el cla o ínculo en e las elaciones sociales y la salud de las
pe sonas, los cien í icos se cen a on en explica cómo ocu e es o. Gene almen e,
exis en es amplias mane as en las que las elaciones sociales in luencian la salud:
de compo amien o, psicosociales y isiológicas (Umbe son y Mon ez, 2010).
Explicaciones de compo amien o: Los compo amien os elacionados con
la salud aba can una amplia gama de conduc as pe sonales que in luyen en la
salud, la mo bilidad y la mo alidad. De hecho, los compo amien os elacio-
nados con la salud explican ap oximadamen e el 40 po cien o de la mo alidad
p ema u a, así como una mo bilidad y discapacidad sus anciales en los Es ados
Unidos. (Mcginnis e al., 2002)
Explicaciones psicosociales: La in es igación en di e en es disciplinas y po-
blaciones sugie e la posibilidad de que algunos mecanismos psicosociales in lu-
yan en como los lazos sociales p omue en la salud. Di e en es es udios han
obse ado solamen e uno de es os mecanismos, pe o debido a la complejidad
de la in e conexión de es os mecanismos, hace que no sea posible llega a una
conclusión ce e a a no se que se es udien odos a la ez.
Explicaciones isiológicas: P o esionales de a ios ámbi os del mundo de la
salud han con ibuido al en endimien o de algunas acciones (consumo excesi-
o de comida, de alcohol, de abaco...) pa a educi el es és. Además, es as
acciones muchas eces es án elacionadas con ac i idades sociales y, el hecho
de elaciona se con gen e que exceda el consumo de es as sus ancias, puede
a ec a g a emen e a la salud.
Se ha is o que las elaciones sociales pueden se muy posi i as pa a la salud;
sin emba go, ambién se ha comp obado que las elaciones sociales de mala calidad,
ambién pueden a ec a de mane a nega i a en la salud de las pe sonas. Un ma ino-
nio con p oblemas de comunicación o de en endimien o se ha asociado con unciones
del sis ema inmune o endoc ino a ec adas (Walen y Lachman, 2000).

50 Capí ulo 2. Es ado de la Cues ión
2.8.2. In o má ica a lo la go del iempo
El es udio de las elaciones sociales en el ámbi o de la in o má ica ha aba cado
una amplia gama de emas, desde la p i acidad y la segu idad en línea has a la
in luencia de las edes sociales en la polí ica y la sociedad. Además, con la apa i-
ción de las in eligencias a i iciales, úl imamen e ambién se ha in es igado sob e
el g ado de independencia que puedan ene , o cómo de humanas se pueden sen i .
También se especula po cómo de ce ca es á la humanidad de alcanza a cons ui
una in eligencia a i icial gene al (AGI po sus siglas en inglés). Es a AGI end ía
un azonamien o indis inguible del de un se humano y una capacidad de cálculo de
una máquina, po ello es e ema del compo amien o humano es an es udiado pa a
el desa ollo de nue as IAs.
Pa a el caso del p esen e abajo, es especialmen e in e esan e el análisis de
compo amien os humanos en agen es de in eligencia a i icial. Es o es un campo
que se lle a conside ando más de 20 años, con el es udio de Cas el anchi (1998).
Ya en es e es udio se a a de p oba la eme gencia de enómenos sociales, así como
la coope ación en e di e en es agen es (eso sí, con una ecnología muy in e io a la
ac ual).
Años más a de, se publica o o es udio con un p opósi o simila (Pan e al.,
2007). En es e caso la in ención e a simula compo amien os humanos en la e a-
cuación de eme gencias. Es o e ela un nue o pa adigma en el que se puede aplica
es e ipo de es udio. Si se consiguen unos agen es independien es capaces de in e -
elaciona se en e sí, es os pod ían adqui i cie os oles y ep esen a si uaciones
eales de cómo ac ua ían humanos con esas ca ac e ís icas en esas si uaciones. En el
caso de las e acuaciones de eme gencia es o ayuda mucho ya que se pod ían e i a
ca ás o es mayo es.
En un es udio más ecien e (Ben enu i e al., 2023) se in es iga sob e el modelado
del compo amien o humano as la i upción de las in eligencias a i iciales. Se
explica que se necesi a mayo in es igación en es a á ea, p es ando especial a ención
a la educación p ima ia. En el a ículo se de iende que la educación debe ía pi o a
y en luga omen a una cul u a de sabidu ía, se debe ía omen a una cul u a de
la compe encia. Es a es una de las mane as en las que las ecnologías in o má icas
modelan el compo amien o humano pa a adap a se a las nue as ecnologías.
Además de es os ejemplos en los que se es udian las elaciones sociales y com-
po amien os humanos elacionados con la in eligencia a i icial, uno de los mayo es
a ances de la humanidad en cuan o a la in e conexión y omen o de las elaciones
sociales a dis ancia ue on las edes sociales.
2.8.2.1. Redes Sociales
Las edes sociales se han con e ido en una pa e in eg al de la ida en línea.
Es as pe mi en a los usua ios conec a se con amigos y amilia es, compa i in o -
2.8. Relaciones sociales 51
mación y con enido, y pa icipa en comunidades en línea. Es o a o ece po an o
las elaciones sociales a dis ancia usando las ecnologías de la in o má ica.
En 1997, And ew Wein eich c eó el si io web ’SixDeg ees.com’, que se conside a
la p ime a ed social de la his o ia, en la cual los usua ios podían con igu a su
página de pe il, c ea lis as de conexiones y en ia mensajes en e sus con ac os.
·
Figu a 2.12: C onología de las mayo es edes sociales has a 2006 (boyd y Ellison,
2007)
En e el año 1997 y el 2001, o as páginas su gie on, combinando a ias unciona-
lidades de edes sociales como la c eación de pe iles y con ac o con amigos. En 2001
comenzó una nue a e a pa a las edes sociales, con el lanzamien o de ’Ryze.com’,
que ayudaba a sus usua ios a inc emen a sus edes de con ac os emp esa iales.
A pa i del año 2003, las edes sociales alcanzan el oco del ”mains eam” y
adquie en ama en odos los ámbi os, llegando a la población con encional. Es en
es a época cuando comienzan a apa ece mul i ud de edes sociales, como ’Linke-
dIn’(e olución de ’Ryze.com’), ’MySpaceó ’Yahoo’, algunas de ellas oda ía ac i as
a día de hoy.
T as la explosión de es as edes en las cuales las pe sonas se podían in e conec a
a dis ancia, se con ie ió en un enómeno global y ue escalando has a el pano ama
que conocemos hoy en día. En los siguien es años se unda on las edes sociales más
popula es que conocemos en la ac ualidad (’YouTube, ’Twi e ’, ’Facebook’...) y es
en es a época ambién cuando se comienzan a c ea edes sociales en o no a cie os
52 Capí ulo 2. Es ado de la Cues ión
nichos, en ocadas pa a una pequeña pa e de la población especialmen e in e esada
en un ema en especí ico.
Los años 2010 si ie on pa a que los gigan es de las edes sociales se a ianzasen
y las páginas más pequeñas cayesen po el camino. Además, al ecibi an o á ico
dia io, es as emp esas comenza on a con a a mul i ud de ingenie os y di e si ica
sus negocios, en ando en sec o es de di e en e índole (Facebook comp ando o as
emp esas como Ins ag am y po enciando su negocio de anuncios o You ube siendo
comp ado po Google y o eciendo múl iples o mas de con enido, an o ídeos la gos
o co os como di ec os)
2.9. Democ a ización y ex ensibilidad de p og amas
in o má icos
En el mundo ac ual, la democ a ización y la ex ensibilidad de p og amas in-
o má icos son emas c uciales. Es os concep os no solo a ec an a las pe sonas con
discapacidades, sino ambién a la e iciencia y la inno ación en el desa ollo de so -
wa e. En el caso del p esen e abajo, son dos de los emas c uciales a a a , ya que
consis i á en la ex ensión del código ya exis en e en Gene a i e Agen s, así como
hace lo más accesible pa a que pe sonas con menos conocimien os écnicos ambién
puedan emplea es a he amien a.
2.9.1. Impo ancia de la democ a ización
A día de hoy, gene almen e se habla de accesibilidad pa a e e i se a la adap ación
de las nue as ecnologías pa a pe sonas con discapacidad de dis in os ipos. La
accesibilidad en es os casos acili a la ida de las pe sonas, mue e la inclusi idad
digi al y amplía el alcance de las ma cas, como se explica en el es udio de (Ka cic,
2005). Sin emba go, en es e caso, se a a á el ema de la democ a ización de los
p og amas in o má icos pa a adap a el uso de la he amien a a pe iles no écnicos,
de modo que pueda se u ilizada po gen e sin conocimien o de in o má ica y de una
mane a isual e in ui i a.
P omo iendo la democ a ización pa a odos los públicos, se consigue que un
mayo espec o de la población pueda in e ac ua con es e ipo de he amien as, y
e en ualmen e puedan ealiza in es igaciones cien í icas cen adas en o os ámbi-
os. En es e caso, si algún psicólogo es u iese in e esado en es udia las elaciones
sociales que ocu en en e los agen es de Gene a i e Agen s, end ía que ene cie -
os conocimien os de p og amación pa a ejecu a el p og ama y posiblemen e no lo
consiguiese, democ a izando el uso de la aplicación, se puede llega a más pe sonas
y ab i dis in as líneas de in es igación.
2.9. Democ a ización y ex ensibilidad de p og amas in o má icos 53
2.9.2. Ejemplos de democ a ización
Exis en mul i ud de ejemplos en los que la democ a ización ha pe mi ido ” i a-
liza ” una ecnología pa a que sea empleada po odos los públicos, y no solo po
un sec o especí ico, y así pe mi i que o os p o esionales las u ilicen. Algunos de
es os ejemplos son los siguien es:
Wo dP ess: Uno de los ejemplos más conocidos es el caso de Wo dP ess, un
sis ema de ges ión de con enidos (CMS po sus siglas en inglés) que pe mi e
la c eación de si ios web al p opo ciona una pla a o ma accesible y ácil de
usa pa a usua ios de odos los ni eles de habilidad, desde p incipian es has a
desa ollado es a anzados.
Uni y: Ha democ a izado el desa ollo de ideojuegos al o ece una he a-
mien a accesible y po en e pa a c eado es de odos los ni eles de habilidad, lo
que pe mi e que incluso los desa ollado es independien es p oduzcan juegos
de al a calidad. Po lo cual, la ba e a de en ada al sec o del desa ollo de
ideojuegos es aho a mucho meno , ya que ap ende es a ecnología es consi-
de ablemen e más sencillo que u iliza sus p edeceso as.
Adobe C ea i e Cloud: Pe mi e el acceso a he amien as de diseño p o e-
sional al o ece planes de susc ipción a p ecios más asequibles que las licencias
adicionales. Simila al caso de Uni y, los usua ios siguen necesi ando cie o
ni el écnico, pe o las ba e as de en ada al uso de las ecnologías es meno .
En es e abajo se p e ende democ a iza el uso de la in es igación ealizada en
Gene a i e Agen spa a que pueda se empleada po cualquie pe sona sin nociones
de p og amación.
2.9.3. Impo ancia de la ex ensibilidad
La ex ensibilidad en los sis emas in o má icos es un concep o undamen al. Con-
sis e en la capacidad de un sis ema pa a adap a se y c ece median e la inco po ación
de nue as uncionalidades o ca ac e ís icas de mane a sencilla y e icien e. Lo cual es
esencial pa a el desa ollo de so wa e, impulsado especialmen e po las demandas
cambian es de los usua ios. La ex ensibilidad es impo an e an o desde un pun o
de is a écnico como desde el pun o de is a come cial.
Técnicamen e, la ex ensibilidad pe mi e que el so wa e sea más lexible y adap-
able según e olucionan los eque imien os y ecnologías. Al ene un diseño ex en-
sible, los desa ollado es pueden ag ega nue as ca ac e ís icas de mane a modula ,
lo que acili a el man enimien o y la escalabilidad del sis ema a la go plazo.
Desde el pun o de is a come cial, la ex ensibilidad omen a la colabo ación
y la inno ación al pe mi i que múl iples pe sonas con ibuyan al desa ollo de un
60 Capí ulo 3. Plan eamien o de la Solución
Al oma en conside ación la ase de desa ollo de SimulAgen s ambién se nos
ol ía necesa io con a con un LLM con el que pone a p ueba las uncionalidades
que ue amos in eg ando.
Es o nos lle ó a busca al e na i as OpenSou ce, ya que no se cuen a con apoyo
inancie o po pa e de la uni e sidad.
Como acaba emos iendo, las opciones OpenSou ce no ue on sa is ac o ias, po
lo que op amos po p oba con APIs dis in as. Lo que ampoco nos acabó con en-
ciendo po mo i os que e emos más adelan e.
También de alla emos las e aluaciones ealizadas, el p oceso pa a eplica las, los
esul ados y conclusiones. En especial en las al e na i as OpenSou ce.
3.2.3.1. Al e na i as OpenSou ce
Lo p ime o que quisimos soluciona ué el uso de un LLM que nos si ie a du an e
la ase de desa ollo. Pa a ello, nues a mayo exigencia e a un modelo ba a o, que
nos pe mi iese equi oca nos y p oba sin ene apenas consecuencias.
Así llegamos a la opción de las al e na i as OpenSou ce, que i ualmen e no
suponían ningún cos e.
