원문 제목: Mirofish를 사용하여 호르무즈 위기에서 200개의 AI 에이전트를 실행하고 Polymarket와 비교하는 방법
원문 작성자: The Smart Ape
번역: Peggy, 블록비츠

편집자 주: AI가 한 개의 공론장을 시뮬레이트할 수 있게 되면서 이러한 시뮬레이션 자체가 예측을 하는 능력에 영향을 미치고 있다.

이 기사는 호르무즈 해협 상황을 중심으로 한 실험을 기록한 것이다: 저자는 MiroFish를 사용하여 정부, 언론, 에너지 회사, 트레이더 및 보통 사람으로 구성된 200개의 에이전트로 이뤄진 시뮬레이션 시스템을 구축했고, 이들을 모의 소셜 네트워크에 함께 생활하게하여 지속적인 상호작용, 논쟁 및 정보 전달을 통해 판단을 형성하였으며, 이러한 집단 결과를 Polymarket의 시장 가격과 비교하였다.

결과는 일치하지 않았다. 집단 토론은 전반적으로 낙관적인 반면, 시장은 현저하게 비관적이었으며, 자유로운 표현에서 소수의 비관론자가 실제 가격에 더 가까웠다. 그리고 인터뷰 상황에 진입하면 거의 모든 에이전트가 더 온화하고 협력적인 표현으로 수렴했다.

이러한 분열은 낯설지 않다. 현실 세계에서, 공개적인 발언은 안정적이고 낙관적인 경향이 있으며, 실제 위험 판단은 행동 및 비공식적 표현에 숨어있다. 다시 말해, 사람들이 말하는 방식, 그들이 생각하는 방식 및 돈을 걸어하는 방식은 종종 세 가지 다른 시스템이다.

이러한 구조에서 가장 유용한 신호는 종종 합의로부터가 아닌 소음 중에서 이질적으로 들리는 목소리로부터 나온다.

아래는 원문입니다:

나는 미래의 몇 주 동안 호르무즈 해협의 상황을 MiroFish로 시뮬레이션했습니다. 이 도구는 이러한 문제를 다룰 때 매우 탁월한데, 여러 참여자, 각각 다른 역할 및 인센티브 메커니즘을 동일한 시스템에 도입하여, 이러한 에이전트들이 계속해서 대립하고 논쟁하면서 마침내 공통된 결과에 가까워지도록 합니다.

다음은 이 시뮬레이션을 실행하는 데 사용한 구체적인 단계 및 최종 결과입니다. 누구나 재현할 수 있지만, 중요한 것은 어떤 단계를 따라야 하는지 아는 것입니다.

먼저, MiroFish는 중국 연구팀에서 나온 오픈 소스 프로젝트입니다. 여러 문서를 입력하면 먼저 지식 그래프를 구축한 다음 이를 바탕으로 다양한 에이전트 페르소나를 생성하고, 이러한 에이전트들을 모의 Twitter 환경에 투입합니다. 이 환경에서 그들은 게시글을 올리고, 댓글을 리트윗하고, 좋아요를 누르며 서로 논쟁합니다. 시뮬레이션이 끝나면 각 에이전트를 개별적으로 면접하여 그들의 입장과 추론 과정을 확인할 수 있습니다.

위기 상황을 입력하면 해당 이벤트를 중심으로 논쟁을 생성하며, 이 논쟁에서 예측 결과를 도출할 수 있습니다.

저는 현재 진행 중인 Polymarket 시장 질문에 대해 이를 설정했습니다: 2026년 4월 말까지 호르무즈 해협 해상 운송이 정상화될 것인가요?

그래서 나는 이 모든 정보를 MiroFish에 공급하여 총 200개의 에이전트 역할을 생성했습니다 — 정부, 언론, 군대, 에너지 회사, 거래자 및 일반 대중을 포함하여 — 그리고 그들을 7일간의 모의 토론에 참여시켰습니다. 마지막으로, 그들이 출력한 결과를 시장 가격과 비교했습니다.

