---
title: "Comportamiento humano y sociedad · Simulaciones · Hipótesis de la simulación"
url: https://simulation-hypothesis.com/es/simulations/human-society
description: "Decisiones, multitudes, opiniones, mercados, sociedades del pasado y poblaciones enteras."
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, Hipótesis de la simulación (simulation-hypothesis.com)"
---

[Simulaciones](https://simulation-hypothesis.com/es/simulations)dominio 8 de 18

# Comportamiento humano y sociedad

Decisiones, multitudes, opiniones, mercados, sociedades del pasado y poblaciones enteras.

Aquí las personas se modelan como agentes que toman decisiones, multitudes, mercados y poblaciones. Los modelos son sencillos a propósito. Muchas veces lo que se quiere mostrar es qué poca intención individual hace falta para producir un gran patrón social. Antropólogos y arqueólogos usan las mismas herramientas para reconstruir sociedades que ya no existen. Eso los convierte en el análogo real más cercano de las simulaciones de antepasados de la hipótesis.

## Mentes y decisiones

### Arquitecturas cognitivas

Un modelo computacional de la memoria, la atención y el razonamiento humanos, ejecutado sobre la misma tarea que se da a las personas en el laboratorio.

Pregunta que responde: ¿Comete el modelo los mismos errores, a la misma velocidad, que las personas?

Deja fuera: Ajustar los tiempos de reacción humanos no demuestra que el modelo use el mecanismo real del cerebro.

Se ejecuta en: unos 10^12 FLOPS aproximado una estación de trabajo de escritorio que ejecuta una arquitectura sobre una tarea de laboratorio Desde: 1983 El desarrollo de Newell de una arquitectura cognitiva unificada, Soar

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Reglas y estados](https://simulation-hypothesis.com/es/simulations/methods#m-rules)nivel: Reglas

### Modelos de toma de decisiones

Una evidencia que se acumula al azar hasta cruzar un umbral, usada para explicar las elecciones y los tiempos de reacción.

Pregunta que responde: ¿Por qué la gente cambia velocidad por precisión como lo hace?

Deja fuera: Supone que la evidencia se acumula a un ritmo ruidoso constante, una imagen neuronal simplificada.

Se ejecuta en: unos 10^9 FLOPS aproximado una laptop que ajusta un modelo de deriva-difusión a datos de elección Desde: 1978 El modelo de deriva-difusión de la toma de decisiones de Ratcliff

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Reglas

### Modelos de aprendizaje

Agentes que aprenden de la recompensa y del error, ajustados a cómo se comportan las personas y los animales en experimentos de aprendizaje.

Pregunta que responde: ¿Qué regla de aprendizaje explica mejor cómo se adapta la gente a probabilidades cambiantes?

Deja fuera: Capta bien el comportamiento medio, pero a menudo pasa por alto las diferencias individuales en el aprendizaje.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ajusta un modelo de aprendizaje por recompensa Desde: 1972 El modelo de aprendizaje asociativo de Rescorla y Wagner

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Reglas

### Cognición social y modelos de teoría de la mente

La imagen que un agente tiene de lo que otro cree, quiere o sabe, anidada dentro de sí mismo, usada para explicar cómo las personas predicen y manipulan la conducta de los demás.

Pregunta que responde: ¿Cuántos niveles de profundidad alcanzan realmente las personas cuando razonan sobre lo que piensan los demás?

Deja fuera: La mayoría de los modelos limitan el anidamiento de creencias a un número pequeño de niveles, aunque el razonamiento real es menos regular.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ejecuta un modelo de razonamiento anidado sobre creencias Desde: 1978 La teoría de la mente de Premack y Woodruff, formalizada después en términos computacionales

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Reglas y estados](https://simulation-hypothesis.com/es/simulations/methods#m-rules)[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Reglas

### Modelado de la emoción y del afecto

Una valoración simulada de una situación, como una amenaza o una pérdida, se convierte en un estado emocional que luego sesga las decisiones posteriores del agente.

Pregunta que responde: ¿Cómo cambia realmente el miedo o la ira las decisiones que vienen después?

Deja fuera: Las reglas de valoración son la teoría del modelador sobre la emoción, no una lectura directa de lo que siente nadie.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ejecuta un modelo de emociones basado en la valoración Desde: 1988 El modelo cognitivo de la emoción de Ortony, Clore y Collins

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Reglas y estados](https://simulation-hypothesis.com/es/simulations/methods#m-rules)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Reglas

### Modelado de la elección bajo riesgo e incertidumbre

Apuestas y decisiones pasadas por un modelo de cómo sopesan realmente las personas las ganancias, las pérdidas y las probabilidades, y no de cómo lo haría un agente puramente racional.

Pregunta que responde: ¿Por qué las decisiones de la gente ante el riesgo se apartan tan sistemáticamente de la respuesta racional de los manuales?

Deja fuera: Se ajusta bien a los sesgos medios, pero las decisiones de una persona concreta pueden apartarse de la curva ajustada.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ajusta un modelo de elección de la teoría de las perspectivas Desde: 1992 La teoría prospectiva acumulada de Tversky y Kahneman sobre la elección bajo riesgo

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Reglas

### Encuestados simulados con modelos de lenguaje

A un modelo de lenguaje se le da un perfil demográfico y se le pide que responda preguntas de una encuesta como lo haría esa persona.

Pregunta que responde: ¿Puede un modelo sustituir a una muestra de encuesta para predecir las respuestas de un grupo?

Deja fuera: Hereda el sesgo y la homogeneidad del texto con el que se entrenó el modelo, y es débil con los grupos de los que vio poco.

Se ejecuta en: unos 10^14 FLOPS aproximado Una llamada al modelo por encuestado simulado Desde: 2022 Out of One, Many: using language models to simulate human samples (2022) [fuente](https://arxiv.org/abs/2209.06899)

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)nivel: Reglas

### Experimentos de conducta con modelos de lenguaje

A los modelos de lenguaje se les indica que actúen como muchos participantes distintos para repetir experimentos clásicos de psicología y economía.

Pregunta que responde: ¿Reproduce un modelo los resultados humanos de un estudio clásico?

Deja fuera: La replicación puede reflejar estudios memorizados, y el modelo puede no generalizarse a diseños nuevos.

Se ejecuta en: unos 10^14 FLOPS aproximado Muchas llamadas al modelo por experimento Desde: 2022 Using large language models to simulate multiple humans and replicate human subject studies (2022) [fuente](https://arxiv.org/abs/2208.10264)

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)nivel: Reglas

## Dinámica social

### Segregación residencial

Hogares que se mudan cuando hay muy pocos vecinos parecidos a ellos: el modelo de Thomas Schelling sobre cómo preferencias leves producen divisiones nítidas.