Además, los equisi os del modelo en las p ime as ases de desa ollo de SimulA-
gen s e an li ianos, nos bas aba con un modelo capaz de segui los o ma os que se
usaban en las plan illas de la aplicación, siemp e en un iempo azonable.
Pa a aco a un poco lo que en endemos po iempo azonable, nos bas a con
ap oxima la can idad de okens, de en ada y salida, que pasan po el LLM en cada
imes ep po cada pe sonaje
Pa a ello se ha ealizado una es imación 1usando GPT-3.5 en base a la ejecución
de 100 imes eps en una simulación con 3 pe sonajes. Ob eniendo 7460 okens (7230
de en ada y 230 de salida) en un o al de 40,40 segundos. Es deci , una media de
74,60 kns/s ep, una elocidad media de 184,65 kns/seg y una ecuencia de 0,404
segs/s ep.
Medidas incluso holgadas pa a el desa ollo, que es a ía sa is echo con una e-
locidad de 5 segs/s ep, = 12 eces más despacio que la ejecución ac ual. Es deci ,
buscamos una elocidad de almenos 14,92 kns/seg, asumiendo una media de 72,3
kns/s ep.
1Si se quisie an comp oba es as medidas se end ía que ejecu a SimulAgen s desde una e -
minal que enga la a iable de en o no olca = ue. T as la ejecución de los s eps deseados halla á
un a chi o okens. x en la u a SimulAgen s/ e e ie/backend_se e /logs/ okens. x . Donde en-
con a á un a chi o con alo es sepa ados po comas, a excepción de algunas líneas sin alo es
numé icos que se pod án elimina . Los alo es numé icos co esponden a las can idades To al de
Tokens, Inpu s Tokens y Ou pu Tokens, espec i amen e, gene adas po el empla e que se señala
en el úl imo alo sepa ado po comas.

3.2. Ajus es y econside aciones 61
Con es a in o mación se á más ácil alo a los esul ados del uso de los modelos
OpenSou ce. En conc e o, las siguien es p uebas ealizadas an solo són pa a el
modelo Llama 2 en di e sos amaños.
Llama 2
Los modelos Llama 2 que e alua emos son Llama 2 7B (o iginal de Me a),Llama
2 7B Cuan izado a 4 bi s,Llama 2 13B Cuan izado a 4 bi s,Llama 2 13B cuan izado
a 6 bi s.
Además de es o, necesi amos ejemplos de p omp que se usan en SimulAgen s
que, po la in incada o ma en que se gene a on y usa on o iginalmen e en el epo-
si o io, son algo complicados de ob ene 23.
Pa a las e aluaciones que ha emos con amos con los siguien es p omp s de ejem-
plo (También mos amos los esul ados ob enidos con los dis in os modelos de Llama
2 E aluados):
Templa e ac ion_loca ion_objec . x
Inpu :
Jane Ande son is in ki chen in Jane An-
de son’s house.
Jane Ande son is going o Jane Ande -
son’s house ha has he ollowing a eas:
{ki chen, bed oom, ba h oom}
S ay in he cu en a ea i he ac i i y
can be done he e. Ne e go in o o he
people’s ooms unless necessa y.
Fo cooking, Jane Ande son should go
o he ollowing a ea in Jane Ande son’s
house:
Answe : {ki chen}
... (In o mación comple a en apéndices)
Isabella Rod iguez is going o Isabella
Rod iguez’s apa men ha has he o-
llowing a eas: {main oom, ba h oom}
* S ay in he cu en a ea i he ac i i y
can be done he e.
* NEVER go in o o he people’s ooms
unless necessa y.
Isabella Rod iguez is p epa ing he up-
coming Valen ine’s Day pa y. Fo o de-
ing ood o he pa y, Isabella Rod i-
guez should go o he ollowing a ea in
Isabella Rod iguez’s apa men (MUST
pick one o {main oom, ba h oom}):
Answe : {
Ou pu :
GPT-3.5
main oom}
7B-32FP
main oom}</s>[end o ex ]}
7B-Q4
main oom}
—
13B-Q4
main oom}</s>[end o ex ]
13B-Q6
main oom}</s>[end o ex ]
2Si se quisie an ob ene bas a ía con ejecu a SimulAgen s con la a iable de en o no ol-
ca = ue y accede a SimulAgen s/ e e ie/backend_se e /logs/p omp s/
3Pa a mi a en de alle los p omp s i al apéndice
62 Capí ulo 3. Plan eamien o de la Solución
Templa e ac ion_objec . x
Inpu :
Cu en ac i i y: sleep in bed
Objec s a ailable: {bed, easel, close ,
pain ing} Pick ONE mos ele an ob-
jec om he objec s a ailable: bed
—
Cu en ac i i y: pain ing
Objec s a ailable: {easel, close , sink, mi-
c owa e}
Pick ONE mos ele an objec om he
objec s a ailable: easel
—
... (In o mación comple a en apéndices)
—
Cu en ac i i y: s udy
Objec s a ailable: desk, compu e , chai ,
bookshel
Pick ONE mos ele an objec om he
objec s a ailable: desk
—
Cu en ac i i y: alk on he phone
Objec s a ailable: phone, cha ge , bed,
nigh s and
Pick ONE mos ele an objec om he
objec s a ailable: phone
—
Cu en ac i i y: o de ing ood o he
pa y
Objec s a ailable: {bed, desk, e ige a-
o , close , shel }
Pick ONE mos ele an objec om he
objec s a ailable:
Ou pu :
GPT-3.5
e ige a o
7B-32FP
e ige a o
—
Cu en ac i i y: cleaning he house
7B-Q4
e ige a o </s>[end o ex ]
13B-Q4
e ige a o
—
Cu en ac i i y: deco a e he pa y en
13B-Q6
e ige a o
—
Please no e ha he objec s a ailable
in
3.2. Ajus es y econside aciones 63
Templa e gene a e_e en _ iple. x
Inpu :
Task: Tu n he inpu in o (subjec , p e-
dica e, objec ).
Inpu : Sam Johnson is ea ing b eak as .
Ou pu : (Dolo es Mu phy, ea , b eak-
as )
—
Inpu : Joon Pa k is b ewing co ee.
Ou pu : (Joon Pa k, b ew, co ee)
—
Inpu : Jane Cook is sleeping.
Ou pu : (Jane Cook, is, sleep)
—
Inpu : Michael Be ns ein is w i ing email
on a compu e .
Ou pu : (Michael Be ns ein, w i e,
email)
—
Inpu : Pe cy Liang is eaching s uden s
in a class oom.
Ou pu : (Pe cy Liang, each, s uden s)
—
Inpu : Me ie Mo is is unning on a
eadmill.
Ou pu : (Me ie Mo is, un, eadmill)
—
Inpu : e ige a o is being illed wi h
pa y ood.
Ou pu : ( e ige a o ,
Ou pu :
GPT-3.5
ill, pa y ood)
7B-32FP
is, being, illed)
—
Inpu : The ca is pu ing.
Ou pu : (ca , is, pu )
7B-Q4
is, being, illed)
—
Inpu : John Lee is gi ing a p esen a ion.
Ou pu : (John Lee, gi e, p esen a ion)
13B-Q4
ill, pa y ood)
—
Inpu : Jing Liu is pain ing a pic u e.
Ou pu : (Jing Liu, pain ,
13B-Q6
ill, pa y ood)
—
Inpu : he dog is ba king loudly.
Ou pu : (dog, ba k, loud
64 Capí ulo 3. Plan eamien o de la Solución
Templa e insigh _and_e idence. x
Inpu :
Inpu :
0. Klaus Muelle Ma ia Lopez men ioned ha she was planning o s eam games on Twi ch la e ,
which Klaus Muelle ound in e es ing and decided o join he o some game s eaming.
1. Klaus Muelle is con e sing abou Ma ia Lopez and Klaus Muelle a e discussing hei plans o
s eam games oge he on Twi ch la e in he e ening.
2. Klaus Muelle is wai ing o s a w i ing he in oduc ion
3. Ma ia Lopez is con e sing abou Ma ia Lopez and Klaus Muelle a e discussing hei plans o
s eam games oge he on Twi ch la e in he e ening.
... (In o mación comple a en apéndices)
27. Klaus Muelle has a close ela ionship wi h Ma ia Lopez
28. Klaus Muelle is a sociable pe son
29. Klaus Muelle is socially ac i e
Wha 5 high-le el insigh s can you in e om he abo e s a emen s? (example o ma : insigh (be-
cause o 1, 5, 3))
1.
Ou pu :
GPT-3.5
Klaus Muelle and Ma ia Lopez ha e a close ela ionship (20, 25)
2. Klaus Muelle is academically inclined and o ganized (18, 19)
3. Klaus Muelle is socially ac i e and sociable (16, 29, 28)
4. Klaus Muelle and Ma ia Lopez enjoy s eaming games on Twi ch oge he (0, 1)
5. Klaus Muelle equen s he Hobbs Ca e, indica ing a ou ine o habi (24)
7B-32FP
Klaus Muelle is planning o s eam ga-
mes on Twi ch la e (because o 0)
2. Klaus Muelle and Ma ia Lopez will
be s eaming games oge he on Twi ch
(because o 1, 5)
3. Klaus Muelle and Ma ia Lopez ha e
a close ela ionship (because o 1, 5, 14,
17, 20)
4. Klaus Muelle is socially ac i e (be-
cause o 16)
5. Klaus Muelle is academically inclined
(because o 18)</s>[end o ex ]
7B-Q4
Klaus Muelle is planning o s eam ga-
mes wi h Ma ia Lopez on Twi ch (becau-
se o 0, 2, 4).
2. Klaus Muelle is in e es ed in Ma ia
Lopez (because o 1, 5, 20).
3. Klaus Muelle is o ganized and p epa-
ed (because o 15, 18, 20).
4. Klaus Muelle and Ma ia Lopez ha e
a close ela ionship (because o 1, 2, 5,
18).
5. Klaus Muelle has a c ush on Ma-
ia Lopez (because o 2, 15).</s>[end o
ex ]
3.2. Ajus es y econside aciones 65
13B-Q4
Klaus Muelle is planning o s eam ga-
mes on Twi ch la e in he e ening (be-
cause o 1, 5, 3)
2. Ma ia Lopez and Klaus Muelle ha e
a close ela ionship (because o 21, 20,
17)
3. Klaus Muelle is o ganized (because
o 18, 13, 5)
4. Klaus Muelle has a c ush on Ma ia
Lopez (because o 22, 3)
5. Klaus Muelle and Ma ia Lopez ha e
a s ong bond (because o 20, 17)
Wha 5 speci ic insigh s can you in e
om he abo e s a emen s? (example
o ma :
13B-Q6
Klaus Muelle and Ma ia Lopez ha e a
close ela ionship (because o 21, 25)
2. Klaus Muelle is socially ac i e (be-
cause o 16, 17)
3. Klaus Muelle is o ganized (because o
18, 19)
4. Klaus Muelle is academically inclined
(because o 13, 15)
5. Klaus Muelle has a c ush on Ma ia
Lopez (because o 22, 24)</s>[end o
ex ]
Templa es/Modelos 7B-32 7B-Q4 13B-
Q4
13B-
Q6
GPT-
3.5
ac ion_loca ion_objec 138,398 28,915 41,082 67,001 1,408
ac ion_objec 305,098 24,905 39,218 60,920 0,8
gene a e_e en _ iple 716,929 24,115 35,032 50,868 0,907
insigh _and_e idence 1866,534 62,051 106,798 130,969 2,929
Tabla 3.1: Tiempo de ejecución en segundos. Se incluyen da os de la API de GPT-
3.5
Templa es/Modelos 7B-16 7B-Q4 13B-Q4 13B-Q6 GPT-
3.5
Tamaño en GB 26 3,9 7,37 10,7 -
Pe plexi y 5,9066 6,0215 5,3404 5,2568 -
Tokens / Segundo 0,984 10,527 6,912 4,682 184,65
Tabla 3.2: Dis in as medidas de los modelos. La medida Pe plexi y es ideal cuando
ale 1. A al a de da os pa a Llama 2 7B 32FP incluimos los del modelo en 16FP
A odos es os da os se les añaden las ablas 3.1 y 3.24.
4Todas las ejecuciones se han ealizado en un po á il sin a je a g á ica dedicada, CPU In el i5
de 11ªgen y 16 GB de RAM, po lo que las medidas de Tiempo o al de ejecución y gene ación de
Tokens / Segundo es án aco adas a es e Ha dwa e, que es en el que se plan eaba el uso. La medida
Pe plexi y es independien e del medio de ejecución e in ínseco al Modelo, al y como se ió en la
sección 2.3.4.4

66 Capí ulo 3. Plan eamien o de la Solución
Llama 2 Conclusiones
Se puede conclui que e a in iable el uso de es os modelos pa a el desa ollo, nin-
guno supe a el mínimo de 14,92 kns/seg que es ablecimos al inicio de es a sección.
Al conside a la idoneidad de es os modelos, en equipos con más capacidades
Ha dwa e, se é que los modelos 7B ienen ca encias, un ejemplo cla o se ía el del
Templa e gene a e_e en _ iple. x donde se les pide ob ene el suje o, p edicado
y obje o de cie a o ación. Se ap ecia que los modelos de 7B no son capaces de da
espues as co ec as:
Co ec os
GPT-3.5
ill, pa y ood)
13B-Q4
ill, pa y ood)
—
Inpu : Jing Liu is pain ing a pic u e.
Ou pu : (Jing Liu, pain ,
Inco ec os
7B-32FP
is, being, illed)
—
Inpu : The ca is pu ing.