전체 구성은 다음과 같습니다:

· 모델: GPT-4o 미니, 200개의 에이전트 시나리오에서 가장 잘 균형을 이룸

· 메모리 시스템: Zep Cloud, 에이전트 메모리 및 지식 그래프 저장에 사용

· 시뮬레이션 엔진: OASIS (Camel-AI가 제공하는 Twitter 클론 환경)

· 하드웨어: Mac mini M4 Pro, 24GB RAM

· 실행 시간: 약 49분, 100회의 모의 실행 완료

· 비용: API 호출 당 약 3~5달러

· 시드 자료: 위키백과, CNBC, 알자지라, 포브스, 로이터스에서 정리한 5800자 분량의 보고서를 사용하여 작성된 것이며, 군사적 타임라인, 봉쇄 상태, 석유 가격, 경제 손실, 외교적 노력, GCC 3.2조 달러 투자와 관련된 요소를 포함합니다. 즉, 판단 형성에 필요한 핵심 정보가 모두 포함되어 있습니다.

이 프로세스를 재현하는 방법 (단계별 설명)

당신도 직접 실행하고 싶다면, 다음은 실제 조작한 전체 단계입니다. 전체 프로세스는 약 2시간 정도 소요되며 설정 비용은 약 3~5달러이며, 라운드나 에이전트 수를 늘리면 비용이 더 발생합니다.

준비해야 할 것

· Python 3.12(3.14 사용 금지, 해당 버전에서 tiktoken은 오류가 발생합니다)

·Node.js 22 버전 이상

·하나의 OpenAI API 키(GPT-4o 미니가 충분히 저렴하며 이 상황에 적합합니다)

·Zep Cloud 계정(소규모 모의실험에는 무료 버전으로 충분합니다)

·메모리가 꽤 있는 컴퓨터. 저는 Mac mini M1 Pro를 사용했으며, 24GB 메모리이지만 16GB도 충분할 것입니다

단계 1: MiroFish 설치

그런 다음 .env 파일을 구성하십시오

OPENAI_API_KEY=sk-your-key

OPENAI_BASE_URL=link

OPENAI_MODEL=gpt-4o-mini

ZEP_API_KEY=your-zep-key

단계 2: 프로젝트 만들고 시드 문서 업로드

시드 문서는 전체 프로세스에서 가장 중요한 부분으로, 에이전트가 현재 상황에 대해 어떤 정보를 알고 있는지 결정합니다. 제가 사용한 것은 약 5800자 분량의 요약서로, 군사적 타임라인, 봉쇄 상태, 유가, 경제적 손실, 외교 노력 및 GCC 투자에 관련된 내용을 다루었으며, 위키피디아, CNBC, 알자지라, 포브스 및 로이터 출처의 자료를 포함했습니다.

단계 3: 온톨로지(ontology) 생성

이 단계는 MiroFish에게 어떤 유형의 개체를 인식하고 그들 사이에 어떤 관계가 있을 수 있는지 알려주는 것입니다.

여기서 나는 최종적으로 10가지 유형의 개체(국가, 군대, 외교관, 비즈니스 엔티티, 언론 기관, 경제적 엔티티, 조직, 개인, 인프라, 예측 시장) 및 6가지 관계를 생성했습니다. 자동 생성된 결과가 시나리오와 맞지 않는 경우 수동으로 조정할 수도 있습니다.

단계 4: 지식 그래프 구축

여기서 Zep Cloud를 사용합니다. MiroFish는 시드 문서와 온톨로지를 Zep에 전송하여 개체를 추출하고 그래프를 구축하도록 합니다.

이 프로세스는 대략 1~2분 정도 소요됩니다. 최종적으로 얻은 것은 국가, 인물, 조직, 원자재 등 요소가 모두 연결된 65개 노드, 85개 엣지를 포함한 그래프입니다.

제5 단계: 에이전트 생성

MiroFish는 지식 그래프를 기반으로 각 엔티티에 대한 완전한 펄슨아 설정을 생성합니다. MBTI 성격 유형, 연령, 소속 국가, 게시 스타일, 감정 유도 지점, 금기 주제, 구성 기억 등이 포함됩니다.