Pregunta que responde: ¿Cuánta preferencia individual hace falta para producir una ciudad dividida?

Deja fuera: La segregación real también implica ingresos, discriminación e historia, que la mera preferencia leve no puede explicar.

Se ejecuta en: unos 10^9 FLOPS aproximado una laptop que ejecuta el modelo de segregación de Schelling en una cuadrícula Desde: 1971 El modelo original de segregación de Schelling, hecho a mano y computarizado después En el árbol de Simulaciones: [Segregación de Schelling](https://simulation-hypothesis.com/es/trees/simulations?n=soc-schelling)

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Ejecutar el modelo interactivo](https://simulation-hypothesis.com/es/simulations/run#toy-schelling)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Autómatas celulares](https://simulation-hypothesis.com/es/simulations/methods#m-cellular-automata)nivel: Cuerpos

### Dinámica de opiniones

Agentes que se influyen mutuamente en sus opiniones mediante el contacto y las redes.

Pregunta que responde: ¿Cuándo llega un grupo a un consenso y cuándo se parte en bandos?

Deja fuera: Las opiniones reales implican emoción e identidad que las reglas simples de promedio no captan.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que actualiza opiniones en una red social Desde: 1974 El modelo de DeGroot de puesta en común iterativa de opiniones, simulado más tarde en redes

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)nivel: Cuerpos

### Cooperación y normas

Juegos repetidos de confianza y engaño entre muchos jugadores, con reputaciones y castigos.

Pregunta que responde: ¿Cómo se vuelven estables las normas de cooperación y equidad?

Deja fuera: Las reputaciones y los castigos reales son más desordenados y más lentos que en los juegos repetidos limpios.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ejecuta torneos de juegos repetidos Desde: 1980 Los torneos por computadora de Axelrod del dilema del prisionero repetido

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Teoría de juegos](https://simulation-hypothesis.com/es/simulations/methods#m-game-theory)[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Difusión de ideas

Innovaciones, hábitos y rumores que se propagan por las redes sociales.

Pregunta que responde: ¿Por qué algunas ideas calan y otras nunca se difunden?

Deja fuera: Predice mejor las curvas de adopción de lo que explica por qué cambia una persona concreta.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que simula la adopción en una red social Desde: 1969 El modelo matemático de Bass de difusión de nuevos productos, simulado más tarde

[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Formación de redes sociales

Personas que crean y rompen vínculos según reglas como los amigos de los amigos y la semejanza.

Pregunta que responde: ¿Por qué las grandes redes muestran longitudes de camino cortas entre casi todos los pares de nodos?

Deja fuera: La formación real de vínculos implica geografía e instituciones que las reglas abstractas pasan por alto.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que hace crecer una red con una regla de conexión Desde: 1999 El modelo de crecimiento de redes por conexión preferencial de Barabási y Albert

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)nivel: Cuerpos

### Evolución del lenguaje

Agentes que inventan palabras y gramática para comunicarse, y que las transmiten.

Pregunta que responde: ¿Cómo puede surgir un vocabulario compartido sin que nadie esté al mando?

Deja fuera: El lenguaje real tiene una gramática y una historia mucho más ricas que los pequeños vocabularios que desarrollan los agentes.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ejecuta agentes que inventan un vocabulario compartido Desde: 1995 Primeras simulaciones de Steels sobre agentes que inventan un vocabulario compartido

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Evolución cultural

Habilidades, herramientas y tradiciones que se copian, se mejoran y se pierden a lo largo de las generaciones.

Pregunta que responde: ¿Por qué las poblaciones más grandes y mejor conectadas conservan una tecnología más compleja?

Deja fuera: Trata la cultura como genes que pasan entre personas, y pasa por alto cómo se reinventan las ideas.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que simula la transmisión de rasgos entre generaciones Desde: 1981 Los modelos de transmisión cultural de Cavalli-Sforza y Feldman

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Evolutivo](https://simulation-hypothesis.com/es/simulations/methods#m-evolutionary)nivel: Poblaciones

### Sociedades de agentes de modelos de lenguaje

Decenas de agentes de software movidos por un modelo de lenguaje, cada uno con memoria y planes, viven en un pequeño pueblo simulado y forman un comportamiento social.

Pregunta que responde: ¿Qué patrones sociales surgen cuando los agentes planifican y conversan en lenguaje natural?

Deja fuera: El comportamiento proviene del entrenamiento del modelo de lenguaje, y las ejecuciones son costosas y difíciles de reproducir.

Se ejecuta en: unos 10^15 FLOPS aproximado Miles de llamadas al modelo por día simulado Desde: 2023 Generative Agents: interactive simulacra of human behavior (2023) [fuente](https://arxiv.org/abs/2304.03442)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)nivel: Reglas

### Prototipos poblados de sistemas sociales

Un modelo de lenguaje genera una comunidad de miembros simulados con publicaciones y respuestas, para que los diseñadores prueben una plataforma social antes de lanzarla.

Pregunta que responde: ¿Qué comportamiento podría atraer el diseño de una comunidad nueva?

Deja fuera: El resultado varía de una ejecución a otra, y los malos actores solo son tan realistas como la instrucción.

Se ejecuta en: unos 10^13 FLOPS aproximado Muchas llamadas al modelo por comunidad Desde: 2022 Social Simulacra (2022) [fuente](https://arxiv.org/abs/2208.04024)

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Reglas

### Simulación de plataformas sociales con modelos de lenguaje

Una plataforma con noticias, seguidores y recomendaciones se puebla con hasta un millón de usuarios movidos por modelos, para estudiar la propagación de la información y el efecto rebaño.

Pregunta que responde: ¿Cómo se propagan las publicaciones, las opiniones y la desinformación en una plataforma de usuarios guiados por modelos?

Deja fuera: Los agentes son mucho más uniformes que los usuarios reales, y la validación en el mundo real es limitada.

Se ejecuta en: unos 10^17 FLOPS aproximado Inferencia de modelos a gran escala Desde: 2024 OASIS: open agent social interaction simulations with one million agents (2024) [fuente](https://arxiv.org/abs/2411.11581)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)nivel: Reglas

### Simulación de bucles de retroalimentación en sistemas de recomendación

Usuarios simulados y un sistema de recomendación interactúan durante muchas rondas para mostrar cómo cambian las recomendaciones lo que eligen los usuarios.

Pregunta que responde: ¿Estrechan los sistemas de recomendación lo que la gente consume con el tiempo?

Deja fuera: El comportamiento de los usuarios es un modelo estilizado, no una preferencia medida.