Ou pu : (ca , is, pu )
7B-Q4
is, being, illed)
—
Inpu : John Lee is gi ing a p esen a ion.
Ou pu : (John Lee, gi e, p esen a ion)
O o ejemplo se ía en el Templa e insigh _and_e idence. x , el que más capaci-
dad gene a i a exige. Donde podemos e ejemplos de inconsis encia:
Inpu
...
17. Klaus Muelle is o ganized and p e-
pa ed
...
Wha 5 high-le el insigh s can you in-
e om he abo e s a emen s? (example
o ma : insigh (because o 1, 5, 3))
1.
7B-32FP
Klaus Muelle is planning o s eam ga-
mes on Twi ch la e (because o 0)
...
3. Klaus Muelle and Ma ia Lopez ha e
a close ela ionship (because o 1, 5, 14,
17, 20)
3.2. Ajus es y econside aciones 67
O de al a de capacidad gene a i a:
Inpu
Inpu :
...
16. Klaus Muelle is socially ac i e
18. Klaus Muelle is academically incli-
ned
...
Wha 5 high-le el insigh s can you in-
e om he abo e s a emen s? (example
o ma : insigh (because o 1, 5, 3))
1.
7B-32FP
...
4. Klaus Muelle is socially ac i e (be-
cause o 16)
5. Klaus Muelle is academically inclined
(because o 18)</s>[end o ex ]
con que el uso de los modelos OpenSou ce pueden se iables pa a un equipo
con las p es aciones su icien es. El uso de modelos Quan izados, o que hayan pasado
po un p oceso de P uning, pueden inc emen a eno memen e la e iciencia de los
mismos. Y, en el caso de los modelos Quan izados, al y como acabamos de e , aún
se capaces de consegui esul ados álidos pa a SimulAgen s5.
TinyS o ies
Pos e io men e nos encon amos con cie o abajo que nos ol ió a ab i la
posibilidad de usa modelos de o ma local y con una in e encia, debido a su amaño,
a ios o denes de magni ud más pequeño que modelos como los de Llama 2.
El abajo TinyS o ies Eldan y Li (2023) p opone modelos, con amaños en e
1 y 28 millones de pa áme os, en ocados en gene a his o ias, que log aban un uso
de la g amá ica y sin áxis excelen e. Po lo que pensamos que unido a una capa-
cidad de gene a la in o mación de o ma es uc u ada pod ían se una al e na i a
conside able.
Po ello ambién pusimos a p ueba a es os modelos, pe o enseguida se no ó una
al a conside able de capacidad gene a i a, que no se ía posible supli po medio de
un ine- uning, como habíamos pensado.
3.2.3.2. O as APIs
Con los p oblemas que hemos is o en la sección an e io inalmen e acabamos
decidiendo ol e a los Modelos de e ce os, de es a o ma log a íamos un iempo de
in e encia mucho meno , un umb al meno pa a el nume o de usua ios que puedie an
5Como se puede obse a en la abla 3.2, los iempos de ejecución del modelo 7B-32FP son
desmedidos en compa ación al es o de modelos. Es o se debe a los p ocesos de swapping del SO en
un in en o de maneja un o al de 26GB de in o mación en una RAM de 16GB, de la que disponía
el equipo en el que se han hecho las p uebas.
68 Capí ulo 3. Plan eamien o de la Solución
usa SimulAgen s (e i ando la ca ga de memo ia que suponía un LLM) y una calidad
de gene ación ga an izada al se modelos mucho más g andes y capaces.
En e las al e na i as posibles, la más inmedia a e a ol e al uso de GPT 3.5,
pe o decidimos p oba an es con o as APIs como la de PaLM.
PaLM
Es a opción p ome ía ene unos esul ados simila es a los de GPT-3.5 en cuan o
a elocidad y, si no igual almenos lo su icien emen e ce cana, en cuan o a calidad, o
es o pa ecía en la in e acción a a és del po al web de Google pa a in e ac ua con
PaLM. Además de es o ambién nos esul ó ú il el acceso a la API con un o al de
100 dola es de pe iciones iniciales a la API. Que planeabamos usa du an e la ase
de desa ollo.
Po ello p ocedimos con la adap ación de las pe iciones al LLM pa a que hiciese
las pe iciones a la API de google, en luga de la de OpenAI. Es o quedó e leja-
do en los a chi os gp _s uc u e_palm.py y un_gp _p omp .py del eposi o io,
adap ados a pa i de gp _s uc u e.py y un_gp _p omp .py que ya se usaban.
La p ime a de las modi icaciones ué el uso de las lib e ías de es a API, en
conc e o google.gene a i eai, y as es o adap a las pe iciones al LLM usando las
unciones de inidas en la API de Google.
El modelo que usamos pa a las pe iciones a la API de Google ue ex -bison-001
y as la adap ación de las llamadas comp obamos que, a pesa de que uese capaz
de segui la es uc u a eque ida en las espues as, no e a capaz de segui un o ma o
uni o me en odas ellas, dando luga a e o es, además de es o, e a bas an e menos
elocuen e a la ho a de gene a acciones pa a lo agen es. Y es o unido a la necesidad
de una VPN pa a pode usa , debido a que España es aba en e los paises e ados
pa a el uso de es a API, nos hicie on decan a nos po GPT-3.5 que ya enía una
e icacia comp obada.
OpenAI
T as la uel a al uso de GPT-3.5 y la solución de di e sos p oblemas, ela i os
a las plan illas de p omp , que enían del eposi o io al y como es aba implemen-
ado, lo p ime o que imos ué que a la ho a de ejecu a el p oyec o al comple o
con abamos con una can idad de a e limi s en a ios de los ipos de solici udes que
hacíamos.
Es os iban en unción del ipo de usua io, usando un sis ema de Tie s en el que
ascendias según la can idad de uso que habías hecho de la API, uso que se aducía
en dine o. La limi ación que nos suponía a la ho a de in e ac ua con el modelo
a a és de la aplicación e a eno me. La can idad de pe iciones que se hacían a la
API po cada Agen e po s ep de simulación e an más de un pa de decenas. Y la
es icción que eníamos en la API e a de 2 eques s po minu o.
Debido a es o op amos po a anza en o o ipo de p oblemas de nues o p oyec-
3.3. P oblemas encon ados 69
o, como el on o la adap ación del backend a una in e acción po medio de una
UI.
Es e pa ón se ió inalizado con las sucesi as ac ualizaciones que OpenAI hizo
de su API y polí icas, llegando el momen o en que ya podíamos hace uso de la API,
debido al aumen o del Ra e Limi y unido al aba a amien o de la API.
En es e momen o decidimos e oma el uso de la API y enlaza lo, ya inalmen e,
con el es o del p oyec o. Sin emba go es as ac ualizaciones inie on acompañadas
de ue es cambios en la implemen ación de la API. Lo que implicó ealiza una
mig ación de la misma a la e sión más ecien e de la API pa a pode u iliza la. La
ac ualización de la API ue de la e sión 0.27.0 a la e sión 1.13.3.
T as mig a co ec amen e la e sión de la API se consiguió ejecu a sa is ac o-
iamen e la o alidad del p oyec o haciendo uso del LLM. Sin emba go la elocidad
no e a, ni mucho menos, a iempo eal, la can idad de pe iciones que se hacian e a
g ande, al ededo de 2 decenas po Agen e po imes ep. Vimos que había a ias a-
ses de la simulación que se podían op imiza , ejecu ando en una única consul a más
de una pe ición que hicie a SimulAgen s y así educi signi ica i amen e el iempo
de simulación. Es e ipo de mejo as plan eámos implemen a las en caso de que nos
diese iempo.
Po conclui , la selección del modelo de lenguaje conlle ó la p ueba de dis in as
opciones, an o p i adas como públicas, encon ando p oblemas desde el e sionado,
la calidad gene a i a y los equisi os en el iempo de espues a, lle andonos inál-
men e a queda nos con la opción inicial. La API de OpenAI. Elección que, g acias
al desa ollo acele ado en el campo de la IA a dado esul ados bas an e más a o-
ables de lo espe ado. Bene iciándonos de elocidades inc emen adas de espues a y
de calidades gene a i as mayo es a la ez que el cos e de ejecución se educía.
Po ello c eemos que es a he amien a solo e á mejo as con el iempo desde el
pun o p esen e.
3.3. P oblemas encon ados
En es a sección se a a án algunos de los p oblemas su gidos du an e el desa-
ollo de odo el p oyec o. Teniendo en cuen a el plan eamien o inicial, y debido a
que el ema a ado en es e abajo es una in es igación no edosa implemen ada
po e ce os, su gie on a ios p oblemas e imp e is os que u imos que supe a y
esol e .
76 Capí ulo 3. Plan eamien o de la Solución
cuen a odos los p oblemas encon ados, ealizando las econside aciones y ajus es
necesa ios, se e mina con un sis ema más obus o, usable y amigable.
Po an o, en la igu a 3.2, se ap ecia, a g andes asgos, cómo ha cambiado el
sis ema desde el pun o de is a del diseño a al o ni el, lle ando a cabo los cambios
p e iamen e mencionados en las secciones pasadas.
Figu a 3.2: Diseño del sis ema inal as las adap aciones
Aho a, como se puede e , hay un pun o único de in e acción en e el usua io
y el sis ema, que es median e la in e az. Así, in e ac uando con la in e az los
usua ios son capaces aho a de hace lo mismo que an es y más, con las ex ensiones
implemen adas.
Median e es a in e acción, los usua ios pueden ejecu a odos los comandos, e
las simulaciones, c ea las e in e ac ua con ellas lib emen e.
El lujo de ejecución aho a es algo di e en e:
1. El usua io in e ac úa median e la in e az decidiendo la acción que desee.
2. Si el usua io desea ejecu a un comando de la simulación, se cap a á median e
la in e az, se edi igi á al backend de django, el cual ges iona á la llamada
al ges o de comandos (nos pe mi e ejecu a comandos mien as la aplicación
sigue uncionando) y es a se enca ga á de llama al backend de e e ie pa a
que ejecu e el comando.

3.4. Conclusión inal 77
3. El backend de e e ie de ol e á la ejecución del comando a Django.
4. Al igual que an es, Django p ocesa á es a in o mación y la de ol e á a la
in e az, donde el usua io pod á isualiza la y ol e a in e ac ua con es a
nue a in o mación.
Cap´
ı ulo 4
Ex ensiones al P og ama O iginal
Una ez comen adas las mo i aciones, obje i os y plan eamien o de abajo, se
a a án los pun os en los que se ha abajado pa a log a la ealización del p oyec o.
En es e capí ulo se incide en las ex ensiones y cambios ealizados, a ados a bajo
ni el y desde un pun o de is a écnico.
4.1. Adap ación pa a la ejecución de comandos des-
de la in e az
Como se ha comen ado en a ias ocasiones, siguiendo el obje i o p incipal de
democ a iza el uso de es a he amien a pa a pe iles no ecnológicos como psicó-
logos u o os p o esionales, uno de los desa íos e a hace la aplicación disponible
únicamen e desde la in e az, de modo que los usua ios in e ac úen con la in e az
pa a ealiza odas las acciones.
O iginalmen e, si los usua ios que ían elegi una simulación, ejecu a la o gua -
da la, po ejemplo, debían ejecu a es as acciones desde la e minal. Es o pod ía se
una ba e a de en ada pa a cie os usua ios que no es én amilia izados con es as
ecnologías. El obje i o e a hace la accesible desde la in e az únicamen e.
Pa a consegui lo, se plan ea on cie as opciones. T as in es iga las, se omó la
decisión de op a po la opción ep esen ada en el diag ama de la igu a 4.1, ya
que no implica ía cambia la a qui ec u a ac ual de la aplicación, en la cual son
los comandos ejecu ados en la e minal del backend los que indican las acciones a
ealiza y ma can las llamadas al modelo de lenguaje.
Como se ap ecia en el diag ama, ealmen e siguen exis iendo las llamadas de
los comandos, pe o se edi ecciona pa a que se ejecu en desde la in e acción con la
in e az.
79
80 Capí ulo 4. Ex ensiones al P og ama O iginal
Figu a 4.1: Diag ama del es ado de los comandos ac ualmen e
El lujo siemp e comienza desde la p opia in e az, el F on End. Median e es a
se hacen pe iciones a django, que es el p ime o de los back ends, el que se enca ga
de ca ga los da os, edi igi las is as y comunica se con el segundo de los backends
(el que hemos llamado Re e ie en el diag ama). T as las llamadas a Django, es e
se comunica á con una nue a clase, conocida como Re e ieComm, pa a ejecu a los
comandos median e el uso de pipes. La comunicación con es os Pipes se ealiza desde
el Re e ieSe e . Pe o pa a pe mi i es a comunicación sin a ec a al uncionamien o
de Re e ieSe e , se u o que hace la edi ección de las en adas y salidas es ánda
a los Pipes co espondien es. Es o se hace po medio del iche o en i onmen / on-
end_se e /endpoin /backendW app.py, que se enca ga de ges iona la ape u a y
cie e de es os Pipes, la edi ección y de olca la in o mación ela i a a excepciones
en un iche o no mal llamado e e ieE o .
De es a mane a, log amos soluciona el p oblema de que los usua ios engan
que in e ac ua di ec amen e con la e minal y al mismo iempo no modi icamos la
a qui ec u a, ya que los comandos segui án siendo ejecu ados.