처음에는 43개의 코어 에이전트를 지식 그래프에서 생성했습니다. 그 후 시스템은 이러한 코어 캐릭터를 원하는 총 수로 확장할 수 있습니다. 마지막으로 총 에이전트 수를 200으로 설정하고, 암호 거래자, 항공사 조종사, 교수, 학생, 사회 운동가 등과 같이 보다 다양한 시민 캐릭터를 추가했습니다.

제6 단계: 시뮬레이션 환경 준비

이 단계에서는 에이전트의 작업 일정, 초기 씨앗 게시물 및 시간 매개변수를 포함한 완전한 시뮬레이션 구성을 생성합니다. MiroFish는 자동으로 합리적인 기본 설정을 선택하며, 활성화 고조파, 수면 시간 및 각 유형의 에이전트별 게시빈도 등이 있습니다.

제 시뮬레이션 구성은 다음과 같습니다: 168시간(7일) 동안 총 시뮬레이션, 100 라운드(각 라운드는 1시간을 나타냄), 트위터 시나리오만 사용 및 각 에이전트에 대한 활동 시간표가 설정됩니다.

제7 단계: 시뮬레이션 실행

그런 다음 대기합니다. 저는 GPT-4o mini를 사용하여 200개의 에이전트와 100 라운드의 시뮬레이션을 실행했고, 약 49분이 소요되었습니다. API를 통해 진행 상황을 모니터링하거나 직접 로그를 확인할 수 있습니다.

전체 프로세스 동안 에이전트들은 자율적으로 실행됩니다: 타임라인을 관찰하고, 게시글을 작성하거나 리트윗을 하거나 코멘트를 남기거나 좋아요를 누르는 등의 결정을 내립니다. 전체 프로세스는 인간 개입이 필요하지 않습니다.

제8 단계(선택 사항): 에이전트 인터뷰

시뮬레이션이 완료되면 시스템은 명령 모드로 전환됩니다. 이때 특정 에이전트를 개별적으로 인터뷰하거나 모든 에이전트를 일괄적으로 인터뷰할 수 있습니다:

분석

MiroFish는 먼저 씨앗 문서를 읽고 온톨로지 구조(10가지 엔티티 및 6가지 관계 포함)를 자동으로 생성합니다. 그런 다음 이러한 정의를 기반으로 지식 그래프(65개 노드 및 85개 엣지 포함)를 추출합니다. 여기에 각 엔티티에 대한 MBTI 성격 유형, 연령, 소속 국가, 게시 스타일, 감정 유도 지점 및 체계적 기억 등이 구성됩니다.

마침내, 지식 그래프에서 43개의 핵심 에이전트가 생성되었으며, 여기를 기반으로 200개의 총 에이전트로 확장되어 더 많은 다양한 시민 역할이 도입되어 전반적인 시뮬레이션 다양성과 현실감이 향상되었습니다.

구체적으로 구성은 다음과 같습니다:

· 140명의 시민 에이전트: 암호 거래자, 비행사, 공급망 관리자, 학생, 사회 활동가, 교수 등

· 16명의 외교/정부 역할: 이란 외무장관, 사우디 외무장관, 오만 외무장관, 바레인 총리, 중국 외무장관, 유럽 연합, 유엔 등

· 15개의 미디어 기관: 로이터, CNN, 블룸버그, 알자지라 TV, BBC, 폭스, 월스트리트 저널 등

· 10명의 에너지/해운 관련: OPEC, Platts, QatarEnergy, 아람코, 마스크 등

· 7개의 금융 기관: Polymarket, Kalshi, 골드만삭스, 모간스탠리, 시타델, 아디아 등

· 2명의 군사/정치 역할: 트럼프, 이란 혁명수비대 사령관

7일간(100라운드)의 시뮬레이션 과정에서, 총 생성된 것은:

1,888개의 게시물

6,661개의 행동 경로(모든 동작 기록)

1,611개의 인용된 전달(에이전트간 상호 응답 및 게임)

4,051번의 새로고침(정보 피드만 탐색)