Se ejecuta en: unos 10^10 FLOPS aproximado Rondas repetidas baratas Desde: 2017 Cómo la confusión algorítmica en los sistemas de recomendación aumenta la homogeneidad y reduce la utilidad (2017) [fuente](https://arxiv.org/abs/1710.11214)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Reglas

### Simulación de usuarios con modelos de lenguaje para sistemas de recomendación

Agentes de modelos de lenguaje con perfiles de gustos exploran, califican y abandonan los elementos sugeridos para hacer de usuarios en pruebas de algoritmos de recomendación.

Pregunta que responde: ¿Cómo reaccionarían los usuarios ante un nuevo algoritmo de recomendación?

Deja fuera: El gusto de los agentes es solo una aproximación de los gustos reales.

Se ejecuta en: unos 10^14 FLOPS aproximado Muchas llamadas al modelo por usuario simulado Desde: 2023 On generative agents in recommendation (2023) [fuente](https://arxiv.org/abs/2310.10108)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)nivel: Reglas

### Propagación de desinformación y rumores

Personas en grupos que deciden compartir una historia según cuántos de sus contactos la han compartido, así que la propagación depende de la estructura de la red.

Pregunta que responde: ¿Qué estructura de red permite que una historia falsa se vuelva viral?

Deja fuera: Los algoritmos de las plataformas y los motivos de quienes comparten están simplificados.

Se ejecuta en: unos 10^7 FLOPS aproximado contagio en red en una estación de trabajo. Desde: 2018 Toernberg, echo chambers and viral misinformation: modelling fake news as complex contagion. [fuente](https://doi.org/10.1371/journal.pone.0203958)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)nivel: Poblaciones

### Migración bajo estrés climático

Los hogares deciden si abandonan una región según los ingresos, los choques climáticos y los vínculos sociales, y se suman los flujos entre zonas.

Pregunta que responde: ¿Cuántas personas se mudan si caen las lluvias o los ingresos agrícolas?

Deja fuera: Las reglas de decisión se suponen y la migración tiene múltiples causas.

Se ejecuta en: unos 10^8 FLOPS aproximado ejecuciones de agentes regionales en una estación de trabajo. Desde: 2011 Kniveton y sus colegas, simulaciones con modelos basados en agentes de los cambios futuros en los flujos migratorios de Burkina Faso. [fuente](https://doi.org/10.1016/j.gloenvcha.2011.09.006)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Poblaciones

### Modelos de movilidad y migración humanas

El flujo de personas entre lugares se predice a partir de las poblaciones y las distancias, con reglas de tipo gravitatorio o de radiación.

Pregunta que responde: ¿Cuántas personas viajan entre dos lugares?

Deja fuera: Ignora los costos de transporte, las fronteras y las diferencias individuales.

Se ejecuta en: unos 10^6 FLOPS aproximado cálculo de la matriz de flujos en una laptop. Desde: 2012 Simini y sus colegas, un modelo universal de los patrones de movilidad y migración. [fuente](https://doi.org/10.1038/nature10856)

[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Poblaciones

### Generación de poblaciones sintéticas

Un conjunto completo de hogares y personas artificiales se construye para coincidir con los totales conocidos de una ciudad o un país reales, y da a cada persona una edad, un empleo, una casa y una familia.

Pregunta que responde: ¿Cómo conseguir un sustituto realista de todas las personas de una región sin usar el registro real de nadie?

Deja fuera: Solo se ajustan los totales que publica el censo, así que se inventan las correlaciones entre rasgos que no se midieron.

Se ejecuta en: unos 10^9 FLOPS aproximado horas en una estación de trabajo para un país. Desde: 1996 La creación de poblaciones sintéticas de referencia por Beckman, Baggerly y McKay. [fuente](https://doi.org/10.1016/0965-8564%2896%2900004-3)

[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Poblaciones

## Multitudes

### Dinámica de peatones y multitudes

Cada peatón esquiva obstáculos y a otras personas mediante fuerzas sociales.

Pregunta que responde: ¿Dónde se atascan las multitudes en esta estación, y cómo evitamos un aplastamiento?

Deja fuera: Las multitudes reales entran en pánico y se comportan de forma impredecible de maneras que los modelos de fuerzas suaves no captan.

Se ejecuta en: unos 10^13 FLOPS aproximado un clúster universitario que simula decenas de miles de caminantes Desde: 1995 El modelo de fuerza social del movimiento de peatones de Helbing y Molnar

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Campos continuos](https://simulation-hypothesis.com/es/simulations/methods#m-continuum)nivel: Cuerpos

### Emoción de multitudes y contagio del comportamiento

Un estado de ánimo o una acción, como el pánico, los vítores o la risa, que se contagia de persona a persona en una multitud densa, más rápido de lo que nadie decidió sumarse.

Pregunta que responde: ¿Cómo recorre un sentimiento o una acción a una multitud de desconocidos?

Deja fuera: Las reglas de contagio suelen adivinarse a partir de grabaciones de video después de los hechos, no se miden en vivo.

Se ejecuta en: unos 10^11 FLOPS aproximado una estación de trabajo de escritorio que simula la propagación del ánimo en una multitud Desde: 2000 los primeros modelos basados en agentes del contagio emocional en el pánico de una multitud

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)nivel: Cuerpos

### Modelos de acción colectiva y de puntos de inflexión

Cada persona está dispuesta a sumarse solo cuando ya lo han hecho suficientes otras, de modo que el paso de una multitud de la quietud a la acción conjunta depende de la mezcla de umbrales individuales.

Pregunta que responde: ¿Cuántas personas tienen que actuar primero para que todas las demás las sigan?

Deja fuera: Supone que el umbral de cada persona está fijado de antemano, cuando los reales cambian en cuanto una multitud se pone en marcha.

Se ejecuta en: unos 10^9 FLOPS aproximado una laptop que ejecuta una cascada de umbrales sobre una población Desde: 1978 El modelo de umbral de Granovetter del comportamiento colectivo

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Reglas

### Estimación colectiva y sabiduría de las multitudes

Muchas estimaciones independientes, cada una con su ruido, de una misma cifra, reunidas para ver cuánto más cerca de la verdad cae el promedio que la estimación de cualquier persona.

Pregunta que responde: ¿Cuándo es mejor promediar muchas estimaciones que preguntar a un solo experto?

Deja fuera: El efecto del promedio falla cuando las estimaciones individuales dejan de ser independientes.

Se ejecuta en: unos 10^9 FLOPS aproximado una laptop que ejecuta una agregación de Monte Carlo de estimaciones Desde: 1907 El análisis de Francis Galton de las estimaciones de una multitud sobre el peso de un buey

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Reglas

### Modelos de red de movilización en protestas

Personas que deciden si unirse a una protesta según cuántos de sus propios vínculos sociales ya van, de modo que la participación se propaga por una red y no por una multitud en un solo lugar.

Pregunta que responde: ¿Cómo crece un movimiento de protesta, de unas pocas personas comprometidas a una asistencia masiva?