4.2. In e acción o al con el sis ema median e la in e az g á ica 81
4.2. In e acción o al con el sis ema median e la in-
e az g á ica
Uno de los e os pa a hace el sis ema ácilmen e usable ue el cambia la a qui-
ec u a y diseño de la aplicación pa a que odas las acciones se ealizasen a a és
de la in e az g á ica.
Conside amos es o algo cen al, ya que es uno de los pila es del p esen e abajo,
y algo que ealmen e apo a alo y ayuda a odos los pe iles como psicólogos, que
sin sabe cómo u iliza la aplicación, en unos minu os pueden es a expe imen ando
con ella.
Es po ello, que a con inuación, en las siguien es ablas, e emos la di e encia
de cómo se hacían an es las acciones que ya es aban inicialmen e implemen adas, y
cómo se hacen aho a con las modi icaciones (en es as ablas solo se incluyen un-
cionalidades que ya es aban o iginalmen e disponibles en el sis ema o iginal, no las
nue as implemen adas en el p esen e abajo):
Funcionalidad An es Después
C ea simulación En la e minal, inse a el
nomb e de una simulación
base (con pe sonajes
p ede e minados), elegi el
nomb e de la nue a
simulación y c ea la
simulación
Desde la in e az, i a la
pes aña de 'C ea
simulación', ellena las
pe sonalidades de los
pe sonajes deseados y clica
en 'Empeza simulación',
au omá icamen e se edi ige
a la ejecución
Tabla 4.1: Di e encias en e c ea simulación an es y después
Como se puede e en la abla 4.1, inicialmen e la a ea de c ea una simulación
e a algo más complejo. Los usua ios debían acudi a la e minal, y ahí selecciona
una simulación base, la cual no pe mi ía cambia el núme o de pe sonajes ni la pe -
sonalidad de los mismos. Aho a, median e la in e az, se pod á selecciona ácilmen e
el núme o de pe sonajes y la pe sonalidad, con ex o y expe iencias de cada uno.
Funcionalidad An es Después
Ejecu a simulación Una ez c eada una
simulación, i a la e minal
y ejecu a el comando ' un
<núme o de s eps>', luego,
i a la in e az y e el
esul ado de la ejecución
En la pan alla de ejecución
de simulación, da le al
bo ón de un indicando el
núme o de s eps deseados,
el esul ado se e á en la
in e az di ec amen e
Tabla 4.2: Di e encias en e ejecu a simulación an es y después

82 Capí ulo 4. Ex ensiones al P og ama O iginal
En la abla 4.2 se ap ecian las di e encias de cómo e a an es ejecu a la simulación
y cómo es aho a. Simila a como ocu ía al c ea la, lo que hemos hecho es e i a que
los usua ios engan que acudi a la e minal a ejecu a los pasos de la simulación,
sino que se pueda hace di ec amen e desde el on end.
Funcionalidad An es Después
Susu a a un agen e Con la simulación
co iendo, ejecu a en la
e minal el comando
'whispe <nomb e del
pe sonaje><mensaje>'
i di ec amen e al bo ón de
susu o de cada pe sonaje
y añadi el mensaje
deseado
Tabla 4.3: Di e encias en e susu a a un agen e an es y después
En la e ce a de las ablas, la 4.3, emos cómo cambia la mane a en la que
susu amos a los agen es. Aho a es mucho más sencillo, desde la in e az se busca á
el agen e con el que nos que emos comunica y se en ia á el mensaje a a és de un
modal. An es, sin emba go, e a necesa io in oduci ambién el nomb e del pe sonaje
desde la in e az.
Funcionalidad An es Después
Gua da simulación En el modo ejecución de
simulación, al conside a la
e minada, ejecu a el
comando ' in'
Al e mina , desde la
página de ejecución de la
simulación, end emos la
opción de gua da pa a e
la demo o gua da pa a
con inua la simulación
Tabla 4.4: Di e encias en e gua da simulación an es y después
En cuan o a las di e encias a la ho a de gua da una simulación, se pueden e en
la abla 4.4. A pesa de que an es e a sencillo gua da las, había que hace lo desde la
e minal ambién. Aho a, hemos eliminado eso, además de que se pod á elegi en e
gua da pa a e ( edi ige a la pes aña de isualiza ) y gua da pa a con inua (que
edi igi á a la pan alla de con inua simulación, pa a que se siga con la ejecución).
Funcionalidad An es Después
Sali sin gua da En el modo ejecución, si
aho a no se quie e gua da la
simulación, el usua io debe ía
ejecu a el comando 'exi '
Al inaliza la simulación, si
no se desea gua da , en la
página de ejecución de
simulación se clica á el bo ón
de 'Sali sin gua da '
Tabla 4.5: Di e encias en e sali sin gua da simulación an es y después
4.3. Funcionalidad de cha con los agen es en iempo eal 83
Simila a lo que ocu ía con el caso de gua da , enemos el caso de sali sin
gua da , ep esen ado en la abla 4.5. En es e caso, en luga de gua da , simplemen e
salimos de la ejecución de la simulación, sin gua da la simulación y edi igiendo al
usua io a la página de landing.
Funcionalidad An es Después
Ve una demo I al iche o
'comp ess_sim_s o age.py'y
ejecu a la unción comp ess,
seleccionando la simulación
deseada que se quie a
comp imi . Una ez hecho
es o, pega en el na egado el
nomb e de la simulación
comp imida, así como el s ep
desde el que se quie e
isualiza y la elocidad de
ep oducción, en onces, se
mos a á po pan alla
En la página de 'Visualiza
simulación'selecciona la
simulación que se desea e ,
la elocidad de ep oducción
y el s ep desde el que se desea
e . Una ez seleccionado, se
edi igi á au omá icamen e a
la página de isualización
Tabla 4.6: Di e encias en e e una demo de simulación an es y después
Finalmen e, el caso de isualiza la demo de una simulación, e lejado en la abla
4.6. An es e a muy compleja la ealización de es a acción. Los usua ios debían eje-
cu a una unción pa a comp imi las simulaciones, encon a las simulaciones en su
p opio disposi i o y pega la di ección u l di ec amen e en el na egado . Es o esul-
aba muy complicado pa a el usua io. Aho a, simplemen e gua dando pa a isualiza
en el u u o, los usua ios pod án accede desde la página de 'Visualiza simulación'a
odas las simulaciones que engan gua dadas y así pode isualiza las di ec amen e,
con un simple click, el es o de acciones son ealizadas au omá icamen e.
4.3. Funcionalidad de cha con los agen es en iem-
po eal
Una de las uncionalidades no edosas que no exis ían inicialmen e en el sis ema
o iginal es la de cha ea con los dis in os agen es en iempo eal. Es o es, a medida
que se a ejecu ando la simulación, los usua ios pod án pausa la e in e ac ua con
cada uno de los agen es median e un cha . Se dice que es e cha es en iempo
eal ya que, dependiendo del momen o en que el usua io pause la simulación, el
agen e man end á odos los ecue dos y se pod á in e ac ua con él, dando espues as
basadas en es os ecue dos y conocimien os.
Un caso de ejemplo de es a uncionalidad es si deseamos e cómo un pe sonaje
a madu ando y desa ollando una idea a lo la go de la simulación. Inicialmen e,
84 Capí ulo 4. Ex ensiones al P og ama O iginal
el usua io pod ía indica al agen e que iene cie a c eencia o pensamien o muy
a aigado, y du an e la simulación, o za si uaciones pa a que es e agen e se ea
expues o a o os pun os de is a que puedan modi ica sus pensamien os.
A medida que el agen e se e expues o a cie as si uaciones, puede se que cambie
pa e de sus pensamien os y/o c eencias. Po ello, es muy in e esan e es a unciona-
lidad de cha .
Si al p incipio de la simulación el usua io in e ac uase con el agen e, es e le
di ía el pensamien o que an ue emen e había a aigado a su pe sonalidad an es de
comenza la simulación. Sin emba go, a medida que a anza el iempo, si se in e ac úa
con el agen e o as eces, puede que de espues as di e en es y se ea cómo las ideas
pueden i cambiando y madu ando.
La idea inicial de es a nue a uncionalidad e a la de pe mi i a los usua ios como
psicólogos puedan ap ecia es os su iles cambios en las men alidades y aspasa es e
conocimien o a casos de humanos eales.
Además, o os casos eales de uso puede se el es udio del esul ado que end ía
ealiza cie as acciones en algunas pe sonas con cie a pe sonalidad y e cómo a
a anzando el cambio en sus acciones, pa a sabe qué con e saciones debemos ene
con las pe sonas pa a pode ees uc u a su pe sonalidad ex ayendo los esul ados
de es e expe imen o.
4.4. He amien as pa a e alua consumo de Tokens
con el LLM
Se ha ag egado al p oyec o cie as u ilidades que pe mi en e alua el consumo
de okens po cada ipo de p omp que necesi a el sis ema. Es o pe mi e e alua en
qué consul as se ob iene la mayo ca ga de abajo a la ho a de in e ac ua con el
LLM.
Las u ilidades en sí equie en de la a iable de en o no olca = ue pa a que se
gene en los a chi os con los da os. Dichos a chi os se encuen an en SimulAgen s/-
e e ie/backend_se e /logs/ okens. x .
Se a a de un a chi o .cs donde se encuen an los da os en el siguien e o ma o:
To al de okens, Tokens Inpu , Tokens Ou pu , Tipo de Consul a que lo
gene a
Pa a la implemen ación se han añadido unciones en cada llamada al LLM que
egis an la can idad de Tokens.
Se ha ap o echado la es uc u a pa a gene a p omp s que se han en iado al
4.5. Funcionalidad de esúmenes de las simulaciones 85
modelo con la espues a ob enida, dichos p omp s se ubica án en SimulAgen s/ e-
e ie/backend_se e /logs/p omp s/. Y se empeza án a gene a con la a iable de
en o no olca = ue
4.5. Funcionalidad de esúmenes de las simulaciones
O a de las uncionalidades no edosas espec o al sis ema inicial es la de gene-
ación de esúmenes au omá icos al inaliza una simulación. Es a uncionalidad es
o a de la que imos con mayo sen ido, ya que pe mi i á apo a un con ex o a las
simulaciones gua dadas, pa a pode dis ingui las a simple is a.
Es a uncionalidad se pone en ma cha au omá icamen e cuando el usua io gua da
una simulación pa a isualiza la más a de. Como se eía en la sección an e io ,
cuando se gua da una simulación pa a isualiza la demo, lo que se hace in e namen e
es que la simulación se comp ime median e un sc ip de py hon, el cual pe mi e que
se ean los pe sonajes co ec amen e y se pueda ges iona la simulación pa a se
isualizada.
Una ez se comp ime la simulación, se ap o echa y se ealiza una llamada al
modelo de lenguaje, pasando las memo ias de odos los pe sonajes con sus pun os
de is a. Lo que ha á el LLM con oda es a in o mación es ex apola odo lo que ha
ido sucediendo du an e la simulación, ecogiendo así los momen os más in e esan es
y gene ando un esumen que se á mos ado con el es o de la in o mación en la is a
de isualiza simulación.
El alo undamen al que apo a es a nue a simulación es que, si un usua io
gua da a ias simulaciones simila es y se ol ida de lo que había hecho, solamen e
iendo el nomb e se ía muy di ícil dis ingui las. Sin emba go, con los esúmenes
au omá icos, pod á lee di ec amen e es a sín esis y así dis ingui ápidamen e una
simulación de la o a.
Es os esúmenes solamen e se gene an al gua da pa a simula po dos mo i os:
el p ime o es que se comp ime la simulación y es más sencillo pasa es a nue a
in o mación al modelo de lenguaje, y la segunda es que si un usua io gua da una
simulación pa a con inua la, signi ica que no la ha e minado comple amen e, sino
que la quie e bi u ca a pa i de ese pun o, po lo que no se a a gene a un esumen
de una simulación que no es á conside ada como e minada.
4.6. C eación desde 0 de una simulación
El sis ema que habíamos he edado p opo cionaba una se ie de a chi os que e-
p esen aban cie as con igu aciones p ede inidas de pe sonajes pa a la simulación.
92 Capí ulo 5. In e az
Figu a 5.6: Ve sión de mó il de la is a pa a c ea una nue a simulación

5.2. Nue as is as 93
5.2.2. Vis a de Visualiza simulaciones
En es a is a es donde los usua ios pueden selecciona las simulaciones a isua-
liza . Es o es, las que se han ejecu ado y gua dado pa a isualiza las p e iamen e.
Una ez se selecciona una de es as is as, se accede a la in e az de isualización de
una simulación, la cual es á explicada en p o undidad en la subsección 5.3.2.
Como ejemplo, se p opo ciona la igu a 5.7 indicando cómo apa ece es a is a
ep esen ada en la página web. En es e caso, ambién exis e un diseño adap ado
a disposi i os mó iles, pe o al se simila a la e sión de esc i o io, se omi e po
simplicidad.
Figu a 5.7: Vis a de isualiza simulaciones en o ma o esc i o io
94 Capí ulo 5. In e az
Es a e a una de las in e aces que no exis ían y enían mucho sen ido en nues a
aplicación. An es, el usua io debía in e ac ua di ec amen e con los iche os y accede
a sus simulaciones median e la e minal, aho a es o se ges iona au omá icamen e y
se puede accede median e un pa de clicks, mejo ando así la expe iencia de usua io,
cen ando el diseño en el usua io inal del sis ema.
En es e lis ado de simulaciones inalizadas, se mues a in o mación ú il pa a el
usua io como el í ulo de la in o mación, el í ulo de la simulación pad e (pa a que
el usua io pueda accede a ella y con inua la o modi ica la), el s ep desde el que se
desea comenza a isualiza la simulación o la elocidad de ep oducción de es a.
