A szintetikus perszóna 9-rétegű architektúrája — az egész rendszer egy helyen

Nem egy profil. Nem egy chatbot-karakter. Hanem egy állapotgép — kilenc réteggel.

TL;DR

Ha komolyan akarjuk venni a szintetikus perszónát — ha valódi kutatási döntéseket akarunk vele támogatni —, akkor szisztematikusan kell felépíteni. Nem elég egy YAML-leírás vagy egy prompt. Szükség van legalább kilenc egymásra épülő rétegre: bizonyítéktól a validációig. Ez a cikk az egész rendszert egyszerre mutatja meg — hogy legyen egy teljes képed arról, mi kell egy működő szintetikus perszóna motorhoz.

Edinburgh-i könyvtár, vihar alatt

Ülök a kastély könyvtárának egyik bőr székében. A magas ablakokon végigcsorog az eső, a könyvek bőrkötésű gerincei sötét sávokként állnak a polcokon. A levegőben a régi papír és a nedves kő szaga keveredik. A terem mélyén egyetlen lámpa világít, körötte árnyak lengenek a falon, mintha maguk a gondolatok mozognának. Kint a vihar dübörög, én pedig a csendben ülök, és azon gondolkozom, hogy mennyi réteg rejtőzhet egyetlen személyiség mögött. Nem a külső jellemzőkről van szó, amiket leírhatunk, hanem valami mélyebbről – egy olyan szerkezetről, ami előre megmondja, hogyan dönt, mit válaszol, mit tart fontosnak. A könyvek itt is rétegekben állnak, egymásra épülve, mint egy régi épület kövei. És én arra kérdezek rá, hogy vajon mi tartja össze azt a személyiséget, amit egy gépben akarunk megteremteni.

1. Miért kell architektúra?

A legtöbb „synthetic persona” rendszer ma két rétegből áll: egy demográfiai leírásból és egy promptból. Ez elég ahhoz, hogy az LLM emberi hangon válaszoljon. De nem elég ahhoz, hogy a válasz prediktívan tükrözze az emberi viselkedést.

Az architektúra szó nem véletlenül szerepel. Ahogy egy épületnek statikai tervre van szüksége, egy szintetikus perszóna motornak is szükség van arra, hogy az egyes rétegek egymást hordozzák — és egymással kommunikáljanak.

A 9-rétegű modell azt a minimumot jelöli ki, amely egy komoly, validálható, piackutatásban alkalmazható szintetikus perszóna rendszerhez szükséges.

2. Az architektúra 9 rétege áttekintve

Réteg 1:  EVIDENCE LAYER       — forrásadatok, empirikus alap
Réteg 2:  BASELINE LAYER       — stabil vonások (Big Five, BIS/BAS)
Réteg 3:  SENSITIVITY LAYER    — érzékenységi profilok (IoU, neuroticism)
Réteg 4:  TRIGGER LAYER        — mi billenti ki az állapotváltást
Réteg 5:  TRANSITION LOGIC     — CAPS if-then aláírások, Bayesian frissítés
Réteg 6:  COPING LAYER         — megküzdési stílus, regulatory flexibility
Réteg 7:  SOCIAL-IDENTITY LAY  — csoporttagság, normatív nyomás, reaktancia
Réteg 8:  RESILIENCE LAYER     — tartósság, drift, PTG
Réteg 9:  OUTPUT + VALIDATION  — kimenet generálás + emberi ellenőrzés

3. Réteg 1 — Evidence Layer: az empirikus alap

Minden szintetikus perszóna csak annyit ér, amennyit az alapjául szolgáló empirikus adat. A legjobb architektúra is értéktelen, ha az input adatok gyengék.

Az evidence layer tárolja:

interjúeredmények (verbatim és kódolt)
survey-adatok (Big Five, BIS/BAS, IoU mérések)
CRM és viselkedési adatok
közösségi média- és digitális nyomvonalak
ethnografikus megfigyelések

Kulcsszabály: Minden perszóna-állítás visszavezethető legyen legalább egy empirikus forrásra. Ha nem vezethető vissza, az állítást feltételezésként kell jelölni — nem tényként.

4. Réteg 2 — Baseline Layer: a stabil vonások

Az evidence layer alapján épül fel a baseline profil — a viszonylag stabil személyiségvonások.

Tartalmazza:

Big Five (OCEAN) értékek 0.0–1.0 skálán
HEXACO H dimenzió (ha releváns)
BIS/BAS érzékenységi profil
Kötődési stílus (secure/anxious/avoidant)
Szabályozó fókusz (promotion/prevention orientation)

A baseline réteg a stabil alap — ez változik a leglassabban. Nem frissül minden szituációban, csak hosszabb időtávon (pl. krónikus stressz hatására).

5. Réteg 3 — Sensitivity Layer: érzékenységi profilok

A sensitivity layer a baseline-t árnyalja: megmutatja, mire érzékeny az adott személyiség különösen.

Tartalmazza:

Intolerance of Uncertainty (IoU) — prospektív és gátló alfaktor
Trait-anxiety vs. state-anxiety szeparáltan
Surprise-érzékenység (meglepetés-profil)
Schema-rigidity becslés
Sémarevíziós sebesség (belief update speed)

Ez a réteg mondja meg, hogy ugyanaz a trigger mekkora állapotváltozást okoz. Egy közepes neuroticism-értékű, de magas IoU-jú perszóna a bizonytalan szituációkra kiemelkedően erősen reagál — a sensitivity réteg ezt rögzíti.