Deja fuera: Trata el unirse como una sola decisión de sí o no, y pasa por alto los pequeños pasos del compromiso real.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que simula el reclutamiento en una red Desde: 1997 El modelo de red de participación en protestas de Kim y Bearman

[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Modelado del riesgo de enfermedades en grandes concentraciones de personas

La mezcla de personas inusualmente densa y temporal en un festival, una peregrinación o un evento deportivo, modelada para estimar con qué rapidez podría propagarse una infección y extinguirse cuando la multitud se dispersa.

Pregunta que responde: ¿Cuánto riesgo adicional de enfermedad crea reunir a tantas personas durante unos días?

Deja fuera: Una vez que la multitud se dispersa, seguir adónde van después las infecciones resultantes queda en gran parte fuera de alcance.

Se ejecuta en: unos 10^12 FLOPS aproximado un clúster universitario que simula los contactos en una sola reunión Desde: 1987 modelado de un brote de meningitis entre peregrinos en una concentración masiva

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Cuerpos

## Economías y mercados

### Modelos macroeconómicos

Una economía entera como hogares representativos, empresas, bancos y un banco central que reaccionan unos a otros.

Pregunta que responde: ¿Qué pasa con el empleo y los precios si suben las tasas de interés?

Deja fuera: Los modelos de hogar representativo pueden pasar por alto dinámicas debidas a la desigualdad.

Se ejecuta en: unos 10^12 FLOPS aproximado un equipo de escritorio o un clúster pequeño que resuelve un modelo macroeconómico estructural Desde: 1955 El primer modelo macroeconométrico computarizado de Klein y Goldberger

[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Poblaciones

### Economías basadas en agentes

Miles de hogares, empresas y bancos individuales que compran, venden, piden préstamos y quiebran.

Pregunta que responde: ¿Cómo empiezan las crisis a partir del comportamiento corriente?

Deja fuera: Las reglas de comportamiento de los agentes las elige el modelador, no se miden en personas.

Se ejecuta en: unos 10^13 FLOPS aproximado un clúster universitario que simula miles de hogares y empresas que interactúan Desde: 1993 los primeros modelos de economía computacional basados en agentes en el Instituto de Santa Fe

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Mercados financieros

Operadores con distintas estrategias que colocan órdenes en un mercado simulado.

Pregunta que responde: ¿De dónde vienen los desplomes y las burbujas?

Deja fuera: Los mercados reales tienen regulación, noticias y eventos raros que las reglas de negociación de juguete dejan fuera.

Se ejecuta en: unos 10^13 FLOPS aproximado un clúster universitario que simula la interacción de muchas estrategias de compraventa Desde: 1994 El mercado bursátil artificial de Santa Fe de Palmer, Arthur y sus colegas [fuente](https://deepblue.lib.umich.edu/items/18b0197f-305e-40c5-b9bf-98ca56549ca5) En el árbol de Simulaciones: [Mercado bursátil artificial](https://simulation-hypothesis.com/es/trees/simulations?n=soc-santafe)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Cuerpos

### Riesgo financiero

Miles de futuros posibles para una cartera, un banco o una aseguradora.

Pregunta que responde: ¿Qué tan grave es una pérdida que ocurre una vez cada cien años?

Deja fuera: Supone que el futuro se parece estadísticamente al pasado, algo que falla en una crisis.

Se ejecuta en: unos 10^13 FLOPS aproximado el clúster de un banco o una aseguradora que ejecuta millones de escenarios de Monte Carlo Desde: 1994 la adopción temprana de modelos Monte Carlo de valor en riesgo por parte de los grupos de gestión de riesgos

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Poblaciones

### Diseño de mercados y subastas

Licitadores con estrategias que compiten bajo distintas reglas de subasta.

Pregunta que responde: ¿Qué conjunto de reglas logra el precio más justo con la menor manipulación?

Deja fuera: Los postores reales no siempre se comportan con tanta racionalidad como suponen las estrategias.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que prueba estrategias de puja bajo reglas de subasta Desde: 1961 La teoría de subastas de Vickrey, puesta a prueba después con simulación y experimentos

[Teoría de juegos](https://simulation-hypothesis.com/es/simulations/methods#m-game-theory)[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Sociedades artificiales

Agentes que recolectan, comercian y se reproducen en un paisaje de recursos, del que surgen distribuciones de riqueza y de comercio.

Pregunta que responde: ¿Qué reglas simples bastan para hacer crecer los rasgos a gran escala de una sociedad?

Deja fuera: Las reglas simples pueden hacer crecer patrones de aspecto realista por una razón de fondo equivocada.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ejecuta una economía de agentes sobre un paisaje Desde: 1996 El modelo Sugarscape de Epstein y Axtell En el árbol de Simulaciones: [Sugarscape](https://simulation-hypothesis.com/es/trees/simulations?n=soc-sugarscape)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Simulación de política económica diseñada por IA

Agentes que aprenden actúan como trabajadores en una economía simulada mientras un planificador entrenado busca una política fiscal que equilibre la igualdad y la productividad.

Pregunta que responde: ¿A qué regla impositiva convergen los agentes que aprenden y un planificador?

Deja fuera: Las personas reales se diferencian de los agentes que aprenden, y la estructura de la economía es simple.

Se ejecuta en: unos 10^15 FLOPS aproximado Aprendizaje por refuerzo a gran escala Desde: 2020 The AI Economist (2020) [fuente](https://arxiv.org/abs/2004.13332)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Teoría de juegos](https://simulation-hypothesis.com/es/simulations/methods#m-game-theory)[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)nivel: Reglas

### Simuladores de bolsa basados en agentes

Una bolsa de valores simulada con un libro de órdenes completo y mensajes con marca de tiempo, donde interactúan agentes de compraventa, incluidos algunos que aprenden.

Pregunta que responde: ¿Cómo afectaría a un mercado una estrategia de negociación o un cambio de reglas?

Deja fuera: El comportamiento de los agentes está estilizado, y el impacto en el mercado es difícil de calibrar.

Se ejecuta en: unos 10^11 FLOPS aproximado Ejecuciones guiadas por eventos de miles de agentes Desde: 2019 ABIDES: towards high-fidelity market simulation for AI research (2019) [fuente](https://arxiv.org/abs/1904.12066)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Eventos discretos](https://simulation-hypothesis.com/es/simulations/methods#m-discrete-event)nivel: Reglas

### Modelos basados en agentes del mercado de la vivienda

Hogares con ingresos, bancos con reglas de préstamo y un parque de viviendas limitado interactúan para mostrar cómo el apalancamiento y el crédito cambian los precios y los impagos.

Pregunta que responde: ¿Cómo producen las reglas de préstamo auges y caídas de la vivienda?

Deja fuera: El comportamiento de los hogares se basa en reglas y los datos son poco detallados.