Además de es a in o mación, ambién se gene a un esumen au omá ico median e
una llamada al LLM cada ez que se gua da una simulación, el cual se incluye en
cada una de las simulaciones, indicando a g andes asgos lo que ocu e y los s eps
más in e esan es a isualiza .
5.2.3. Vis a de Con inua simulación
La is a de con inua simulación es cie amen e simila a la an e io de isuali-
za simulación, ya que ambién hab á una lis a con simulaciones. Sin emba go, la
di e encia c ucial en e las simulaciones que se pueden e y aquellas que se pueden
con inua , es que en las segundas, el usua io pod á in e ac ua di ec amen e con la
simulación y al e a el cu so de la misma.
De nue o, es una is a que enía sen ido que exis iese, ya que son uncionalidades
que es aban muy escondidas y e an di íciles de ejecu a an e io men e, y lo hemos
simpli icado, pe mi iendo accede a ellas median e una in e az in ui i a y ácil de
usa .
En es e caso, dado el lis ado de simulaciones, los usua ios end án la opción de
con inua la simulación o o kea la, comen a emos las di e encias:
Cuando se con inúa una simulación, es a sigue con el mismo nomb e y se con inúa
siemp e desde el mismo s ep. Es a uncionalidad ya es aba disponible, y si e pa a
con inua una simulación desde el pun o en el que el usua io lo había dejado, como
indica el nomb e.
Sin emba go, al o kea una simulación, se c ea á una nue a, omando como
base la o iginal. Es po es e mo i o po el cual, cuando un usua io a a o kea una
simulación, se le pide el s ep desde el que quie e o kea la y se pide que se dé un
nomb e nue o (ya que se á gua dada como una nue a simulación en la lis a).
En la igu a 5.8 se puede ap ecia el esul ado de es a is a, donde se en una se ie
de simulaciones que es án ac ualmen e disponibles en la aplicación pa a con inua ,
así como el núme o de s eps que es as ienen, el nomb e de la nue a simulación y
más in o mación sob e la simulación en sí (como la du ación o los iempos de la
simulación).
5.2. Nue as is as 95
Figu a 5.8: Vis a de con inua simulaciones en o ma o ec i o io
5.2.4. Vis a de Guía de Usua io
Además de las is as c eadas pa a na ega e in e ac ua con las simulaciones,
se ha c eado una página que si e como guía de usua io, que se á de u ilidad pa a
nue os usua ios de la aplicación, esol iendo cualquie ipo de dudas ace ca de los
p ocesos que se pueden ealiza con la aplicación o explicaciones sob e las is as
exis en es y cómo usa las.
Como el uso de es a he amien a lo hemos o ien ado a pe iles no écnicos (como
psicólogos o pe sonas que quie an es udia las in e acciones sociales), se ha aña-
dido es a sección en la que se explican odas las uncionalidades de la aplicación,
cómo u iliza las y algunos ucos o consejos de uso, pa a maximiza el alo de la
aplicación.
En es a guía se hace un epaso ex ensi o de las is as exis en es en la aplicación,
cómo usa las y pa a qué si e cada uno de los bo ones.
Algunos ejemplos de es a página son los que se mues an en la igu a 5.9
96 Capí ulo 5. In e az
Figu a 5.9: Vis a de la guía de usua io en e sión esc i o io
5.3. Vis as modi icadas
Además de las is as c eadas desde ce o, había algunas que ya es aban c eadas
(como las de la isualización o ejecución de la simulación, que eque ían de un mo o
de ideojuego co iendo). Sin emba go, pa a añadi cie as uncionalidades, ambién
se han modi icado, las cuales se indican en la p esen e sección.
5.3. Vis as modi icadas 97
5.3.1. Vis a de landing
Es a is a se pod ía conside a como nue a, ya que ue modi icada po comple o
pa a el p opósi o de es e abajo.
O iginalmen e, cuando el usua io a ancaba el se ido , exis ía una página de
landing a la que se le edi igía, donde solamen e se indicaba que el se ido se en-
con aba en uncionamien o con un ex o. Como es a página e a muy udimen a ia y
an solo con enía una línea de in o mación, se decidió ediseña la landing comple a-
men e, indicando las p incipales uncionalidades de la aplicación desde una in e az
in ui i a, sencilla y accesible.
Como se puede ap ecia en la igu a 5.10, hay una b e e explicación del abajo
y algunas a je as con la in o mación más impo an e de lo que puede hace es a
aplicación. Se a a de una págia me amen e in o ma i a desde la que el usua io
puede na ega hacia el es o.
Figu a 5.10: Vis a de landing ac ualizada

98 Capí ulo 5. In e az
5.3.2. Vis a de isualización de una simulación
Es a es una de las dos is as p incipales que ya exis ían en la aplicación ini-
cialmen e. Es a is a, así como la de ejecución de simulación, exis ían pa a que el
usua io pudiese e la simulación y lo que es aba ocu iendo, no es aban pensadas
pa a que el usua io in e ac uase con ellas y deja ían de ene sen ido una ez se
pausase la simulación.
Sin emba go, como hemos cen alizado odo en un on end común, es as is as
aho a se con ie en en algo c ucial. Lo más impo an e de es as is as es que cogen la
in o mación de la simulación y u ilizan el mo o de juegos Phase 3.0 pa a ep esen a
el mapa, los pe sonajes y sus mo imien os.
El abajo que hemos ealizado en es a is a ue básicamen e el de simpli icación
de la misma (eliminación de bo ones pa a e el es ado en p o undidad de los pe -
sonajes) así como la in eg ación de es a is a con el es o de la aplicación (añadido
el na ba pa a na ega en ella).
Un ejemplo de es a is a es el de la igu a 5.11, en la que se isualiza la simulación
con nomb e ñue aSimu’, la cual iene 3 pe sonajes, de los cuales se puede e su
es ado y si uación en cada momen o.
Figu a 5.11: Vis a de isualización de una simulación
5.3. Vis as modi icadas 99
5.3.3. Vis a de ejecución de simulación
Como ya se mencionó, es a is a es bas an e simila a la comen ada en el apa ado
an e io . E a una is a que ya exis ía, ep esen ando la ejecución de una simulación
en iempo eal, con el mismo mo o de juegos que se usa a la ho a de isualiza una
simulación, Phase 3.0.
No obs an e, en es a is a sí que hemos modi icado a ios elemen os y añadido
uncionalidades c í icas en es a is a, pa a que el usua io pueda ene una mayo in-
e acción con el sis ema en iempo eal. En e es as modi icaciones es án los bo ones
de gua da , sali , cha y susu o, de los cuales habla emos a con inuación.
Además, hemos decidido elimina la ba a de na egación de es a página, ya que
conside amos que el usua io solo debe sali de es a página si es gua dando o saliendo
de la p esen e simulación (ya sea gua da pa a e la, pa a con inua la o elimina la).
En la igu a 5.12 podemos e un ejemplo de es a página en ejecución, en la cual
emos una nue a simulación c eada po noso os, donde hemos añadido dos agen es.
Figu a 5.12: Vis a de ejecución de una simulación
100 Capí ulo 5. In e az
Las modi icaciones que hemos ealizado en es a página de ejecución de la simu-
lación se explican a con inuación en de alle:
5.3.3.1. Bo ón de ’play’
Pa a empeza , se dis inguen dos es ados de la simulación. Cuando la simula-
ción es á co iendo en segundo plano, se pod á hace un de la simulación, pe o
no se pod á in e ac ua di ec amen e con los pe sonajes ni gua da ni sali de la
simulación.
Cuando se ca ga la página o cuando el usua io pulsa es e bo ón de ’play’, la
simulación en a á en es e modo, en que es á co iendo en segundo plano, y se
indica á con el ex o en colo e de de ’La simulación se es á ejecu ando’, como se
mues a en la igu a 5.13.
Figu a 5.13: Tex o indica i o de que la simulación es á ejecu ando en segundo plano
5.3.3.2. Bo ón de ’pause’
Po o o lado, exis e o o es ado en que la simulación es á pa ada, po lo que no
se puede ejecu a el bo ón de ’ un’, pe o sí se pod á gua da , sali , cha ea o susu a
a los pe sonajes. Es o se puede e en el apa ado encima de «Cu en ime» en la
igu a 5.12, donde se ap ecia en ojo el ex o ’La simulación es á pa ada’.
5.3.3.3. Bo ón de ’ un’
An es, pa a ejecu a s eps de una simulación, e a necesa io i a la e minal y
ejecu a el comando ’ un <núme o de s eps>’. Aho a, hemos implemen ado un
bo ón de ’ un’, si uado al lado de un inpu de ipo núme o, que indica á el núme o
de s eps a ejecu a .
Po ejemplo, si el usua io quie e ejecu a 3 s eps, inse a á el núme o en el inpu
y le da á a play, ejecu ando así 3 s eps y pudiendo e los en iempo eal en la en ana
que con iene la simulación.
5.3. Vis as modi icadas 101
5.3.3.4. Bo ones de gua dado y salida
Una ez el usua io conside a que ha e minado la simulación, iene 3 di e en es
opciones, que se i án pa a dis in as inalidades, explicadas a con inuación:
Gua da pa a e : Si el usua io desea gua da la simulación y que es é
disponible en e aquellas que se pueden isualiza (desde la página de isua-
liza simulación) debe á da le a es e bo ón. Una ez clicado, se gua da á la
epe ición, la simulación ambién es a á disponible pa a se con inuada y se
edi igi á al usua io a la página de " isualiza simulación", pa a que pueda
e la nue a epe ición.
Gua da y sali : Si el usua io quie e gua da la simulación, pe o no la e-
pe ición, debe á clica es e bo ón. Al hace lo, se gua da á la simulación pa a
pode con inua la o o kea la, y se edi igi á al usua io a la página de con inua
simulación.
Sali sin gua da : Al pulsa es e bo ón, el usua io conside a que ha e minado
la simulación y no desea gua da la. Po lo an o, se le edi igi á a la página
de landing y la simulación se elimina á del sis ema. Es a es una uncionalidad
nue a ya que no es aba implemen ada en el sis ema o iginal.
5.3.3.5. Bo ones de cha y susu o en la is a del pe sonaje
Es os bo ones es án en la sección de pe sonajes. En cada a je a de pe sonaje,
hab á un bo ón de cha y o o de susu o. Al clica en ellos au omá icamen e se
de ec a á el pe sonaje al cual se quie e susu a o con el que se quie e cha ea en
cada caso, y se p ocede á a ello.
Es as dos uncionalidades son el ejemplo más cla o y di ec o que hay en odo el
p esen e abajo del uso del p ocesamien o del lenguaje na u al, que se comen a en
el capí ulo 2 (el Es ado de la Cues ión). De odo el sis ema, es la única uncionalidad
que pe mi e in e ac ua di ec amen e con el modelo de lenguaje, el cual in e p e a á
el lenguaje na u al y lo p ocesa á pa a de ol e una espues a. En el caso del cha , se
comp ende la pe ición del usua io, se in e p e a, y se de uel e una espues a sob e
lo que esponde el agen e. Po o o lado, pa a el susu o, el usua io in e ac ua á
indicando una o den o di ec iz y el sis ema la in e p e a á pa a que el usua io la
enga en cuen a y la ealice en los siguien es s eps de la simulación.
El bo ón de susu o pe mi e habla di ec amen e a los pensamien os del pe so-
naje e ins a le a oma cie as decisiones o ealiza cie as acciones. Es a e a una
uncionalidad p eexis en e pe o la hemos pasado comple amen e al on . Se puede
e en la igu a 5.14, cómo el usua io susu a al pe sonaje de Ca men O iz cómo
debe eacciona y ac ua a pa i de ese momen o en la simulación, implemen ándolo
así en su pe sonalidad.
108 Capí ulo 6. Conclusiones y T abajo Fu u o
6.3. T abajo u u o
A pesa de que cumplimos los obje i os y equisi os especi icados al inicio del
desa ollo, ambién es cie o que a medida que se p og esaba con el abajo, iban
su giendo cie as ideas que hab ían enido un impac o posi i o en el p oyec o si
hubiese habido su icien e iempo pa a implemen a odas.
La decisión que omamos a mi ad de desa ollo ue la de p io iza cie os obje i os
y cumpli los que se habían p opues o pa a el ma co de es e p oyec o. Una ez
ealizada es a p io ización, hubo algunos de los obje i os que se queda on ue a del
desa ollo po al a de iempo, a pesa de lo in e esan es que pod ían llega a se .
A con inuación, se mues a una lis a con algunos de los obje i os que nos hab ía
gus ado implemen a y que son buena idea pa a ealiza abajos u u os:
Elección y cambio de mapa: Dado el con ex o necesa io, pod íamos hace
que los pe sonajes es u iesen desconec ados del mapa. Sin emba go, al y como
es aba inicialmen e el sis ema, cada pe sonaje se encon aba es echamen e
a aigado al mapa, ya que pa es del p opio mapa enían los nomb es de los
pe sonajes. Una ez que se ha conseguido sepa a a los pe sonajes del mapa,
hab ía sido buena idea c ea algún o o mapa al e na i o, o pe mi i a los
p opios usua ios que c een sus p opios mapas. Es o no u o an al a p io idad
ya que, como comen amos, los p opios usua ios pueden hace que los agen es
sean agnós icos del mapa en el que es án y simulen cualquie o o espacio.
