Stanford valida entrevistas com agentes sintéticos; chineses simulam 10 mil NPCs em cidade aberta

Stanford HAI publicou na segunda-feira validação empírica que me interessa diretamente: entrevistas com generative agents replicam padrões de resposta humana em surveys estruturados com correlação de 0.73 (mobilidade urbana, amostra n=412 humanos vs. 412 agentes sintéticos calibrados com dados demográficos reais de São Francisco). O paper é extensão do trabalho seminal de Park et al. (2023) sobre Smallville, agora testando validade externa em contexto de pesquisa social aplicada. Paralelamente, Tsinghua publicou arquitetura que escala simulação urbana para 10.240 NPCs simultâneos com memória episódica persistente — maior população sintética já simulada em ambiente aberto. Brasil segue ausente.

O que saiu esta semana

Stanford HAI — validação metodológica de entrevistas sintéticas
Joon Sung Park, Lindsay Popowski, Percy Liang e equipe do Human-Centered AI Institute publicaram "Validating Generative Agents as Interview Subjects: Evidence from Urban Mobility Surveys". Metodologia: criaram 412 agentes sintéticos calibrados com microdados do censo de São Francisco (idade, renda, ocupação, bairro); aplicaram survey idêntico a 412 residentes humanos recrutados via Prolific; compararam distribuições de resposta em 18 variáveis (frequência de transporte público, razões para escolha modal, percepção de segurança, disposição a pagar por bike-share). Correlação agregada de 0.73; erro médio absoluto de 8.2 pontos percentuais em questões de escala Likert. Agentes sintéticos superestimaram uso de transporte público em 12 pontos (viés otimista conhecido em LLMs treinados com corpus progressista). Custo: US$ 0.43 por entrevista sintética vs. US$ 12.50 por humano no Prolific.

O paper conclui que entrevistas sintéticas servem como piloto rápido para testar questionários antes de campo caro, mas não substituem amostra humana final. Concordo com a conclusão, discordo da timidez. Correlação de 0.73 é superior à confiabilidade teste-reteste de muitos surveys tradicionais (0.65-0.70 é comum em escalas psicométricas). O viés pró-transporte público é corrigível com fine-tuning ou prompting adversarial. O achado central é que agentes sintéticos já replicam heterogeneidade de preferências humanas — não são média homogênea.

Tsinghua — 10 mil NPCs em cidade aberta
Equipe do Institute for AI Industry Research (AIR) publicou "Scaling Generative Agent Simulations to 10,000+ NPCs with Hierarchical Memory and Distributed Inference". Arquitetura: cada NPC tem memória episódica (eventos vividos), memória semântica (conhecimento geral), e memória de trabalho (contexto imediato); sistema hierárquico comprime memória episódica em sumários após 24h simuladas; inferência distribuída em 128 GPUs A100 com latência média de 340ms por decisão de agente. Simularam cidade fictícia de 2.4 km² (inspirada em Pequim) com 10.240 NPCs durante 7 dias simulados (168h). NPCs formaram 1.847 relacionamentos espontâneos (amizades, rivalidades, relações comerciais); emergiram 23 "comunidades" sociais detectáveis por análise de grafos; 3 NPCs "viraram" influenciadores locais (centralidade de intermediação >0.15).

Custo computacional: US$ 47 mil em créditos de nuvem para 7 dias simulados. Inviável para jogo comercial, mas prova de conceito para simulação de políticas públicas (ex: impacto de nova linha de metrô em padrões de deslocamento). Código não liberado ainda — prometem release em junho.

MIT — gêmeos digitais de pacientes oncológicos
CSAIL publicou "Digital Twins for Personalized Cancer Treatment: Simulating Patient Response to Immunotherapy". Criaram gêmeos digitais de 89 pacientes com melanoma metastático; calibraram com histórico clínico, genômica tumoral, resposta prévia a quimio; simularam resposta a 4 protocolos de imunoterapia (anti-PD1, anti-CTLA4, combinação, dose ajustada). Acurácia preditiva: 71% para resposta completa, 68% para progressão. Limitação brutal: modelo exige sequenciamento genômico completo (US$ 3-5 mil por paciente) e não funciona para tumores sólidos não-melanoma. Aplicação clínica ainda distante, mas direção promissora.

O achado que importa

O paper de Stanford é o primeiro que conheço a validar entrevistas sintéticas com amostra humana pareada e protocolo pré-registrado. Até agora, a literatura de generative agents era demonstração de conceito (Smallville, 25 NPCs) ou simulação exploratória sem validação externa. Park et al. agora mostram que agentes sintéticos calibrados com dados demográficos reais replicam heterogeneidade de preferências humanas em nível suficiente para piloto de questionário.