Se ejecuta en: unos 10^9 FLOPS aproximado cientos de miles de agentes en una estación de trabajo. Desde: 2012 Geanakoplos y sus colegas, abordar el riesgo sistémico mediante un modelo basado en agentes del mercado inmobiliario. [fuente](https://doi.org/10.1257/aer.102.3.53)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Poblaciones

### Modelos dinámicos estocásticos de equilibrio general

Un hogar y una empresa representativos eligen a lo largo del tiempo bajo perturbaciones aleatorias, y el modelo sirve para rastrear cómo afectan a la economía esas perturbaciones y la política.

Pregunta que responde: ¿Cómo responde la economía a un choque o a un cambio en la tasa de interés?

Deja fuera: Supone agentes representativos racionales y no puede generar crisis con facilidad.

Se ejecuta en: unos 10^6 FLOPS aproximado estimación por perturbación o bayesiana en una laptop. Desde: 1982 Kydland y Prescott, tiempo de construcción y fluctuaciones agregadas. [fuente](https://doi.org/10.2307/1913386)

[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Reglas

### Modelos de catástrofes para seguros

Miles de tormentas, sismos o inundaciones simulados se aplican a una cartera de propiedades para estimar las pérdidas que podría afrontar una aseguradora.

Pregunta que responde: ¿Cuál es la pérdida que se supera una vez cada 200 años?

Deja fuera: Los extremos raros se basan en registros cortos y la vulnerabilidad de los edificios se estima.

Se ejecuta en: unos 10^11 FLOPS aproximado grandes catálogos de eventos en un clúster. Desde: 1972 Friedman, los seguros y los peligros naturales. [fuente](https://doi.org/10.1017/s0515036100005699)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Poblaciones

### Contagio financiero en redes interbancarias

Se golpea a bancos enlazados por préstamos y se rastrean las quiebras que se propagan de uno a otro para medir el riesgo sistémico.

Pregunta que responde: ¿Hasta dónde se extiende por el sistema la quiebra de un banco?

Deja fuera: Las exposiciones solo se observan en parte y el comportamiento de los bancos es fijo.

Se ejecuta en: unos 10^7 FLOPS aproximado algoritmos de compensación en una estación de trabajo. Desde: 2001 Eisenberg y Noe, riesgo sistémico en los sistemas financieros. [fuente](https://doi.org/10.1287/mnsc.47.2.236.9835)

[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Reglas

### Modelos cinéticos de intercambio de riqueza

Los agentes intercambian cantidades aleatorias de dinero por parejas, como partículas de gas que chocan, y de ahí surge una distribución de la riqueza.

Pregunta que responde: ¿Producen unos intercambios aleatorios sencillos la desigualdad observada?

Deja fuera: Las reglas de intercambio ignoran la producción, el crédito y las instituciones.

Se ejecuta en: unos 10^6 FLOPS aproximado simulación de millones de intercambios en una laptop. Desde: 2000 Dragulescu y Yakovenko, mecánica estadística del dinero. [fuente](https://doi.org/10.1007/s100510070114)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Partículas y N cuerpos](https://simulation-hypothesis.com/es/simulations/methods#m-particles)nivel: Reglas

### Modelos de efecto dominó económico de desastres

Un modelo de insumo-producto de cómo se abastecen entre sí las industrias recibe el golpe de una capacidad perdida tras un desastre, y las faltas de suministro se propagan en cascada por la cadena.

Pregunta que responde: ¿Cuál es el costo económico total cuando un desastre detiene algunas industrias?

Deja fuera: Los coeficientes técnicos fijos exageran la rigidez e ignoran que las empresas cambian de proveedor.

Se ejecuta en: unos 10^6 FLOPS aproximado modelos matriciales en una laptop. Desde: 2008 Hallegatte, un modelo regional adaptativo de insumo-producto aplicado al costo económico de Katrina. [fuente](https://doi.org/10.1111/j.1539-6924.2008.01046.x)

[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)nivel: Reglas

### Modelos de mercados eléctricos basados en agentes

Los generadores pujan en un mercado repetidamente, aprendiendo del beneficio, y el patrón de precios muestra cómo afectan las reglas a los resultados.

Pregunta que responde: ¿Llevan las reglas de subasta a precios más bajos o a pujas colusorias?

Deja fuera: Se suponen las reglas de aprendizaje de las empresas.

Se ejecuta en: unos 10^7 FLOPS aproximado simulación de subastas repetidas en una estación de trabajo. Desde: 2001 Bower y Bunn, análisis experimental de la eficiencia de las subastas de precio uniforme frente a las discriminatorias. [fuente](https://doi.org/10.1016/s0165-1889%2800%2900036-1)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Teoría de juegos](https://simulation-hypothesis.com/es/simulations/methods#m-game-theory)[Evolutivo](https://simulation-hypothesis.com/es/simulations/methods#m-evolutionary)nivel: Poblaciones

### Modelos acoplados de epidemia y economía

Un modelo epidémico se enlaza con un modelo económico, de modo que la infección reduce el trabajo y el gasto, y las decisiones económicas cambian su propagación.

Pregunta que responde: ¿Cuál es el equilibrio entre vidas salvadas y producción perdida?

Deja fuera: Se supone que el comportamiento es racional y uniforme.

Se ejecuta en: unos 10^6 FLOPS aproximado optimización dinámica en una laptop. Desde: 2020 Eichenbaum, Rebelo y Trabandt, la macroeconomía de las epidemias. [fuente](https://doi.org/10.3386/w26882)

[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Poblaciones

### Modelos de mercado de caídas repentinas

Varios tipos de agentes de negociación, entre ellos vendedores automáticos rápidos y compradores fundamentales lentos, interactúan en un modelo de un mercado de futuros para mostrar cómo un desplome repentino de los precios puede gestarse y recuperarse.

Pregunta que responde: ¿Pueden por sí solas una gran orden de venta y una liquidez escasa desencadenar una caída de precios en todo el mercado?

Deja fuera: Las estrategias de los agentes son sustitutos simples de empresas reales cuyos algoritmos son secretos, así que la historia que cuenta es plausible, no verificada.

Se ejecuta en: unos 10^11 FLOPS aproximado horas en un clúster para conjuntos de días de negociación. Desde: 2012 El modelo basado en agentes del mercado de futuros E-Mini S&P 500 aplicado al desplome relámpago de 2010, de Paddrik y sus colegas. [fuente](https://doi.org/10.1109/cifer.2012.6327800)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Eventos discretos](https://simulation-hypothesis.com/es/simulations/methods#m-discrete-event)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Poblaciones

### Colusión por fijación algorítmica de precios

Programas de fijación de precios que aprenden de los resultados de ventas se colocan en un mercado simulado para ver si acaban cobrando precios altos a la vez sin hablarse nunca.