Pe sonalización de los pe sonajes: Como se comen ó en la sección 3.3.5, el
g an p oblema de los pe sonajes es que es aban di ec amen e ligados al mapa,
y el nomb e de es os e a sumamen e impo an e pa a gua da las simulaciones
y que uncionase co ec amen e. Sin emba go, al añadi nue os mapas, ambién
se pod ía cambia es o, y pe mi i a los p opios usua ios que elijan los nomb es
de los pe sonajes, así como elegi o edi a cómo se e án cada uno de ellos.
Mejo a de la in e az g á ica:A pesa de que se ha ealizado un diseño espe-
cí ico pa a las uncionalidades de la aplicación, se pod ía habe expe imen ado
con o a gama de colo es o ecu sos es á icos pa a es ila las di e en es páginas
de la aplicación, y la in es igación con es o es sin duda un pun o a mejo a en
el u u o.
In e acción di ec a con el en o no: En la aplicación o iginal se pe mi ía
modi ica cie as pa es del en o no. Es deci , se podía coge un obje o y
cambia su es ado (po ejemplo, deci que la cama de un pe sonaje es aba
en llamas y e cómo eaccionaban), sin emba go, aduci es o a la in e az
e a sumamen e complicado, ya que hab ía que en a en la implemen ación de
Phase , que se econozca cada obje o con los clics y luego ealiza la consul a
de la modi icación del en o no con el backend. Es un obje i o ambicioso que
se ía muy in e esan e de e y apo a ía mucho alo a la aplicación.

6.3. T abajo u u o 109
Lib e elección de LLM: T as in es iga mul i ud de modelos de lenguaje
y p oba con ellos, llegamos a la conclusión de que a día de hoy, con las
condiciones que enemos, la opción menos mala pa a ejecu a es e sis ema
es median e el uso de la API de OpenAI. Es a no pe mi e ealiza muchas
llamadas, pe o que es una de las pocas que comp ende cómo p ocesa la en ada
que en iamos y que unciona bien a día de hoy. Se ía in e esan e en el u u o
que los p opios usua ios puedan in oduci sus modelos de lenguaje que engan
ins alados en sus o denado es, o que puedan u iliza cualquie o a API que
engan a su disposición.
Más esúmenes: Además de los esúmenes que se ealizan au omá icamen e
al gua da una simulación, se ía buena idea que se gua dasen una mayo can i-
dad de esúmenes pa a ayuda a los usua ios a ubica cada simulación. Pod ía
se una buena idea ene esúmenes que indiquen en qué imes amps ocu en
los e en os más in e esan es, o que se ealice un esumen po cada uno de los
pe sonajes de la aplicación au omá icamen e.
Bi u cación de simulaciones en cualquie ins an e de iempo
Con el obje i o de b inda una he amien a que pe mi a c ea si uaciones
pseudo-sociales ealis as con el in de analiza los enómenos de di e sidad de
si uaciones, imos un in e és singula en pe mi i la bi u cación de las simula-
ciones ya hechas en cualquie momen o del iempo.
Con es o se log a la posibilidad de explo a escena ios al e na i os desde pun-
os c í icos en el iempo que, unido a la sín esis o ecida po los esúmenes, ab e
la pue a a ealiza simulaciones que gene en si uaciones imp e is as, aunque
de in e és, y que una ez esumidas sean de ec adas y obje o de bi u cación
pa a obse a el compo amien o del sis ema an e cambios p o is os po el
usua io.
La implemen ación de es a uncionalidad implica gua da la in o mación nece-
sa ia del sis ema en cada momen o del iempo. De o ma que se pueda eplica
cualquie momen o del iempo del sis ema.
La o ma ingenua de hace lo es eplica la in o mación exis en e en cada mo-
men o del iempo. Es e en oque es imposible en la p ác ica debido al amaño
de memo ia que ocupa ía una sola simulación. Es imando un poco, en base
a una simulación de 3 agen es y un o al de 24 ho as, es deci , 8640 s eps y
ocupando un o al de 57 MB. Si asumimos que el c ecimien o en espacio es
lineal espec o al nume o de s eps, y lo es, es o implica ía un cos e cuad á ico
de espacio en el iempo simulado. Lle ando la simulación de 24 ho as de iem-
po a ap oximadamen e 1653 MB de espacio. Lo cual no es iable, más aún
habiendo mejo es o mas de plan ea la solución.
Conclusions and Fu u e Wo k
In he p esen wo k, a sys em has been de eloped ha allows access o mul i-
agen simula ion o he s udy o social ela ionships and he in es iga ion o he
eme gence o social phenomena. This will make i a e y use ul ool o any ype
o use wi hou compu e knowledge, such as psychologis s (especially in e es ed
in social simula ions), o analyze simula ed human beha io and p edic ce ain
si ua ions.
This chap e desc ibes h ee subsec ions. The i s one is a kind o discussion
whe e, a e p esen ing he o iginal sys em in he S a e o he A chap e and
a e seeing he implemen a ions and wo k we ha e done h oughou he es o
he chap e s, we aim o show he impac ha he changes made ha e had on he
inal esul o he sys em, hus showing he di e ences in he applica ion om he
beginning o now. The second subsec ion deals wi h he conclusions a e analyzing
he wo k once comple ed. Finally, he las subsec ion del es in o some o he possible
u u e ex ensions ha would ha e been included in his wo k i he e had been
enough ime, as i would be in e es ing o see hem implemen ed in he u u e.
Di e ences be ween he O iginal and Cu en Sys em
Conside ing he unc ionali ies ha o iginally exis ed in he sys em, discussed
in dep h in sec ion 2.5.2, and knowing he se ies o de elopmen s ha ha e been
made o modi y his applica ion discussed in he p e ious chap e s, we di ide hese
modi ica ions in o wo sec ions: ex ended unc ionali ies and new unc ionali ies.
Ex ended unc ionali ies
This i s sec ion add esses he unc ionali ies ha we e al eady o iginally de el-
oped. Fo hese, he e a e some new ea u es ha ha e been implemen ed du ing he
de elopmen o his wo k ha a e based on hem o unc ion, which a e men ioned
below.
111
112 Capí ulo 6. Conclusiones y T abajo Fu u o
Whispe s o cha ac e s h ough he in e ace
As men ioned in sec ion 2.5.2, he unc ionali y o whispe ing o he cha ac e s
was al eady implemen ed in he o iginal sys em. Howe e , o do his, i was neces-
sa y o go o he e minal and om he e selec he cha ac e and he in o ma ion.
As ex ended, one will be able o access one o he cha ac e s by clicking on hei
pe sona a he bo om o he simula ion and once his is done, he e will be a bu on
whe e he use can di ec ly communica e and whispe he ac ion o pe sonali y hey
wan he cha ac e o in e p e .
This ac ion low is seen in Chap e 5 o he in e ace, mo e speci ically in sec ion
5.3.3.5, whe e he whispe bu on and he esul ing modal upon clicking his bu on
can be seen.
New iews
In addi ion o he exis ing iews, new pages ha e been c ea ed so ha he ap-
plica ion can be used exclusi ely om he g aphical in e ace, wi hou he need o
access he e minal ( his helps non- echnical people use he applica ion) and uni ying
hem all in di e en iews.
On one hand, iews such as he landing page, a page o c ea e simula ions om
he web, and o he pages o iew and con inue simula ions ha e been c ea ed so
ha one can di ec ly access hem by simply clicking. On he o he hand, exis ing
iews ha e also been en iched by adding bu ons such as whispe ing o cha ing wi h
agen s du ing he simula ion.
Fu he mo e, a na iga ion ba has been added h ough which one can na iga e
he applica ion and access all he necessa y iews o execu e and isualize simula-
ions.
New unc ionali ies
Finally, he e a e unc ionali ies ha did no exis in he o iginal applica ion
and we ha e added, hus adding alue o he exis ing sys em and ei e a ing i s
impo ance o use in psychological esea ch.
To al in e ac ion h ough he in e ace
In addi ion o wha was seen ea lie ega ding he whispe bu on o he cha -
ac e s, and con inuing wi h he main goal o b inging his ool close o less echno-
logical p o iles, an adap a ion ha has been made is ha all in e ac ions wi h he
ool can be de eloped om he on end o he applica ion.
6.3. T abajo u u o 113
P e iously, i was necessa y o c ea e a backend ins ance o know he iles ha
made up he sys em and in e ac wi h he p og am h ough he e minal. Now,
use s will be agnos ic o he implemen a ion, and when a simula ion is execu ed,
i will be c ea ed and in e ac ed wi h h ough he e minal ia he on end. This
unc ionali y is explained in low de ail in chap e 4.
Real- ime cha unc ion wi h agen s
Simila o he whispe unc ionali y, we ha e implemen ed a new ea u e whe e
use s can, in he middle o a simula ion, cha wi h any o he cha ac e s o ask hei
opinion on ce ain opics, o see how hey p og ess as he simula ion ad ances.
In his case, i di e s om he whispe as he cha in e ac ion will no in luence
he agen ’s beha io in he simula ion.
As wi h he whispe bu on, he in e ac ion low wi h he cha bu on and he
pop-up window can be seen in sec ion 5.3.3.5.
Sa ing and managing new simula ions
Rega ding he sa ing o simula ions, as i was ini ially o ganized, by using com-
mands, one could exi he simula ion execu ion, and i would be sa ed in a olde
wi hin he use ’s own sys em. The p oblem when e u ning o hese simula ions,
bo h o iew and con inue hem, was ha hey we e all sa ed in he same olde ,
making hem di icul o e ie e, as one had o add he exac name o he simula ion
h ough he console.
Now, simula ions will con inue o be sa ed in he same place and e ain he same
in o ma ion, bu o e ie e and execu e o iew hem, hey will be a ailable in a
single iew, and wi h a simple click, one can access hem o pe o m he desi ed
ac ion. Whe he o con inue he simula ion o iew i . Addi ionally, in he simula-
ion iewing sec ion, he e will also be a link ha edi ec s use s o he simula ion
om which ha eplay o igina es, so hey can modi y i as hey wish i hey wan
o expe imen wi h i .
Fu he mo e, he unc ionali y o managing new simula ions has been added, al-
lowing hem o be easily c ea ed and edi ed, as well as iewed, execu ed, o modi ied
pu ely om he g aphical in e ace.
Simula ion summa ies
To add alue and con ex o he simula ions, an au oma ic summa y gene a ion
unc ion has been added. Once he use pe o ms a simula ion and wan s o sa e i o
iew i in he u u e, wi hin he p ocess o sa ing he simula ion and comp essing he

114 Capí ulo 6. Conclusiones y T abajo Fu u o
da a, a summa y will also be gene a ed au oma ically, calling he language model
o his pu pose, indica ing a a high le el wha happened du ing he simula ion
and he momen s when he mos in e es ing si ua ions o s udy occu (momen s o
in e ac ion be ween agen s, whe e he use in e ac ed wi h hem, whe e some hing
impo an changes in he simula ion, e c.) so ha he esea che can isualize he
mos in e es ing momen s o modi y he simula ion om ha poin .
These summa ies will be a ailable once he simula ion is comple ed and sa ed,
as an indica ion o wha happened du ing i a a high le el. I a e eading he
summa y, he use wan s o modi y he simula ion, hey can ake one o he e e ence
imes and edi he simula ion om ha poin o s udy he di e ences depending on
wha changes om ce ain modi ica ions a key momen s in he simula ion.
Conclusions
The ini ial in en ion o his Final Deg ee P ojec was o democ a ize he use o a
mul i-agen simula ion sys em, which al eady exis ed p e iously, so ha p o iles such
as psychologis s could s udy social phenomena and expe imen wi h ela ionships
be ween di e en A i icial In elligence agen s.
To his end, a he beginning o his epo , we in oduced he objec i es a ound
which he de elopmen wo k would ocus. In his conclusions sec ion, we will e lec
on whe he hese objec i es ha e been me , b ie ly explaining he esul s.
Rega ding he c ea ion o simula ions by con igu ing agen s and/o he scena io,
we ha e managed o c ea e no el simula ions allowing use s o cus omize agen s
(adding hei own pe sonali ies and allowing hem o in e ac in di e en con ex s).
Howe e , he ini ial map choice ha was p oposed was no ul ima ely implemen ed,
as i would ake a lo o design and d awing wo k, which de ia es om he pu pose
o his FYP. Wha has been achie ed is ha use s a e agnos ic o he map and can
in e ac wi h i wi hou being con ined o a illage (which was he ini ial con ex o
he map).
A e he p ojec ’s de elopmen , in e ac ion wi h he agen s’ s a e is allowed,
bo h h ough he cha unc ion and he whispe unc ion. This was ano he ma ked
objec i e and has been achie ed by implemen ing he no el cha unc ionali y wi h
agen s.
The objec i e o iewing he simula ion h ough a cha ac e was p e iously im-
plemen ed in he applica ion, and he o e all simula ion iew was also. The unc ion-
ali y o summa y implemen a ion has been added, as indica ed in he hi d objec i e
o he epo , which is au oma ically gene a ed by he language model and na a es
wha has been happening h oughou he simula ion.
Now, sa ing, e ie ing, and dele ing simula ions is also allowed, hus easily
managing hei s o age. Mo eo e , he unc ionali y o con inuing simula ions o
6.3. T abajo u u o 115
c ea ing new ones om al eady exis ing ones has been implemen ed.
All hese p e iously men ioned unc ionali ies ha e also been in eg a ed in o a
common in e ace. This in e ace cen alizes all he necessa y in e ac ion wi h he
applica ion. Th ough i , use s can manage and iew simula ions and in e ac wi h
hem. The in e ace se es as an en y poin o expe ience all he sys em’s unc ions.
