Швидко зростаючий open source‑проєкт MiroFish, який нещодавно очолив глобальний тренд на GitHub, пропонує нетиповий підхід до прогнозування майбутнього. Замість одного «всезнаючого» чат-бота тут працює цілий цифровий світ із десятків і сотень автономних агентів, що живуть у змодельованих середовищах на кшталт Twitter і Reddit, сперечаються, пишуть пости, реагують одне на одного — і в результаті формують детальний граф знань та підсумковий аналітичний звіт.
Автор каналу Tech With Tim протестував MiroFish на прикладі прогнозу цін на нерухомість у Дубаї, але значно цікавіше те, як саме влаштована ця система. Її архітектура нагадує поєднання симулятора соцмереж, багатокрокового аналітичного пайплайну та «роєвого інтелекту» з тисяч AI‑агентів.
Від даних до «рою» агентів: що таке MiroFish насправді
MiroFish позиціонується як інструмент для запуску паралельного цифрового світу, у якому автономні агенти моделюють поведінку користувачів у соцмережах, обговорюють події та сценарії, а потім колективно приходять до певних висновків. Кінцева мета — не просто згенерувати відповідь на запитання, а побудувати структуроване уявлення про предметну область і можливі майбутні стани.
Користувач на вході дає системі два ключові елементи. По-перше, це базова інформація: дослідницькі звіти, історичні дані, трендові аналітики, новини — будь-який контент, який має стати фактичною основою симуляції. По-друге, формулюється проста, але конкретна цільова задача: наприклад, «якими будуть ціни на двокімнатні квартири в центрі Дубая у 2035 році?».
Далі MiroFish бере на себе все: від побудови глибокого графа знань до створення десятків агентів із різними ролями та запуску їх у змодельованих соцмережах. Важливо, що користувач не конструює цих агентів вручну — система сама виводить, які «персонажі» та точки зору потрібні, виходячи з вхідних даних і поставленого питання.
Результатом роботи стає не лише прогноз чи відповідь, а й розгалужений граф знань, що пов’язує між собою всі фрагменти інформації, а також детальний звіт, який можна досліджувати, заглиблюючись у логіку окремих агентів.
П’ять етапів MiroFish: як працює багатоступеневий пайплайн
Архітектура MiroFish побудована як послідовність із п’яти основних стадій. Кожна наступна опирається на структурований контекст, створений попередньою, що дозволяє уникнути хаотичної генерації відповідей і наблизити процес до системного аналізу.
Перший етап — побудова графа знань. Система «витягує» сутності, події, взаємозв’язки з усіх наданих документів і перетворює їх на щільно пов’язану мережу. Це не просто індекс чи набір векторних ембедингів: граф відображає, як саме різні фрагменти інформації стосуються один одного. У випадку з нерухомістю це можуть бути зв’язки між історичними цінами, макроекономічними показниками, політичними подіями, демографічними трендами та інфраструктурними проєктами.
Такий підхід дозволяє агентам надалі працювати не з «плоским» текстом, а з багатовимірною структурою, де можна простежити причинно-наслідкові ланцюжки, знайти опосередковані зв’язки й виявити «вузли» впливу. Саме граф стає «хребтом» усієї системи прогнозування.
Другий етап — налаштування середовища. На основі графа знань і поставленого питання MiroFish автоматично створює набір агентів із різними профілями. Для кожного агента формується ім’я, вік, роль, пам’ять, соціальні характеристики, цілі, завдання. У дубайському прикладі серед агентів опинилися інвестор у нерухомість, аналітик фондового ринку ОАЕ, представник військових США, фігура з Ірану, а також політичні персонажі на кшталт Дональда Трампа чи Ненсі Пелосі.
Ці ролі не випадкові: вони відображають різні центри впливу та точки зору, які можуть бути релевантними для прогнозу. Важливо, що користувач не мусить вручну прописувати кожного агента — система сама вирішує, які «голоси» мають бути представлені, щоб симуляція була багатогранною.
Третій етап — дуальна симуляція. Тут MiroFish запускає агентів одразу у двох віртуальних середовищах, що наслідують логіку Twitter і Reddit. В одному світі домінує коротка, реактивна комунікація: пости, репости, цитатні відповіді, лайки й дизлайки. В іншому — довші дискусії у форматі гілок, коментарів, розгорнутих аргументів.
Агенти можуть публікувати власні повідомлення, коментувати чужі, погоджуватися чи заперечувати, поширювати думки інших. У результаті виникає динаміка, схожа на реальні соцмережі: формуються коаліції, поляризуються позиції, з’являються «вірусні» аргументи, які впливають на хід дискусії. Саме в цій взаємодії проявляється «роєвий інтелект» — не як абстрактна метафора, а як сукупність конкретних кроків, реакцій і контраргументів.