Pregunta que responde: ¿Pueden vendedores independientes que usan algoritmos de aprendizaje llegar a mantener los precios por encima de niveles competitivos?

Deja fuera: Los mercados son diminutos, con pocas empresas y bienes idénticos, y las empresas reales usan información y diseño más ricos.

Se ejecuta en: unos 10^9 FLOPS aproximado millones de rondas repetidas en una estación de trabajo. Desde: 2019 El estudio de Calvano, Calzolari, Denicolò y Pastorello sobre la fijación algorítmica de precios por IA y la colusión. [fuente](https://doi.org/10.2139/ssrn.3304991)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)[Teoría de juegos](https://simulation-hypothesis.com/es/simulations/methods#m-game-theory)nivel: Poblaciones

### Agentes macroeconómicos de modelos de lenguaje

Agentes de modelos de lenguaje actúan como hogares y empresas en una economía simulada, deciden con palabras cuánto trabajar, gastar y ahorrar, y se miden la producción total y la inflación.

Pregunta que responde: ¿Reproducen los agentes que razonan con lenguaje los patrones de las macroeconomías reales?

Deja fuera: El comportamiento de los agentes viene de texto que aprendieron y puede reflejar lo que la gente escribe sobre economía y no cómo actúa.

Se ejecuta en: unos 10^16 FLOPS aproximado millones de llamadas al modelo para cien agentes durante décadas de tiempo simulado. Desde: 2023 EconAgent, de Li y sus colegas: agentes de modelos de lenguaje para simular actividades macroeconómicas. [fuente](https://arxiv.org/abs/2310.10436)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)nivel: Poblaciones

## Antropología y arqueología

### Sociedades antiguas reconstruidas

Los hogares agricultores de una sociedad pasada, que viven en un paisaje simulado reconstruido a partir de registros de clima y suelo, como las aldeas de los antepasados pueblo del suroeste de Estados Unidos.

Pregunta que responde: ¿Por qué se pobló este valle, y por qué se abandonó?

Deja fuera: Depende de reconstrucciones del clima y del rendimiento de los cultivos que arrastran sus propias grandes incertidumbres.

Se ejecuta en: unos 10^12 FLOPS aproximado un clúster universitario que ejecuta siglos de hogares simulados Desde: 2002 El modelo de Axtell, Epstein, Dean, Gumerman y sus colegas de los anasazi de Kayenta en Long House Valley [fuente](https://profiles.wustl.edu/en/publications/population-growth-and-collapse-in-a-multiagent-model-of-the-kayen/) En el árbol de Simulaciones: [Artificial Anasazi](https://simulation-hypothesis.com/es/trees/simulations?n=soc-anasazi)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Dispersión humana

Las primeras poblaciones humanas que se extendían por los continentes a medida que cambiaban el clima y las costas.

Pregunta que responde: ¿Cuándo y por qué rutas llegó la gente a cada continente?

Deja fuera: Las rutas y las fechas dependen de estimaciones climáticas y genéticas que siguen cambiando.

Se ejecuta en: unos 10^12 FLOPS aproximado un clúster universitario que simula la expansión de una población por continentes Desde: 2008 ya en 2008, las primeras simulaciones basadas en agentes de la dispersión humana fuera de África

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Autómatas celulares](https://simulation-hypothesis.com/es/simulations/methods#m-cellular-automata)nivel: Poblaciones

### Economías de cazadores-recolectores

Bandas que buscan alimento, cambian de campamento y reparten comida.

Pregunta que responde: ¿Por qué se volvió universal compartir comida entre los cazadores-recolectores?

Deja fuera: Los datos etnográficos de un puñado de grupos que sobreviven sustituyen a una variedad antigua más amplia.

Se ejecuta en: unos 10^11 FLOPS aproximado una estación de trabajo de escritorio que simula las decisiones de forrajeo y reparto de una banda Desde: 1994 los primeros modelos basados en agentes de las decisiones de reparto de alimento entre recolectores

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Comercio e intercambio en la Antigüedad

Asentamientos unidos por caminos y rutas marítimas, con mercancías e ideas que circulan entre ellos.

Pregunta que responde: ¿Cómo viajaron tan lejos la obsidiana, la cerámica o las ideas?

Deja fuera: Los artefactos que sobreviven son una muestra escasa y sesgada de todo lo que realmente se movió.

Se ejecuta en: unos 10^11 FLOPS aproximado una estación de trabajo de escritorio que modela el intercambio en una red de asentamientos Desde: 2007 ya en 2007, los primeros modelos de red de las rutas comerciales de la época romana

[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Microsimulación demográfica

Una población sintética que vive nacimientos, parejas, migraciones y muertes, año tras año.

Pregunta que responde: ¿Cómo envejecerá la población, y qué significa eso para las pensiones y los cuidados?

Deja fuera: Los errores en las probabilidades de cada suceso vital se acumulan a lo largo de una vida simulada.

Se ejecuta en: unos 10^13 FLOPS aproximado un clúster universitario que simula los sucesos vitales de una población sintética Desde: 1957 La construcción original de Orcutt de un modelo de microsimulación de la población estadounidense

Modelos: [Humano](https://simulation-hypothesis.com/es/entities/human)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Cuerpos

### Construcción de monumentos y reconstrucción de ingeniería

Las cargas estructurales, la mano de obra y la logística de un monumento antiguo, puestas a prueba simulando posibles métodos de construcción frente a lo que los restos físicos pueden y no pueden soportar.

Pregunta que responde: ¿Pudo este monumento construirse de verdad como dice la tradición o una teoría destacada?

Deja fuera: Varios métodos de construcción en competencia suelen ajustarse igual de bien a la evidencia que se ha conservado.

Se ejecuta en: unos 10^11 FLOPS aproximado una estación de trabajo de escritorio que ejecuta un modelo estructural y de logística laboral Desde: 1997 las primeras simulaciones que probaban cómo pudieron funcionar las rampas de construcción de las pirámides egipcias

[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

## Políticas y organizaciones

### Microsimulación de impuestos y prestaciones

Un cambio propuesto en los impuestos o las prestaciones, aplicado a una gran muestra de hogares reales.

Pregunta que responde: ¿Quién gana y quién pierde con este cambio, y cuánto?

Deja fuera: Supone que las personas no cambian su conducta en respuesta a la política, algo que a veces sí hacen.

Se ejecuta en: unos 10^12 FLOPS aproximado un clúster universitario que aplica reglas a una gran muestra de hogares Desde: 1976 La microsimulación DYNASIM de la política fiscal de EE. UU., de Orcutt y sus colegas

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Reglas y estados](https://simulation-hypothesis.com/es/simulations/methods#m-rules)nivel: Cuerpos

### Modelos del mundo

Población, alimentos, industria, recursos y contaminación como acumulaciones (stocks) y bucles de retroalimentación a escala global.