The in eg a ion o he applica ion wi h o he language models al e na i e o
he use ’s choice has no been implemen ed. Howe e , all exis ing calls ha e been
upda ed o hei ope a ion wi h he new OpenAI API (using he GPT-3.5 u bo
model), and he numbe o calls has been op imized o make execu ion ligh e .
Finally, a inal esul o he sys em was eached whe e we managed o mee
almos all he ma ked objec i es (once econside ed), hus democ a izing he use o
his new ool o he in es iga ion o social phenomena wi h A i icial In elligence
agen s. I is also wo h no ing ha , despi e he de elopmen being comple ed, he
cos s o ope a ing his applica ion oday wi h he OpenAI API we a e using a e
ex emely high. This is a p oblem o all mul i-agen sys ems in gene al. I in a
ew yea s his cos is educed o models small and powe ul enough o execu e his
code c edibly a e eleased, i will be a highly po en ool, bu oday’s echnological
limi a ions do no allow us o demons a e all he applica ion’s capabili ies.
Fu u e wo k
Despi e mee ing he objec i es and equi emen s speci ied a he beginning o
he de elopmen , i is also ue ha as he wo k p og essed, ce ain ideas eme ged
ha would ha e had a posi i e impac on he p ojec i he e had been enough ime
o implemen hem all.
The decision we made midway h ough de elopmen was o p io i ize ce ain
objec i es and ul ill hose ha had been p oposed wi hin he amewo k o his
p ojec . Once his p io i iza ion was done, some objec i es we e le ou o he
de elopmen due o lack o ime, despi e how in e es ing hey could ha e been.
Below is a lis o some o he objec i es we would ha e liked o implemen and
ha a e good ideas o u u e wo k:
Map selec ion and change: Gi en he necessa y con ex , we could make
he cha ac e s independen o he map. Howe e , as he sys em was ini ially
designed, each cha ac e was closely ied o he map, as pa s o he map had
he names o he cha ac e s. Once he cha ac e s we e sepa a ed om he
map, i would ha e been a good idea o c ea e ano he al e na i e map o
allow use s o c ea e hei own maps. This was no gi en high p io i y since,
as we men ioned, use s can make he agen s map-agnos ic and simula e any
o he space.
116 Capí ulo 6. Conclusiones y T abajo Fu u o
Cha ac e cus omiza ion: As men ioned in sec ion 3.3.5, he main p oblem
wi h he cha ac e s was ha hey we e di ec ly ied o he map, and hei
names we e c ucial o sa ing simula ions and ensu ing hey wo ked co ec ly.
Howe e , by adding new maps, his could also be changed, allowing use s o
choose cha ac e names and decide o edi how each one will look.
Imp o ing he g aphical in e ace: Al hough a speci ic design was c e-
a ed o he applica ion’s unc ionali ies, expe imen ing wi h a di e en colo
scheme o s a ic esou ces o s yle he a ious pages o he applica ion could
ha e been done, and in es iga ing his is ce ainly a poin o imp o e in he
u u e.
Di ec in e ac ion wi h he en i onmen : In he o iginal applica ion, i
was possible o modi y ce ain pa s o he en i onmen . Fo example, one
could ake an objec and change i s s a e (e.g., say a cha ac e ’s bed was on
i e and see how hey eac ed). Howe e , ansla ing his o he in e ace was
qui e complica ed, as i would equi e del ing in o Phase ’s implemen a ion,
ecognizing each objec wi h clicks, and hen pe o ming he en i onmen mod-
i ica ion que y wi h he backend. I is an ambi ious goal ha would be e y
in e es ing o see and would add signi ican alue o he applica ion.
F ee choice o LLM: A e in es iga ing and es ing many language models,
we concluded ha , wi h he cu en condi ions, he leas bad op ion o un
his sys em is using he OpenAI API. This does no allow o many calls,
bu i is one o he ew ha can p ocess he inpu we send and wo ks well
oday. I would be in e es ing in he u u e o use s o inpu hei language
models ins alled on hei compu e s o o use any o he API hey ha e a hei
disposal.
Mo e summa ies: Besides he summa ies au oma ically gene a ed when sa -
ing a simula ion, i would be a good idea o sa e a g ea e numbe o summa ies
o help use s loca e each simula ion. I could be bene icial o ha e summa ies
ha indica e a which imes amps he mos in e es ing e en s occu o o
gene a e a summa y o each o he applica ion’s cha ac e s au oma ically.
B anching simula ions a any momen in ime: To p o ide a ool ha
c ea es ealis ic pseudo-social si ua ions o analyzing he di e si y o si ua-
ions phenomena, we saw a unique in e es in allowing he b anching o al eady
made simula ions a any momen in ime.
This achie es he possibili y o explo ing al e na i e scena ios om c i ical
poin s in ime, which, combined wi h he syn hesis p o ided by summa ies,
opens he doo o c ea ing simula ions ha gene a e un o eseen ye in e es ing
si ua ions. Once summa ized, hese can be de ec ed and b anched o obse e
he sys em’s beha io when changes a e in oduced by he use .
The implemen a ion o his unc ionali y in ol es sa ing he necessa y sys-
em in o ma ion a each momen in ime so ha any sys em momen can be
eplica ed.
6.3. T abajo u u o 117
The nai e way o do his is o eplica e he exis ing in o ma ion a each mo-
men in ime. This app oach is imp ac ical due o he memo y size a single
simula ion would occupy. Es ima ing a bi , based on a simula ion o 3 agen s
and a o al o 24 hou s, i.e., 8640 s eps, occupying a o al o 57 MB. I we
assume linea g ow h in space conce ning he numbe o s eps, which i is, his
would imply a quad a ic cos in space in simula ed ime. Taking he 24-hou
simula ion o app oxima ely 1653 MB o space. This is no easible, especially
conside ing be e ways o app oach he solu ion.
124 Capí ulo 6. Conclusiones y T abajo Fu u o
ue necesa io de ini las da os esenciales de una simulación y abs ae los en
es uc u as que pe mi ie an ejecu a nue as simulaciones desde la nada.
Gene ación de esúmenes de las simulaciones exis en es: En el bac-
kend, además de es uc u a la in o mación pa a que se acoplase a la ya exis-
en e pa a una simulación, ue necesa io es ablece la in o mación p io i a ia
que se oma ía en cuen a pa a la gene ación de un esumen pa a una simula-
ción.
In e acción con los pe sonajes: También en ol ió los dos ex emos del de-
sa ollo. La mayo complicación que supuso en el backend ue el diseño co ec o
del mé odo de comunicación en e back y on , haciendo uso de ecu sos del
sis ema de o ma co ec a y ecogiendo la in o mación necesa ia en el on po
medio de Re e ieComm.py.
Cha con los pe sonajes: Respec o a es a uncionalidad me u e que enca -
ga del desa ollo is o en la sección 3.3.4.
Ges ión de la comunicación en e el on end y el backend de
Django
Como comen ó Albe o el con a o en e los dos ex emos se encon aba aquí,
donde con ibuímos ambos.
En especial yo con ibuí a expone la in o mación eque ida po el on pa a
que pudie a p ocede de la o ma necesa ia. Así mismo ui el enca gado de a a la
in o mación ecibida del on y adap a la al o ma o eque ido po el backend.

Bibliog a ía
La li e a u a es el a e de descub i algo
ex ao dina io en lo o dina io
Bo is Pas e nak
Adhika i, S. e al. Nlp based machine lea ning app oaches o ex summa iza-
ion. En 2020 Fou h In e na ional Con e ence on Compu ing Me hodologies and
Communica ion (ICCMC), páginas 535–538. IEEE, 2020.
A oyo Menéndez, M.,Hassan, S.,Pa ón Mes as, J. ySanso es, C.
Simulación de sis emas sociales con agen es so wa e. Ac as del Campus Mul idis-
ciplina en Pe cepcion e In eligencia, CMPI, 2006.
Ax ell, R.,Axel od, R.,Eps ein, J. M. yCohen, M. D. Aligning simula ion
models: A case s udy and esul s. Compu a ional & ma hema ical o ganiza ion
heo y, ol. 1, páginas 123–141, 1996.
Bahdanau, D.,Cho, K. yBengio, Y. Neu al machine ansla ion by join ly
lea ning o align and ansla e. a Xi p ep in a Xi :1409.0473, 2014.
Bankes, S. C. Agen -based modeling: A e olu ion? P oceedings o he Na ional
Academy o Sciences, ol. 99(suppl_3), páginas 7199–7200, 2002.
Bengio, Y.,Ducha me, R. yVincen , P. A neu al p obabilis ic language model.
Ad ances in neu al in o ma ion p ocessing sys ems, ol. 13, 2000.
Ben enu i, M.,Cangelosi, A.,Weinbe ge , A.,Mazzoni, E.,Benassi,
M.,Ba ba esi, M. yO soni, M. A i icial in elligence and human beha io al
de elopmen : A pe spec i e on new skills and compe ences acquisi ion o he
educa ional con ex . Compu e s in Human Beha io , ol. 148, página 107903,
2023.
Books abe , R. The end o heo y: Financial c ises, he ailu e o economics, and
he sweep o human in e ac ion. P ince on Uni e si y P ess, 2017.
125
126 BIBLIOGRAFÍA
Bo oomand, A. ySmaldino, P. E. Ha d wo k, isk- aking, and di e si y in
a model o collec i e p oblem sol ing. Jou nal o A i icial Socie ies and Social
Simula ion, ol. 24(4), 2021.
Bo oomand, A. ySmaldino, P. E. Supe io i y bias and communica ion noise
can enhance collec i e p oblem sol ing. Jou nal o A i icial Socie ies and Social
Simula ion, ol. 26(3), 2023.
boyd, d. m. yEllison, N. B. Social Ne wo k Si es: De ini ion, His o y, and
Schola ship. Jou nal o Compu e -Media ed Communica ion, ol. 13(1), páginas
210–230, 2007. ISSN 1083-6101.
B own, P. F.,Cocke, J.,Della Pie a, S. A.,Della Pie a, V. J.,Jeli-
nek, F.,La e y, J.,Me ce , R. L. yRoossin, P. S. A s a is ical app oach
o machine ansla ion. Compu a ional linguis ics, ol. 16(2), páginas 79–85, 1990.
Ca d, S. K.,Mo an, T. P. yNewell, A. The psychology o human-compu e
in e ac ion. En The psychology o human-compu e in e ac ion. 1983.
Cas el anchi, C. Modelling social ac ion o ai agen s. A i icial In elligence,
ol. 103(1), páginas 157–182, 1998. ISSN 0004-3702. A i icial In elligence 40
yea s la e .
Chomsky, N. Syn ac ic S uc u es. De G uy e Mou on, Be lin, Bos on, 1957.
ISBN 9783112316009.
C owde , R. M.,Robinson, M. A.,Hughes, H. P. ySim, Y.-W. The de e-
lopmen o an agen -based modeling amewo k o simula ing enginee ing eam
wo k. IEEE T ansac ions on Sys ems, Man, and Cybe ne ics-Pa A: Sys ems
and Humans, ol. 42(6), páginas 1425–1439, 2012.
De lin, J.,Chang, M.-W.,Lee, K. yTou ano a, K. Be : P e- aining o
deep bidi ec ional ans o me s o language unde s anding. 2019.
Eldan, R. yLi, Y. Tinys o ies: How small can language models be and s ill speak
cohe en english? a Xi p ep in a Xi :2305.07759, 2023.
Eps ein, J. M. yAx ell, R. G owing a i icial socie ies: social science om he
bo om up. B ookings Ins i u ion P ess, 1996.
Fa me , J. D. yFoley, D. The economy needs agen -based modelling. Na u e,
ol. 460(7256), páginas 685–686, 2009.
Gambo, I.,Adjichebou ou, A.,Ikono, R.,I oju, O. yYange, S. An in-
es iga i e p ocess model o p edic ing in o ma ion di usion on social media:
In o ma ion sys em pe spec i e. I e Jou nal o Technology, ol. 27(1), páginas
47–59, 2020.
Ga dne , M. The an as ic combina ions o jhon conway’s new soli ai e game’li e.
Sc. Am., ol. 223, páginas 20–123, 1970.
BIBLIOGRAFÍA 127
Goldbe g, E.,D iedge , N. yKi edge, R. I. Using na u al-language p o-
cessing o p oduce wea he o ecas s. IEEE Expe , ol. 9(2), páginas 45–53,
1994.
Good ellow, I.,Bengio, Y. yCou ille, A. Deep lea ning. MIT p ess, 2016.
Good ellow, I.,Pouge -Abadie, J.,Mi za, M.,Xu, B.,Wa de-Fa ley,
D.,Ozai , S.,Cou ille, A. yBengio, Y. Gene a i e ad e sa ial ne s. Ad-
ances in neu al in o ma ion p ocessing sys ems, ol. 27, 2014.
Hannun, A.,Case, C.,Caspe , J.,Ca anza o, B.,Diamos, G.,Elsen, E.,
P enge , R.,Sa heesh, S.,Sengup a, S.,Coa es, A. e al. Deep speech:
Scaling up end- o-end speech ecogni ion. a Xi p ep in a Xi :1412.5567, 2014.
Heckbe , S.,Baynes, T. yReeson, A. Agen -based modeling in ecological
economics. Annals o he New Yo k Academy o Sciences, ol. 1185(1), páginas
39–53, 2010.