Четвертий етап — генерація звіту. Після завершення симуляції в гру вступає спеціалізований «агент-звітник». Його завдання — не просто підсумувати голосування чи середню думку, а синтезувати ключові висновки з урахуванням усього контексту: структури графа знань, перебігу дискусій, аргументів різних сторін. Цей агент аналізує, які фактори виявилися визначальними, де консенсус був стійким, а де — суперечливим, і формує фінальний документ із прогнозами та обґрунтуваннями.
П’ятий етап — глибока взаємодія. На цьому кроці користувач отримує можливість «розібрати» симуляцію зсередини. Інтерфейс дозволяє обрати будь-якого агента, переглянути його повідомлення, мотивацію, логіку міркувань, а також те, як він реагував на аргументи інших. Це перетворює MiroFish із «чорної скриньки» на інструмент прозорої аналітики: можна не лише побачити прогноз, а й зрозуміти, чому «цифровий натовп» дійшов саме до такого висновку.
Граф знань як основа «роєвого» прогнозування
Ключова відмінність MiroFish від більшості систем на базі LLM полягає в тому, що тут граф знань не є допоміжним елементом, а виступає центральною структурою. Саме він пов’язує розрізнені фрагменти даних у цілісну картину, на якій потім «грають» агенти.
У традиційних сценаріях використання великих мовних моделей контекст подається у вигляді лінійного тексту або вибірки релевантних фрагментів через векторний пошук. Модель відповідає, виходячи з локально видимих шматків інформації. У MiroFish натомість спочатку формується інтенсивний граф, де кожна сутність має зв’язки з іншими, а ці зв’язки можуть бути різних типів: причинні, часові, тематичні, економічні, політичні.
Коли агенти взаємодіють у змодельованих соцмережах, вони звертаються не до «плоского» тексту, а до цього графа. Це дозволяє, наприклад, пов’язати новину про геополітичну напругу з історичними патернами впливу конфліктів на ринки нерухомості, або зіставити темпи міграції населення з динамікою попиту на житло. У підсумку прогноз формується не як інтуїтивна відповідь однієї моделі, а як результат багаторазового проходження різних шляхів по графу знань різними агентами.
Роєвий інтелект тут проявляється у двох вимірах. По-перше, у кількості агентів і запусків: система може проганяти симуляцію багато разів, змінюючи початкові умови, склади агентів чи параметри середовища. По-друге, у різноманітті ролей: кожен агент має власну перспективу, упередження, пріоритети, що змушує його по-різному інтерпретувати один і той самий граф.
У сукупності це створює щось на кшталт «цифрового консенсусу», де важать не лише фінальні цифри, а й те, як вони були отримані, які аргументи витримали критику, а які — ні. Для задач прогнозування це критично: важливо не тільки знати, що система «думає» про 2035 рік, а й розуміти, які саме фактори вона вважає ключовими драйверами майбутніх змін.
Соцмережі як лабораторія майбутнього: чому MiroFish симулює Twitter і Reddit
Рішення моделювати саме Twitter‑ та Reddit‑подібні середовища виглядає нетривіальним, але воно логічно випливає з того, як сьогодні формується публічний дискурс. Саме ці платформи часто стають місцем, де вперше з’являються нові наративи, де політики, інвестори, аналітики й звичайні користувачі обмінюються думками, впливаючи одне на одного.
У Twitter‑світі MiroFish агенти діють у режимі швидких реакцій. Вони публікують короткі повідомлення, репостять, цитують, лайкають чи дизлайкають. Така динаміка дозволяє побачити, які тези швидко набирають підтримку, які викликають миттєвий спротив, як змінюється «температура» дискусії навколо певних подій чи сценаріїв.
У Reddit‑світі, навпаки, акцент робиться на довших, структурованих обговореннях. Агенти можуть розгортати аргументи, відповідати в гілках, будувати складні ланцюжки міркувань. Тут краще видно, як формуються аргументовані позиції, як вони еволюціонують під тиском контраргументів, які компроміси можливі між різними таборами.
Дуальна симуляція дозволяє поєднати ці два виміри: імпульсивну, емоційно забарвлену реакцію «твітерного» натовпу та більш повільну, раціоналізовану дискусію «реддітної» спільноти. Для прогнозування це важливо, оскільки реальний світ рідко рухається лише логікою експертних звітів; настрої мас, інформаційні хвилі та вірусні наративи часто мають не менший вплив.
У MiroFish ці процеси відбуваються в контрольованому, «пісочничному» середовищі. Це фактично цифровий двійник інтернет-дискурсу, де можна без ризику для реального світу подивитися, як різні групи агентів відреагують на певні події чи сценарії, які конфлікти загостряться, які коаліції сформуються, які прогнози виявляться стійкими до критики.