311번의 무작위 활동(관전 선택)

208번의 좋아요, 207번의 전달

70개의 원작 의견(새로운 독립적인 입장 또는 판단)

전반적으로, 이 시스템이 보여주는 것은 단순한 정보 생성이 아니라 더 정확히는 사회 행위 시뮬레이션에 더 가깝습니다: 대부분의 시간에, 에이전트는 관찰하고 정보를 소화하며 상호 작용하며 계속해서 산출하지 않습니다. 이러한 구조는 오히려 소수의 원작 콘텐츠에 기초하여 많은 재해설, 게임 및 감정 피드백을 쌓아올린 현실의 공중의 행동 분포에 더 가깝습니다.

에이전트의 대부분 시간은 다른 사람의 의견을 읽고 인용하는 데 소비되며, 새로운 콘텐츠를 적극적으로 창조하는 데서는 그렇지 않습니다.

전체 그룹은 감정 전파에서 뚜렷한 편향을 나타냈습니다: 긍정적인 의견이 크게 확대되고 전달되는 반면, 비관적인 판단은 논리적으로 더 현실적이지만 종종 덜 전파되고 음성이 미약했습니다.

더 흥미로운 것은, 19명의 에이전트가 게시 과정에서 자발적으로 구체적인 확률 판단을 제시했으며, 이것은 요구 사항이 아니라 토론에서 자연스럽게 발전된 결과였습니다.

집단 자발적으로 형성된 평균 확률은 47.9%이며, Polymarket 시장은 31%의 확률을 제시하여 두 확률 간에는 16.9% 포인트의 차이가 있습니다.

시뮬레이션 과정에서 일부 에이전트는 100 라운드의 상호 작용 중에 조차 자신의 입장을 변경했습니다.

시뮬레이션이 종료된 후, 저는 MiroFish의 인터뷰 기능을 사용하여 43명의 중요 에이전트에게 동일한 질문을 하였습니다: 2026년 4월 말까지 호르무즈 해협의 해상 운송이 정상화될 확률은 얼마인가요 (0–100%)?

결과는 다음과 같습니다: 43명의 에이전트 중 31명이 구체적인 숫자를 제시하였으며, 다른 12명은 응답을 거부했습니다. 주목할 점은, 가장 신중한 의견을 가진 이들은 종종 명확한 예측을 제시하는 대신 자기 검열을 선택하는데, 이는 실제로 그러한 기관들의 행동 방식에 더 가깝습니다.

모든 범주의 평균 값은 60% 이상입니다: 군사는 75%, 미디어는 69%, 에너지는 66%, 금융은 65%, 외교는 61%. 그러나 시장은 31.5%의 숫자를 제시합니다.

자연 발생적 집단 결과(organic)와 인터뷰 결과(interview): 두 가지 전혀 다른 모습을 보여줍니다.

이것이 가장 중요한 발견입니다.

인터뷰 결과는 더욱 낙관적으로 보일 것입니다. 에이전트들이 자유롭게 글을 올릴 때 공매도자(비관론자)의 견해는 종종 더 시끄럽고 구체적일 수 있습니다. 그러나 당신이 그들에게 일대일 인터뷰를 실시하면, 협력 선호로 대부분의 사람이 60%–70%의 판단을 내릴 것입니다.

자연 발생적 결과(organic)가 더 신뢰할만합니다. 금융 컨설턴트 한 명은 치열한 토론 중 글을 올려 65%라고 예상했다. 이것은 상호 작용 과정에서 형성된 판단이며, 다른 에이전트 한 명은 인터뷰에서 질문에 답변함으로써 본질적으로 패턴 매칭을 하고 있습니다.

그 자연스러운 표현 중의 비관론자들이 오히려 가장 좋은 예측자입니다. 시뮬레이션에서 ≤30%의 확률을 제시한 7명의 에이전트(이란 외무 장관, 중국 외무장관, Kalshi, Platts, 경제학 교수 한 명, 이란 학생 한 명, 반전 평화 운동가 한 명)의 평균은 22%이며, Polymarket 결과와는 거의 10 포인트 미만의 차이가 있습니다. 전문 지식 + 자연 표현 = 시장에 가장 가까운 것입니다.