Pregunta que responde: ¿Qué le pasa a un mundo de recursos finitos con un crecimiento continuo?

Deja fuera: Un puñado de reservas globales oculta toda la variación regional y nacional.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que resuelve un modelo global de reservas y flujos Desde: 1971 World2 de Forrester, publicado en World Dynamics; World3, para Los límites del crecimiento, llegó en 1972 [fuente](https://en.wikipedia.org/wiki/World3) En el árbol de Simulaciones: [World3](https://simulation-hypothesis.com/es/trees/simulations?n=soc-world3)

[Dinámica de sistemas](https://simulation-hypothesis.com/es/simulations/methods#m-system-dynamics)nivel: Poblaciones

### Organizaciones y equipos

Miembros, problemas y decisiones que se mueven por una organización.

Pregunta que responde: ¿Por qué las organizaciones toman las decisiones que toman?

Deja fuera: La política organizativa y la personalidad reales son difíciles de reducir a reglas de decisión.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que simula decisiones que se mueven por una organización Desde: 1963 Los modelos de simulación de la toma de decisiones organizativas de Cyert y March

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Cuerpos

### Modelado de equilibrio general computable

Las industrias, los hogares y el gobierno de toda una economía reconstruidos como un sistema de mercados que deben vaciarse todos a la vez, y luego sacudidos con un impuesto o una política comercial para ver dónde se asientan los precios y la producción.

Pregunta que responde: ¿Cómo se reequilibra toda una economía después de este cambio de política?

Deja fuera: Supone que los mercados se asientan limpiamente en un nuevo equilibrio, y descuida la transición desordenada que se da en la práctica.

Se ejecuta en: unos 10^11 FLOPS aproximado un clúster pequeño que resuelve un gran sistema de ecuaciones de equilibrio de mercado Desde: 1972 El modelo de equilibrio general aplicado a la política fiscal de Shoven y Whalley

[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Poblaciones

### Modelado de la corrupción y la integridad institucionales

Funcionarios y ciudadanos que deciden si sobornar, denunciar o acatar, cada uno según lo común que ya sea la corrupción y lo probable que parezca que lo descubran.

Pregunta que responde: ¿Por qué la corrupción sigue siendo rara en algunas instituciones y se vuelve la norma en otras?

Deja fuera: La corrupción real se oculta por diseño, así que las cifras que alimentan el modelo son estimaciones aproximadas.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ejecuta un modelo de cumplimiento basado en agentes Desde: 2002 los primeros modelos basados en agentes de cómo se propaga la corrupción dentro de una institución

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Teoría de juegos](https://simulation-hypothesis.com/es/simulations/methods#m-game-theory)nivel: Reglas

### Modelos de red de difusión de políticas

La adopción de una ley o un programa por un gobierno que se propaga a otros a través de los vínculos entre ellos, sean vecinos, socios comerciales o redes profesionales compartidas.

Pregunta que responde: ¿Por qué algunos gobiernos copian una política con rapidez y otros nunca la adoptan?

Deja fuera: Copiar una política sobre el papel es más fácil de modelar que saber si funciona igual en otro lugar.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que simula la adopción en una red de gobiernos Desde: 1990 ya en 1990, los primeros modelos de red de la difusión de políticas entre gobiernos

[Modelos de redes](https://simulation-hypothesis.com/es/simulations/methods#m-network)[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Poblaciones

### Organizaciones de agentes de modelos de lenguaje

Agentes de modelos de lenguaje asumen roles como gerente, programador y probador y colaboran para producir software.

Pregunta que responde: ¿Puede un equipo de agentes que interpretan papeles llevar a cabo una tarea organizativa de varios pasos?

Deja fuera: El resultado depende de las instrucciones, y falta la fricción organizativa humana real.

Se ejecuta en: unos 10^14 FLOPS aproximado Muchas llamadas al modelo por proyecto Desde: 2023 ChatDev: communicative agents for software development (2023) [fuente](https://arxiv.org/abs/2307.07924)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)nivel: Reglas

### Agentes de negociación basados en el lenguaje

Los agentes combinan un modelo de lenguaje con planificación estratégica para negociar y formar alianzas en un juego multijugador hablando entre ellos.

Pregunta que responde: ¿Puede un agente persuadir y planificar con humanos en una negociación abierta?

Deja fuera: Solo las reglas de un juego, y no puede razonar sobre la confianza a largo plazo.

Se ejecuta en: unos 10^16 FLOPS aproximado Gran entrenamiento más planificación en el momento de jugar Desde: 2022 Human-level play in the game of Diplomacy by combining language models with strategic reasoning (2022) [fuente](https://doi.org/10.1126/science.ade9097)

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)[Teoría de juegos](https://simulation-hypothesis.com/es/simulations/methods#m-game-theory)nivel: Reglas

### Dinámica de sistemas de la epidemia de opioides

Las existencias de consumidores de fármacos recetados, de quienes los usan mal, de consumidores de heroína y de muertos se enlazan por retroalimentación y por palancas de política como los límites de suministro y el tratamiento.

Pregunta que responde: ¿Qué combinación de políticas reduce las muertes por opioides?

Deja fuera: La oferta ilícita cambia más rápido de lo que se adaptan los modelos.

Se ejecuta en: unos 10^5 FLOPS aproximado simulación de existencias y flujos en una laptop. Desde: 2013 Wakeland y colegas, modelling the impact of simulated educational interventions on pharmaceutical opioid use. [fuente](https://doi.org/10.1177/1090198113492767)

[Dinámica de sistemas](https://simulation-hypothesis.com/es/simulations/methods#m-system-dynamics)nivel: Poblaciones

### Modelado exploratorio bajo incertidumbre profunda

Un modelo se ejecuta sobre miles de combinaciones de entradas desconocidas y de políticas, para hallar estrategias que sean robustas, y no óptimas para un único pronóstico.

Pregunta que responde: ¿Qué política es aceptable en el abanico más amplio de futuros?

Deja fuera: El abanico de futuros que se explora sigue eligiéndolo el analista.

Se ejecuta en: unos 10^10 FLOPS aproximado conjuntos de ejecuciones de un modelo base en un clúster. Desde: 1993 Bankes, modelado exploratorio para el análisis de políticas. [fuente](https://doi.org/10.1287/opre.41.3.435)

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Reglas

### Dinámica de la cadena de suministro y el efecto látigo

Los pedidos y las existencias fluyen por la fábrica, el distribuidor y el minorista con retrasos, y los pequeños cambios en la demanda se convierten en grandes oscilaciones aguas arriba.

Pregunta que responde: ¿Por qué pequeños cambios de demanda causan enormes vaivenes de pedidos aguas arriba?