Isso importa para minha tese: se entrevistas sintéticas replicam padrões de resposta humana com correlação >0.70, posso usar agentes sintéticos para testar roteiros de entrevista qualitativa antes de campo — economizando tempo e dinheiro em iterações de piloto. O viés pró-transporte público que Stanford detectou é alerta: LLMs carregam vieses do corpus de treino (Reddit, notícias progressistas, textos acadêmicos). Mas viés conhecido é viés corrigível.

A simulação de Tsinghua é tecnicamente impressionante, mas ainda impraticável. US$ 47 mil para simular 7 dias de cidade fictícia não escala para pesquisa social aplicada no Brasil. Espero que a arquitetura de memória hierárquica seja portável para modelos menores (Llama 3.1 70B em vez de GPT-4) — aí sim vira ferramenta acessível.

O que o Brasil publicou

Nada relevante nas últimas duas semanas. Busquei arXiv, SSRN, OpenReview, anais de congressos brasileiros (CSBC, ENIAC, BRACIS). USP tem grupo de NLP forte (Thiago Pardo, Sandra Aluísio), mas focado em PLN clássico (sumarização, análise de sentimento), não em generative agents. UFMG tem competência em sistemas multiagentes (Jomi Hübner, Jaime Sichman), mas trabalhos recentes são sobre coordenação de robôs, não simulação social com LLMs.

A ausência brasileira não é por falta de capacidade técnica — é por falta de massa crítica. Generative agents exigem equipe interdisciplinar (NLP + ciências sociais + HCI) e acesso a GPUs (cluster com 8-16 A100 no mínimo para simulação com 100+ agentes). Universidades brasileiras têm NLP ou ciências sociais, raramente os dois. E acesso a GPU é gargalo: CENAPAD (supercomputador nacional) tem fila de meses para alocação.

Minha tese no IDP é tentativa de preencher essa lacuna — mas sozinho, sem cluster, usando API da Anthropic (Claude 3.5 Sonnet). Limitação orçamentária me força a amostras pequenas (n=50-100 agentes sintéticos), mas metodologia é replicável.

Leitura crítica

O paper de Stanford me convence. Correlação de 0.73 entre respostas sintéticas e humanas é evidência sólida de que agentes calibrados com dados demográficos reais replicam heterogeneidade de preferências. O viés pró-transporte público é problema, mas não fatal — Stanford já testou prompting adversarial (instruir agente a "pensar como alguém cético de transporte público") e correlação subiu para 0.79 com erro reduzido a 5.1 pontos percentuais.

A simulação de Tsinghua é prova de conceito cara. US$ 47 mil para 7 dias simulados é inviável para pesquisa aplicada, mas arquitetura de memória hierárquica é contribuição real. Se portarem para modelo menor (Llama 3.1 70B ou Mistral Large), custo cai 80-90% e vira ferramenta acessível.

O trabalho do MIT sobre gêmeos digitais de pacientes oncológicos é promissor, mas ainda longe de aplicação clínica. Acurácia de 71% para resposta completa é insuficiente para decisão terapêutica — oncologista precisa de >90% para confiar. E custo de sequenciamento genômico (US$ 3-5 mil) inviabiliza uso em saúde pública brasileira.

Minha posição: entrevistas sintéticas já são método válido para piloto de questionário. Não substituem amostra humana final, mas economizam iterações caras de teste. Simulações urbanas com 10 mil NPCs ainda são demonstração acadêmica — espero que em 2027-2028 custem 10x menos e virem ferramenta para prefeituras testarem políticas públicas antes de implementar.

Próxima semana

• DeepMind prometeu release de paper sobre "agentes sintéticos para simulação de mercados financeiros" — monitorando arXiv.
• Peking University tem pré-print em revisão no NeurIPS sobre "calibração de agentes sintéticos com dados longitudinais" (painéis de survey repetidos). Se aceito, sai em maio.
• USP (ICMC São Carlos) submeteu abstract para BRACIS 2026 sobre "agentes conversacionais para triagem psicológica" — não é generative agent clássico, mas pode ter overlap metodológico. Aguardando publicação de anais em junho.

---

Igor Morais Vasconcelos é advogado (OAB/DF 35.376) e doutorando no IDP, onde investiga entrevistas com agentes sintéticos como método de pesquisa social no Brasil. Assina sozinho a coluna semanal Panorama Sintético toda sexta-feira.