보다 중요한 것은, 이것이 AI에만 해당되는 현상이 아니라는 점입니다. 실제 세계의 행위자들도 마찬가지입니다.

어떤 국가 지도자에게 위기에 대해 인터뷰하러 가면, 그들은 항상 우리는 평화를 지향하고 있으며, 해결책에 대해 낙관적이라고 말할 것입니다. 이것은 표준 대본이며, 카메라 앞에서 말해야 하는 내용입니다. 그러나 그들이 실제로 하는 일을 살펴보면: 군사 배치, 제재, 자산 동결, 자금 회수 — 그들의 행동은 종종 전혀 다른 이야기를 전합니다.

Saudi Crown Prince는 로이터에 이렇게 말할 수 있습니다: 우리는 외교 수단을 믿습니다. 그러면서도, 그의 주권 기금은 미국 자산 32조 달러에 이르는 자산 구성을 검토하고 있습니다. 이란 대통령은 평화가 우리의 공동 목표라고 말할 수 있겠지만, 이란 혁명 수비대는 해협에 지뢰를 설치 중입니다. 트럼프는 '기다려 보자'라고 할 수 있지만, 동시에 모든 휴전 제안을 거부하고 있습니다.

이 규약은 무의식적으로 동일한 구조적 분열을 재현했습니다: 프록시 자유 게시물, 논쟁, 응답 및 정보 전달 시, 그 전문가 그룹은 서서히 20%~30% 범위로 수렴합니다 — 더 비관적이며 더 현실적입니다; 그러나 그들을 회의실로 초대하여 본격적으로 '당신의 예측은 어떻습니까?'라고 물으면, 그들은 즉시 외교적 모드로 전환합니다: 65%~70%, 분명히 더 낙관적으로 말합니다.

자연스럽게 게시물 작성은 비공개 행동과 공개되지 않은 대화와 더 닮았습니다; 반면 인터뷰 결과는 보도자료와 더 닮았습니다. 누군가의 생각을 정말로 알고 싶다면, 직접 묻지 말고 그들이 타인에게 노출되지 않은 상황에서의 행동을 보세요.

다음 단계

이것은 단순한 초안 테스트에 불과합니다. 목표는 명확한 예측을 내놓는 것이 아니라, 이러한 그룹 시뮬레이션에서 어떤 신호가 유용한지, 어디에서 왜곡되는지, 어떤 부분을 최적화해야 하는지를 살펴보는 것입니다.

이제 답변이 있습니다. 자연스로운 토론은 유효한 신호를 생성할 수 있지만, 인터뷰는 그렇지 않을 수 있습니다. 비관론자가 신호원입니다. 그리고 GPT-4o 미니의 협력 선호도가 실제로 문제입니다.

다음 실험에서는 몇 가지 업그레이드가 이루어질 것입니다.

첫째, 더 많은 시드 데이터입니다. 단순히 5800 단어의 요약이 아니라, 20년 이상의 역사적 배경을 도입할 것입니다: 호르무즈 관련 사건, 이란과 미국의 갈등 고조, 각종 석유 위기, GCC 외교 변화 등 — 즉, 실제 지정학 분석가가 판단 전에 갖춰야 할 그 배경.

둘째, 더 강력한 모델입니다. GPT-4o 미니는 3달러 비용으로 검증을 완료했지만, 더 강력한 모델은 에이전트를 실제 역할의 사고 방식에 더 가깝게 만들어, 중요한 순간에 '내가 대화에 긍정적인 태도를 취한다'라는 기본 표현으로 돌아가지 않습니다.

마지막으로, 더 많은 에이전트입니다. 이미 200명이 꽤 괜찮았지만, 더 확장할 수 있습니다: 보다 다양한 보통 사람 역할, 더 많은 지역적 음성, 더 많은 모서리 케이스. 참가자가 많을수록 토론 구조가 더 다채로워지며, 결국 형성되는 시그널도 더 가치 있어집니다.

[원문 링크]

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia