[論文レビュー] Generative Agent-Based Modeling: Unveiling Social System Dynamics through Coupling Mechanistic Models with Generative Artificial Intelligence

Navid Ghaffarzadegan, Aritra Majumdar+2 more|arXiv (Cornell University)|Sep 20, 2023

Computational and Text Analysis Methods被引用数 5

ひとこと要約

本論文は、大規模言語モデル（例：ChatGPT）と機械的エージェントベースモデルを統合する新しい枠組みである生成的エージェントベースモデル（GABMs）を紹介する。このアプローチにより、社会的行動の意思決定を模擬可能となり、プロンプトの変化に敏感な、現実的で推論に基づいたエージェント行動を実現する。生成的AIを用いた複雑な社会的ダイナミクスのスケーラブルで解釈可能なモデリング手法が提示された。

ABSTRACT

We discuss the emerging new opportunity for building feedback-rich computational models of social systems using generative artificial intelligence. Referred to as Generative Agent-Based Models (GABMs), such individual-level models utilize large language models such as ChatGPT to represent human decision-making in social settings. We provide a GABM case in which human behavior can be incorporated in simulation models by coupling a mechanistic model of human interactions with a pre-trained large language model. This is achieved by introducing a simple GABM of social norm diffusion in an organization. For educational purposes, the model is intentionally kept simple. We examine a wide range of scenarios and the sensitivity of the results to several changes in the prompt. We hope the article and the model serve as a guide for building useful diffusion models that include realistic human reasoning and decision-making.

研究の動機と目的

• 生成的AIを用いて人間らしい推論を統合する新しいタイプのエージェントベースモデルの開発。
• 大規模言語モデルが社会的相互作用の機械的モデルに体系的に統合できるかの探求。
• 組織内における社会的規範の拡散を簡略化した事例研究を用いて、このようなモデルの実現可能性と感度を示すこと。
• 研究者が生成的AIを用いて現実的で校正可能な拡散モデルを構築・開発するための実用的で教育的なフレームワークの提供。
• プロンプト工学が社会的シミュレーション文脈におけるモデル行動と出力感度に与える影響の評価。

提案手法

• 著者らは、組織的文脈における社会的規範の拡散を最小限のエージェントベースモデルとして設計し、相互作用ルールを定義する機械的フレームワークを用いた。
• 各エージェントの意思決定は、文脈的ヒント（同僚の行動や規範の強さなど）に基づいて、プロンプト駆動型の大規模言語モデル（例：GPT-3.5）によってモデル化される。
• LLMは、社会的ヒントに基づいて規範を採用するか否かを推論させ、その応答をシミュレーション内のエージェント状態の更新に使用する。
• 複数のシナリオにおいてモデルを実行し、プロンプトの変更を体系的に変化させて行動の感度を評価する。
• 収束性、採用率、入力プロンプトへの感度を、定性的および定量的指標を用いてシミュレーション出力を分析する。
• 将来的な実世界の組織データとの統合を支援するため、モジュラで拡張可能な設計でフレームワークを実装した。

実験結果

リサーチクエスチョン

• RQ1 大規模言語モデルをどのように機械的エージェントベースモデルと効果的に統合し、社会的システムにおける人間の意思決定を模擬できるか？
• RQ2 プロンプト設計の変化が、社会的規範拡散モデルにおける出現的行動と採用ダイナミクスにどの程度影響を及えるか？
• RQ3 生成的AIは、構造化されたシミュレーション環境内において一貫性があり、解釈可能で行動的に妥当なエージェント応答を生成できるか？
• RQ4 LLMの統合が、エージェントベースモデルの出力に対する感度と耐性にどのように影響を及えるか？
• RQ5 生成的モデルを用いた社会的システムダイナミクスのモデリングが、組織的文脈において実用的にどのような意味を持つのか？

主な発見

• GABMフレームワークは、規範採用意思決定における人間の推論パターンを反映する、行動的に妥当なエージェント応答を効果的に生成した。
• モデルはプロンプト設計に対して顕著な感度を示し、フレーズの変更がシミュレーション実行間で採用率や収束時間に影響を与えた。
• 単純なモデルではあるが、トゥイングポイントや同僚の影響効果を含む、規範拡散の主要なダイナミクスを捉えた。
• LLMの統合により、従来のルールベースエージェントと比較して、より豊かで文脈に適応した意思決定が可能となり、現実性が向上した。
• プロンプトの変更による体系的感度分析が可能となり、モデルのキャリブレーションと検証の新しい道筋を提供した。
• 本モデルは、より複雑なAI拡張型社会的シミュレーションを構築するための実用的で教育的プロトタイピングツールとして有効である。