Від «рою» до звіту: як працює агент-звітник і режим глибокої взаємодії
Після того як симуляція завершується, MiroFish переходить від хаотичної на перший погляд мережі постів, коментарів і реакцій до структурованого підсумку. Цей перехід забезпечує спеціалізований агент-звітник, який має іншу роль, ніж звичайні учасники «цифрового світу».
На відміну від агентів, що грають ролі політиків, інвесторів чи аналітиків, звітник не бере участі в дискусії. Його завдання — спостерігати, аналізувати й узагальнювати. Він має доступ до всього графа знань, до повної історії взаємодій у Twitter‑ та Reddit‑середовищах, до профілів агентів. На основі цього він формує фінальний документ, у якому:
по-перше, фіксує прогноз або відповідь на поставлене питання;
по-друге, виділяє ключові фактори, що вплинули на цей прогноз;
по-третє, описує, де між агентами склався консенсус, а де збереглися глибокі розбіжності.
Важливо, що на цьому етапі робота з MiroFish не закінчується. Режим глибокої взаємодії дозволяє користувачеві «розмотати» звіт назад до рівня окремих агентів. Можна обрати будь-якого з них і подивитися, які саме повідомлення він публікував, як змінювалася його позиція в ході дискусії, на які частини графа знань він спирався, які аргументи інших агентів вважав переконливими чи навпаки.
Це відкриває можливість не лише сприймати прогноз як даність, а й критично його оцінювати. Наприклад, якщо певний висновок базується переважно на аргументах агентів із подібними упередженнями, користувач може вирішити, що такий результат варто сприймати обережніше. Або навпаки — якщо різні за ролями агенти зійшлися в оцінці певного ризику, це може посилити довіру до прогнозу.
Таким чином, MiroFish поєднує два рівні роботи з майбутнім: макрорівень, де видно загальну картину та ключові тренди, і мікрорівень, де можна розібрати кожен крок міркувань, що привів до цієї картини.
Пісочниця майбутнього інтернету: навіщо бізнесу та дослідникам такий інструмент
Концептуально MiroFish можна описати як «пісочницю майбутнього інтернету». Це паралельний цифровий світ, у якому автономні агенти, озброєні графом знань, моделюють те, як могли б розгортатися публічні дискусії, якби певні сценарії або події стали реальністю.
Для бізнесу це відкриває можливості тестувати реакцію «цифрового суспільства» на нові продукти, регуляторні зміни чи макроекономічні шоки без ризику для репутації чи капіталу. Для дослідників — інструмент вивчення динаміки наративів, поляризації, формування консенсусу. Для інвесторів — спосіб побачити, як різні групи агентів оцінюють ризики й можливості в складних, багатофакторних середовищах.
Водночас MiroFish не варто сприймати як магічну машину передбачення. Це радше складний аналітичний інструмент, який дозволяє структурувати знання, змоделювати різні точки зору й побачити, до яких висновків вони приходять у взаємодії. Його сила — у прозорості процесу та можливості заглибитися в логіку кожного агента, а не в обіцянці безпомилкових прогнозів.
Те, що система побудована як open source‑проєкт із використанням стандартних LLM через OpenAI‑сумісний API, робить її доступною для експериментів. Але саме архітектура — граф знань, автоматичне створення агентів, дуальна симуляція соцмереж і агент-звітник — перетворює MiroFish із чергового «чат-бота з інтерфейсом» на повноцінний симулятор майбутніх сценаріїв.
Висновок
MiroFish демонструє, як може виглядати наступний етап розвитку систем на базі великих мовних моделей: не один універсальний агент, а цілий «роїй» спеціалізованих персонажів, що живуть у змодельованому інформаційному просторі, сперечаються, впливають одне на одного й разом будують прогноз.
У центрі цієї архітектури — детальний граф знань, який пов’язує всі вхідні дані, і багатоступенева pipeline‑модель, де кожен етап додає структуру й контекст. Дуальна симуляція Twitter‑ та Reddit‑подібних середовищ дозволяє наблизити поведінку агентів до реальної динаміки онлайн-дискурсу, а спеціалізований агент-звітник і режим глибокої взаємодії роблять результати прозорими й придатними для критичного аналізу.
У підсумку MiroFish — це не стільки «машина передбачення майбутнього», скільки лабораторія, де майбутнє можна програвати, аналізувати й обговорювати в контрольованому цифровому світі, перш ніж ухвалювати рішення в реальному.
Джерело
YouTube: I Spawned 10,000 AI Agents to Predict the Future (MiroFish is Insane)