Deja fuera: Las empresas reales responden a información que el modelo deja fuera.

Se ejecuta en: unos 10^5 FLOPS aproximado simulación de existencias y flujos en una laptop. Desde: 1958 Forrester, dinámica industrial: un gran avance para quienes toman decisiones. [fuente](https://doi.org/10.1007/978-3-642-27922-5%5F13)

[Dinámica de sistemas](https://simulation-hypothesis.com/es/simulations/methods#m-system-dynamics)[Eventos discretos](https://simulation-hypothesis.com/es/simulations/methods#m-discrete-event)nivel: Reglas

## Derecho, justicia y elecciones

### Simulación de sistemas electorales y de votación

El mismo conjunto de votantes y candidatos se pasa por distintas reglas de votación, como mayoría simple, voto preferencial o sistemas proporcionales, para comparar quién ganaría realmente.

Pregunta que responde: ¿Habría cambiado un sistema de votación distinto quién ganó estas elecciones?

Deja fuera: Supone que las preferencias de los votantes se mantienen fijas aunque un sistema distinto cambiaría la forma de votar.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ejecuta elecciones bajo reglas de votación alternativas Desde: 1975 las primeras simulaciones por computadora que comparaban los resultados de distintas reglas de votación

[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)[Teoría de juegos](https://simulation-hypothesis.com/es/simulations/methods#m-game-theory)nivel: Reglas

### Simulación de tribunales y del flujo de casos

Casos que llegan, esperan audiencias y avanzan por las etapas de un sistema judicial, usados para ver dónde se acumula un atraso y qué le harían más jueces o más salas.

Pregunta que responde: ¿Cuánto tardará en despejarse el atraso de este tribunal, y qué lo aceleraría de verdad?

Deja fuera: La complejidad real de los casos y la discrecionalidad humana varían más de lo que supone un modelo de colas.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ejecuta un modelo de eventos discretos del flujo de casos Desde: 1976 las primeras simulaciones de eventos discretos de los atrasos de casos judiciales en Estados Unidos

[Eventos discretos](https://simulation-hypothesis.com/es/simulations/methods#m-discrete-event)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Reglas

### Modelado del riesgo de sentencia y reincidencia

El historial registrado de una persona se pasa por un modelo estadístico que puntúa la probabilidad de que reincida, y se usa para orientar decisiones de libertad condicional, fianza o condena.

Pregunta que responde: ¿Qué probabilidad hay de que esta persona reincida, según personas con un historial parecido?

Deja fuera: Una puntuación construida con estadísticas de grupo puede ser errónea para la persona concreta a la que se aplica, en un sentido o en otro.

Se ejecuta en: unos 10^11 FLOPS aproximado una estación de trabajo de escritorio que ajusta un modelo de riesgo a partir de expedientes de casos Desde: 1928 La escala actuarial de Burgess para predecir el éxito de la libertad condicional, un modelo de riesgo temprano

[Emuladores aprendidos](https://simulation-hypothesis.com/es/simulations/methods#m-learned)[Monte Carlo](https://simulation-hypothesis.com/es/simulations/methods#m-monte-carlo)nivel: Reglas

### Simulación del despliegue de la policía y de las patrullas

Unidades de patrulla e incidentes denunciados en una ciudad, usados para probar cómo cambian los tiempos de respuesta y la cobertura distintas formas de asignar agentes a las zonas.

Pregunta que responde: ¿Adónde deben enviarse las patrullas para recortar al máximo los tiempos de respuesta?

Deja fuera: Los datos históricos de delincuencia pueden incorporar sesgos del pasado en los lugares donde se desplegó a los agentes.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que ejecuta un modelo de colas para el despliegue de patrullas Desde: 1972 El modelo de colas de hipercubo de Larson para el despliegue de patrullas de policía

[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)[Eventos discretos](https://simulation-hypothesis.com/es/simulations/methods#m-discrete-event)nivel: Cuerpos

### Simulación de negociación legislativa y de coaliciones

Partidos con posiciones en un espacio de políticas que negocian y forman coaliciones para aprobar una ley o formar un gobierno, con reglas sobre quién propone y quién debe estar de acuerdo.

Pregunta que responde: ¿Qué coalición se formará de verdad, y a qué compromiso llegará?

Deja fuera: Las coaliciones reales se forman en torno a personalidades y a una historia que un modelo espacial deja fuera.

Se ejecuta en: unos 10^10 FLOPS aproximado una estación de trabajo de escritorio que resuelve un modelo espacial de negociación de coaliciones Desde: 1980 las primeras simulaciones del voto espacial y la formación de coaliciones en parlamentos

[Teoría de juegos](https://simulation-hypothesis.com/es/simulations/methods#m-game-theory)[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)nivel: Reglas

### Simulación de decisiones de jurados

Jurados individuales con opiniones iniciales distintas deliberan bajo reglas como la mayoría o la unanimidad, para ver qué veredicto y cuánta persuasión acaba produciendo el grupo.

Pregunta que responde: ¿Refleja el veredicto la solidez de las pruebas, o solo la dinámica de la deliberación?

Deja fuera: Los jurados de laboratorio que deciden casos simulados pueden no comportarse como los jurados reales que enfrentan consecuencias reales.

Se ejecuta en: unos 10^9 FLOPS aproximado una laptop que ejecuta un modelo de deliberación con esquema de decisión social Desde: 1983 Los modelos de esquemas de decisión social de la deliberación de jurados de Davis y sus colegas

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Procesos estocásticos](https://simulation-hypothesis.com/es/simulations/methods#m-stochastic)nivel: Reglas

### Dinámica de los focos de delincuencia

Delincuentes que se mueven por una ciudad y se sienten atraídos por lugares con delitos pasados, lo que produce focos que crecen, se desplazan y responden a la vigilancia policial.

Pregunta que responde: ¿Cómo se forman los puntos calientes, y pueden las patrullas desplazarlos?

Deja fuera: Los motivos de los delincuentes están simplificados y la denuncia de delitos es imperfecta.

Se ejecuta en: unos 10^7 FLOPS aproximado una ciudad basada en agentes se ejecuta en una estación de trabajo. Desde: 2008 Short y sus colegas, un modelo estadístico de la conducta delictiva. [fuente](https://doi.org/10.1142/s0218202508003029)

[Basado en agentes](https://simulation-hypothesis.com/es/simulations/methods#m-agent-based)[Ecuaciones diferenciales](https://simulation-hypothesis.com/es/simulations/methods#m-equations)nivel: Poblaciones

[◂ Agricultura y alimentación](https://simulation-hypothesis.com/es/simulations/agriculture-food)[Ingeniería y tecnología ▸](https://simulation-hypothesis.com/es/simulations/engineering)