Mensimulasikan Manusia 👩‍👩‍👦

Microsoft memiliki proyek open-source yang menarik — TinyTroupe. Apa intinya? Sebagian besar framework difokuskan pada assistance — membantu menyelesaikan tugas. TinyTroupe difokuskan pada simulasi. Perbedaannya fundamental: asisten harus efisien, sedangkan simulator harus realistis. Manusia yang realistis itu lamban, memiliki bias, ingat sarapan, dan memiliki karakter.

Apa yang ada di dalam kebun binatang Python ini:
1. TinyPerson: Agen memiliki mental_faculty (kemampuan kognitif) dan dua jenis memori: EpisodicMemory (rantai peristiwa) dan SemanticMemory (basis pengetahuan dan fakta).
2. Action Correction: Jika agen LLM tiba-tiba "lupa" identitasnya (misalnya, vegan mulai merekomendasikan steakhouse), sistem validasi TinyPersonValidator menangkapnya, memarahi agen, dan memaksanya untuk menghasilkan ulang tindakan.
3. TinyWorld: Lingkungan tempat tinggal. Di sini agen berinteraksi sesuai aturan yang Anda deskripsikan dengan kode. Anda bahkan dapat membuat jejaring sosial dengan grafik hubungan.
4. TinyFactory: Generator kerumunan. Jika Anda membutuhkan 50 dokter Brasil yang menyukai heavy metal dan lingkungan hidup untuk menguji aplikasi baru Anda — pabrik akan memproduksinya berdasarkan input demografis.

Untuk apa semua ini?
— Data sintetis: Alih-alih menyiksa pengguna nyata atau membeli dataset yang meragukan, Anda menjalankan proyek melalui grup fokus yang terdiri dari 100 agen dengan karakter berbeda.
— Pengujian perangkat lunak: Anda dapat membuat agen "menggunakan" chatbot atau mesin pencari Anda dan melihat di mana ia merusak logika dengan ekspektasi manusianya.
— Pemasaran: Evaluasi iklan pada audiens simulasi sebelum Anda menghabiskan seluruh anggaran.

Di dalamnya ada tumpukan Python modern yang khas: llama-index untuk RAG, chevron untuk template prompt, dan banyak spesifikasi JSON. Kelemahan utama — secara default semuanya terfokus pada OpenAI.

Dan selain itu, ini adalah bukti bahwa kita hidup di matriks 🌝

#opensource_bermanfaat