6. Réteg 4 — Trigger Layer: mi billenti ki az állapotváltást?

A trigger réteg katalógusa azoknak a szituációknak, amelyek állapotváltást okoznak.

Trigger-típusok:

Kontrollfenyegetés → lelkiismeretességet aktiválja vagy összeomlik
Identitásfenyegetés → reaktancia, védekezés
Veszteségjel → BIS aktiválódás, kockázatkerülés
Jutalomsignál → BAS aktiválódás, közelítés
Bizonytalanságnövekedés → IoU aktiválódás, információkeresés
Szociális értékelési helyzet → konformitás vagy reaktancia
Váratlan esemény → meglepetés-reflex, figyelmi befagyás
Krónikus terhelésnövekedés → coping kapacitás csökkentése

Minden triggerhez három adat tartozik: típus, intenzitás-küszöb, és várható reakció-irány.

7. Réteg 5 — Transition Logic: CAPS és Bayesian frissítés

A transition logic a motor legfontosabb rétege — itt dől el, hogy egy trigger milyen állapotváltozást okoz.

Két mechanizmus egyszerre:

CAPS if-then aláírások (Mischel & Shoda 1995): Ha X típusú szituáció → Y típusú válasz. Ezek a perszóna-specifikus viselkedési aláírások, amelyeket az evidence rétegből deriválunk.

Bayesian hitfrissítés (Friston prediktív kódolás): Ha a valóság eltér az elvárástól (predikciós hiba) → a perszóna elvárásai frissülnek. A frissítési sebesség és mértéke személyiségfüggő (sensitivity rétegből).

Ez a két mechanizmus együtt teszi lehetővé, hogy a perszóna ne csak statikusan reagáljon — hanem tanuljon és frissítsen is a szimuláció során.

8. Réteg 6 — Coping Layer: megküzdési stílus

Ha a trigger elér egy küszöbértéket és állapotváltást okoz, a coping réteg aktiválódik: hogyan kezeli a perszóna a keletkező feszültséget?

A coping réteg tárolja:

Baseline coping-stílus (problémafókuszú / érzelemfókuszú / elkerülő)
Regulatory flexibility (alacsony / közepes / magas)
Stressz-küszöb (mikor vált el a baseline stílustól?)
Vásárlás mint coping-hajlam
Társas támaszkodási szint

A döntés soha nem vákuumban születik. A social-identity réteg kezeli:

Tagságcsoportok és normatív nyomásuk
Aspirációs csoportok (mit akar „üzenni” a döntéssel?)
Reaktancia-szint (mennyire érzékeny a manipulációra?)
Szociális bizonyíték érzékenység
Érzelmi fertőzési fogékonyság
Szociális monitorálás hatása (ki figyeli?)

10. Réteg 8 — Resilience Layer: tartósság és drift

A resilience réteg a hosszabb időtávot kezeli:

Mennyire tart ki a perszóna tartós stressz alatt?
Milyen a várható trajektória? (robust / recovery / chronic / PTG)
Van-e longitudinális trait drift? (krónikus stressz → neuroticism↑, openness↓)
Mi az a stressz-küszöb, ami után a baseline megváltozik?

Ez a réteg a forgatókönyv-szimulációkban különösen fontos — ha egy 6 hónapos piaci változást akarunk modellezni, a resilience réteg nélkül az eredmény torzított lesz.

11. Réteg 9 — Output + Validation: kimenet és ellenőrzés

Az output réteg generálja a szimulációs kimenetet:

Narratív válasz (hogyan nyilatkozna az adott szituációban?)
Döntési valószínűség-vektor (milyen valószínűséggel választja az egyes opciókat?)
Érzelmi állapot-frissítés (hogyan változott az állapot a szimuláció után?)
Confidence score (mennyire biztos az output, milyen rétegek vezérelték?)

A validation komponens a kimenetet visszaellenőrzi az evidence réteggel:

Valódi emberek adataival összhangban van-e?
Volt-e bias (overcoherence, average-person collapse, prompt fragility)?

[!WARNING] Validáció nélkül nincs komoly rendszer A 9. réteg nem opcionális. Ha nincs validáció, a rendszer szimulációs fikciót generál — és azt nem lehet megkülönböztetni a valódi emberi viselkedéstől. Ez a legnagyobb kockázat.

12. A rétegek interakciója

A rétegek nem sorban futnak — hálózatosan interaktálnak:

Ha ez aktiválódik…	…hatással van erre
Trigger (4. réteg)	→ Transition Logic (5.) → Coping (6.) párhuzamosan
Stressz növekedés	→ Sensitivity (3.) változik → IoU reaktivitás nő
Társas fenyegetés (7.)	→ BIS aktiválódás (2.) → Reaktancia (7.)
Meglepetés (4.)	→ Bayesian frissítés (5.) → Resilience (8.) módosítja

13. Összefoglalás

A 9-rétegű architektúra nem bonyolultabb, mint szükséges. Mindegyik réteg egy konkrét pszichológiai mechanizmust fed le — és együtt olyan rendszert alkotnak, amely:

visszavezethető empirikus adatokhoz (evidence)
modellezi az állapotváltásokat (trigger + transition)
kezeli a feszültséget (coping)
a szociális teret is figyelembe veszi (social-identity)
időben is stabil marad (resilience)
validálható, nem csak hihető (output + validation)

Ez a különbség a prompt és a motor között.

Ez a cikk a Szintetikus Perszónák sorozat tizennegyedik része. A következő rész: Trigger library — mi billenti át az embert?

Varga Zoltán | vargazoltan.ai — Piackutatás, mesterséges intelligencia, szintetikus gondolkodás