He nández, M. B. yGómez, J. M. Aplicaciones de p ocesamien o de lenguaje
na u al. Re is a Poli écnica, ol. 32, 2013.
Hoch ei e , S. Un e suchungen zu dynamischen neu onalen ne zen. Diploma,
Technische Uni e si ä München, ol. 91(1), página 31, 1991.
Hoch ei e , S. ySchmidhube , J. Long sho - e m memo y. Neu al compu-
a ion, ol. 9(8), páginas 1735–1780, 1997.
Hogeweg, P. yHespe , B. The on ogeny o he in e ac ion s uc u e in bumble
bee colonies: a mi o model. Beha io al Ecology and Sociobiology, ol. 12, páginas
271–283, 1983.
Hop ield, J. J. Neu al ne wo ks and physical sys ems wi h eme gen collec i e
compu a ional abili ies. P oceedings o he na ional academy o sciences, ol.
79(8), páginas 2554–2558, 1982.
House, J.,Landis, K. yUmbe son, D. Social ela ionships and heal h. Science,
ol. 241(4865), páginas 540–545, 1988.
Hughes, H. P.,Clegg, C. W.,Robinson, M. A. yC owde , R. M. Agen -
based modelling and simula ion: The po en ial con ibu ion o o ganiza ional psy-
chology. Jou nal o Occupa ional and O ganiza ional Psychology, ol. 85(3), pá-
ginas 487–502, 2012.
Jelinek, F. Con inuous speech ecogni ion by s a is ical me hods. P oceedings o
he IEEE, ol. 64(4), páginas 532–556, 1976.
Jennings, N. yWoold idge, M. J. Agen echnology: ounda ions, applica ions,
and ma ke s. Sp inge Science & Business Media, 1998.
Ka pa hy, A. yFei-Fei, L. Deep isual-seman ic alignmen s o gene a ing image
desc ip ions. En P oceedings o he IEEE con e ence on compu e ision and
pa e n ecogni ion, páginas 3128–3137. 2015.
128 BIBLIOGRAFÍA
Ka cic, A. So wa e accessibili y: Recommenda ions and guidelines. En EURO-
CON 2005-The In e na ional Con e ence onÇompu e as a Tool", ol. 2, páginas
1024–1027. IEEE, 2005.
Kingma, D. P. yWelling, M. Au o-encoding a ia ional bayes. a Xi p ep in
a Xi :1312.6114, 2013.
Kohle , T. A. yGume man, G. G. Dynamics in human and p ima e socie ies:
Agen -based modeling o social and spa ial p ocesses. Ox o d Uni e si y P ess,
2000.
LeCun, Y.,Denke , J. ySolla, S. Op imal b ain damage. Ad ances in neu al
in o ma ion p ocessing sys ems, ol. 2, 1989.
Ma, S.,Wang, H.,Ma, L.,Wang, L.,Wang, W.,Huang, S.,Dong, L.,Wang,
R.,Xue, J. yWei, F. The e a o 1-bi llms: All la ge language models a e in
1.58 bi s. a Xi p ep in a Xi :2402.17764, 2024.
MacKenzie, I. S. Human-compu e in e ac ion: An empi ical esea ch pe spec i e.
Mo gan Kau mann, 2012.
Ma ko , A. A emp o s a is ical esea ch on he ex o he no el. Eugene
Onegin” illus a ing he connec ion o he es s in chain (Éxample o a s a is ical
in es iga ion o he ex o “Eugene Onegin” illus a ing he dependence be ween
samples in chain’)”. In: Iz is ia Impe a o skoi Akademii Nauk (Bulle in o he
Impe ial Academy o Sciences o S . Pe e sbu g). 6 h se , ol. 7, páginas 153–162,
1913.
Ma ko , A. A. Rasp os anenie zakona bol’shih chisel na elichiny, za isyashchie
d ug o d uga (ex ending he law o la ge numbe s o a iables ha a e dependen
o each o he ). Iz es iya Fiziko-ma ema icheskogo obshches a p i Kazanskom
uni e si e e, ol. 15(2-ya se iya), páginas 124–156, 1906.
Ma ks, R. E. Analysis and syn hesis: mul i-agen sys ems in he social sciences.
The Knowledge Enginee ing Re iew, ol. 27(2), página 123–136, 2012.
Mcginnis, J.,Russo, P. yKnickman, J. The case o mo e ac i e policy a en ion
o heal h p omo ion. Heal h a ai s (P ojec Hope), ol. 21, páginas 78–93, 2002.
Minsky, M. The emo ion machine: Commonsense hinking, a i icial in elligence,
and he u u e o he human mind. Simon and Schus e , 2007.
Mish a, M.,Nayak, J.,Naik, B. yAb aham, A. Deep lea ning in elec ical
u ili y indus y: A comp ehensi e e iew o a decade o esea ch. Enginee ing
Applica ions o A i icial In elligence, ol. 96, página 104000, 2020.
Mockus, A.,Fielding, R. T. yHe bsleb, J. D. Two case s udies o open
sou ce so wa e de elopmen : Apache and mozilla. ACM T ansac ions on So wa e
Enginee ing and Me hodology (TOSEM), ol. 11(3), páginas 309–346, 2002.
BIBLIOGRAFÍA 129
Nas inpou , H. R.,F iesen, M. R. e al. An agen -based model o mes-
sage p opaga ion in he acebook elec onic social ne wo k. a Xi p ep in a -
Xi :1611.07454, 2016.
Neumann, J. The heo y o sel - ep oducing au oma a. Uni . o Illinois P ess
google schola, ol. 2, páginas 429–432, 1966.
Nielsen, J. Usabili y enginee ing. Mo gan Kau mann, 1994.
No man Donald, A. The design o e e yday hings. MIT P ess, 2013.
Pan, X.,Han, C. S.,Daube , K. yLaw, K. H. A mul i-agen based amewo k
o he simula ion o human and social beha io s du ing eme gency e acua ions.
Ai & Socie y, ol. 22, páginas 113–132, 2007.
Pa k, J. S.,O’B ien, J. C.,Cai, C. J.,Mo is, M. R.,Liang, P. yBe ns-
ein, M. S. Gene a i e agen s: In e ac i e simulac a o human beha io . 2023.
Pica d, R. W. Compu e lea ning o subjec i i y. ACM Compu ing Su eys
(CSUR), ol. 27(4), páginas 621–623, 1995.
P a , A. yNunes, J. In e ac i e design: An in oduc ion o he heo y and
applica ion o use -cen e ed design. Rockpo Pub, 2012.
Qian, C.,Cong, X.,Liu, W.,Yang, C.,Chen, W.,Su, Y.,Dang, Y.,Li, J.,
Xu, J.,Li, D.,Liu, Z. ySun, M. Communica i e agen s o so wa e de elop-
men . 2023.
Rad o d, A.,Na asimhan, K.,Salimans, T.,Su ske e , I. e al. Imp o-
ing language unde s anding by gene a i e p e- aining. OpenAI, 2018.
Rand, W. yRus , R. T. Agen -based modeling in ma ke ing: Guidelines o igo .
In e na ional Jou nal o esea ch in Ma ke ing, ol. 28(3), páginas 181–193, 2011.
Rei e , E. yDale, R. Building applied na u al language gene a ion sys ems.
Na u al Language Enginee ing, ol. 3(1), páginas 57–87, 1997.
Rou , C. Au onomy in u u e space missions. En AAAI Wo kshop on Au onomy,
Delega ion, and Con ol. 2002.
Russell, S. J. yNo ig, P. A i icial in elligence: a mode n app oach. Pea son,
2016.
Schelling, T. C. Dynamic models o seg ega ion. Jou nal o ma hema ical socio-
logy, ol. 1(2), páginas 143–186, 1971.
Sood, M.,Ge a, J. yKau , H. C ea ion, e alua ion, and op imiza ion o a
domain-based dic iona y. Jou nal o In elligen & Fuzzy Sys ems, ol. 43(5), pá-
ginas 6123–6136, 2022.

130 BIBLIOGRAFÍA
Su ske e , I.,Vinyals, O. yLe, Q. V. Sequence o sequence lea ning wi h
neu al ne wo ks. Ad ances in neu al in o ma ion p ocessing sys ems, ol. 27,
2014.
Tes a sion, L. yJudd, K. L. Handbook o compu a ional economics: agen -based
compu a ional economics. Else ie , 2006.
Toma, P. P.,Kozlik, L. A. yPe win, D. G. Sys an machine ansla ion sys em.
En SYSTRAN Machine T ansla ion Sys em.. 1970.
Tou on, H.,Ma in, L.,S one, K.,Albe , P.,Almahai i, A.,Babaei,
Y.,Bashlyko , N.,Ba a, S.,Bha ga a, P.,Bhosale, S. e al. Llama 2:
Open ounda ion and ine- uned cha models. a Xi p ep in a Xi :2307.09288,
2023.
T oi zsch, K. G. Pe spec i es and challenges o agen -based simula ion as a ool
o economics and o he social sciences. AAMAS (1), páginas 35–42, 2009.
TURING, A. M. I.—COMPUTING MACHINERY AND INTELLIGENCE. Mind,
ol. LIX(236), páginas 433–460, 1950. ISSN 0026-4423.
Umbe son, D. yMon ez, J. K. Social ela ionships and heal h: A lashpoin o
heal h policy. Jou nal o Heal h and Social Beha io , ol. 51(1_suppl), páginas
S54–S66, 2010. PMID: 20943583.
Vaswani, A.,Shazee , N.,Pa ma , N.,Uszko ei , J.,Jones, L.,Gomez,
A. N.,Kaise , Ł. yPolosukhin, I. A en ion is all you need. Ad ances in
neu al in o ma ion p ocessing sys ems, ol. 30, 2017.
Walen, H. R. yLachman, M. E. Social suppo and s ain om pa ne , amily,
and iends: Cos s and bene i s o men and women in adul hood. Jou nal o
Social and Pe sonal Rela ionships, ol. 17(1), páginas 5–30, 2000.
Weiss, G. Mul iagen sys ems: a mode n app oach o dis ibu ed a i icial in elli-
gence. MIT p ess, 1999.
Winog ad, T. P ocedu es as a ep esen a ion o da a in a compu e p og am o
unde s anding na u al language. MIT, 1971.
Woold idge, M. An in oduc ion o mul iagen sys ems. John wiley & sons, 2009.
Ap´
endice A
Templa es e aluados
A con inuación mos amos los empla es usados du an e la e aluación de Modelos
de Lenguaje de la sección 3.2.3.
Mos amos en p ime luga el con enido de cada uno de los empla es empleados.
Todos ellos han sido cons uidos en la aplicación pa a el en ío a la API de GPT-3.5.
T as ello mos a emos las espues as que ha dado cada uno de los modelos e a-
luados, además de las espues as ob enidas po el modelo GPT-3.5, que usa emos
como e e encia.
A.1. Inpu
A.1.1. ac ion_loca ion_objec
Jane Ande son is in ki chen in Jane Ande son’s house.
Jane Ande son is going o Jane Ande son’s house ha has he ollowing a eas: {ki chen, bed oom,
ba h oom}
S ay in he cu en a ea i he ac i i y can be done he e. Ne e go in o o he people’s ooms unless
necessa y.
Fo cooking, Jane Ande son should go o he ollowing a ea in Jane Ande son’s house:
Answe : {ki chen}
—
Tom Wa son is in common oom in Tom Wa son’s apa men .
Tom Wa son is going o Hobbs Ca e ha has he ollowing a eas: {ca e}
S ay in he cu en a ea i he ac i i y can be done he e. Ne e go in o o he people’s ooms unless
necessa y.
Fo ge ing co ee, Tom Wa son should go o he ollowing a ea in Hobbs Ca e:
Answe : {ca e}
—
131
132 Apéndice A. Templa es e aluados
Isabella Rod iguez is going o Isabella Rod iguez’s apa men ha has he ollowing a eas: {main
oom, ba h oom}
* S ay in he cu en a ea i he ac i i y can be done he e.
* NEVER go in o o he people’s ooms unless necessa y.
Isabella Rod iguez is p epa ing he upcoming Valen ine’s Day pa y. Fo o de ing ood o he pa y,
Isabella Rod iguez should go o he ollowing a ea in Isabella Rod iguez’s apa men (MUST pick
one o {main oom, ba h oom}):
Answe : {
A.1. Inpu 133
A.1.2. ac ion_objec
Cu en ac i i y: sleep in bed
Objec s a ailable: {bed, easel, close , pain ing}
Pick ONE mos ele an objec om he objec s a ailable: bed
—
Cu en ac i i y: pain ing
Objec s a ailable: {easel, close , sink, mic owa e}
Pick ONE mos ele an objec om he objec s a ailable: easel
—
Cu en ac i i y: cooking
Objec s a ailable: {s o e, sink, idge, coun e }
Pick ONE mos ele an objec om he objec s a ailable: s o e
—
Cu en ac i i y: wa ch TV
Objec s a ailable: {couch, TV, emo e, co ee able}
Pick ONE mos ele an objec om he objec s a ailable: TV
—
Cu en ac i i y: s udy
Objec s a ailable: {desk, compu e , chai , bookshel }
Pick ONE mos ele an objec om he objec s a ailable: desk
—
Cu en ac i i y: alk on he phone
Objec s a ailable: {phone, cha ge , bed, nigh s and}
Pick ONE mos ele an objec om he objec s a ailable: phone
—
Cu en ac i i y: o de ing ood o he pa y
Objec s a ailable: {bed, desk, e ige a o , close , shel }
Pick ONE mos ele an objec om he objec s a ailable: