DRL y LLM para captar la respuesta social
La conjunción de los Modelos de Lenguaje de Gran Tamaño (LLM) y el Aprendizaje por Refuerzo Profundo (DRL) representa una arquitectura dual innovadora diseñada para emular la complejidad de la toma de decisiones humana y captar la respuesta social ante políticas públicas, especialmente en el ámbito tributario. En este modelo, las funciones cognitivas se dividen para permitir que el comportamiento social emerja de forma orgánica.
1. División de Funciones: Mente Racional vs. Subconsciente
En esta arquitectura, el LLM opera como el "subconsciente" del agente, aportando su vasto conocimiento del mundo, su personalidad única y los sedimentos de su moral tributaria. Por otro lado, el DRL actúa como la "mente racional", encargada de realizar el análisis técnico de costo-beneficio para maximizar las recompensas acumuladas, como el ahorro frente al riesgo de multas y auditorías.
2. Captura de la Respuesta ante Narrativas Externas
Una de las capacidades más potentes de esta combinación es su sensibilidad a los mensajes sociales y mediáticos.
- Influencia de Narrativas: Los modelos muestran que la exposición de los agentes a mensajes externos (como narrativas pro-evasión) influye drásticamente en su conducta.
- Puntos de Inflexión (Tipping Points): La investigación identifica que existe una relación no lineal; tras alcanzar un umbral crítico de mensajes (por ejemplo, ~10 mensajes pro-evasión en simulaciones), el comportamiento social sufre un cambio súbito y se vuelve crónico, lo que permite predecir cuándo una sociedad podría transitar hacia el incumplimiento masivo.
3. Emergencia Orgánica de Comportamientos
A diferencia de los modelos tradicionales, este enfoque no instruye a los agentes sobre la posibilidad de evadir ni presupone su existencia. El comportamiento (la respuesta social) emerge orgánicamente de la interacción entre la disposición ética del LLM y la búsqueda de eficiencia del DRL ante las políticas de aplicación del Estado. Esto permite a las administraciones tributarias entender la "historia biográfica" de por qué un sector de la población decide dejar de cumplir.
4. Realismo Conductual y Moral Tributaria
La integración permite modelar la moral tributaria como un factor dinámico:
- Personalidad: Se utilizan perfiles de personalidad (desde ciudadanos cumplidores hasta transgresores) basados en datos reales de redes sociales para observar cómo diferentes rasgos psicológicos reaccionan a la presión fiscal.
- Contrato Social: La simulación permite captar cómo la percepción de una provisión ineficiente de bienes públicos por parte del Estado debilita la confianza institucional, lo que se traduce en una respuesta social de refugio en la informalidad.
La convergencia de LLM y DRL permite transformar al Fisco en una organización capaz de razonar institucionalmente, pasando de una observación forense a una capacidad de nowcasting social que anticipa el descontento o el riesgo de incumplimiento antes de que se materialice en el ecosistema real.
Puedes ver el video en el canal de YouTube en:
Sigamos la conversación en:
Comentarios
Publicar un comentario