[論文レビュー] Large Language Models as Simulated Economic Agents: What Can We Learn from Homo Silicus?

John J. Horton, Filippas, Apostolos+1 more|arXiv (Cornell University)|Jan 18, 2023

Economic Policies and Impacts被引用数 47

ひとこと要約

この論文は、GPT-3様のLLMが人間の暗黙的計算モデル（ホモ・シリクス）として機能し、シミュレーションを通じて古典的な行動経済学の結果を質的に再現できると主張し、実世界の実験の前に低コストで拡張可能なパイロット研究を可能にする。

ABSTRACT

We argue that newly-developed large language models (LLMs), because of how they are trained and designed, are implicit computational models of humans -- a Homo silicus. LLMs can be used like economists use Homo economicus: they can be given endowments, information, preferences, and so on, and then their behavior can be explored in scenarios via simulation. Experiments using this approach, derived from Charness and Rabin (2002), Kahneman et al. (1986), Samuelson and Zeckhauser (1988), Oprea (2024b), and Horton (2025), show qualitatively similar results to the original, and when they differ, it is often generative for future research. We discuss potential applications, conceptual issues, and why this approach can inform the study of humans.

研究の動機と目的

• LLMを人間の経済行動の暗黙的モデル（homo silicus）として提案・検証する。
• GPT-3が行動経済学の実験（例：独裁者ゲーム、価格競争、現状維持バイアス）から質的な所見を再現できることを示す。
• LLMsに信念、嗜好、フレームを与えることが、経済シナリオでの選択にどのように影響するかを示す。
• インシリコ・パイロットの可能性を強調し、実世界のテスト前にパラメータ空間を安価に探索する。

提案手法

• GPT-3モデルに異なる社会的嗜好（公正・効率・自利）を付与し、独裁者ゲームの選択をシナリオごとに観察する。
• フレームづけと政治的風味のある信念を操作し、Kahneman風のシナリオで価格吊り上げ判断への影響を研究する。
• 資金配分のフレーミングを現状維持として vs 中立として変えることで現状維持バイアスを再現する。
• 最低賃金の下での賃金と経験のトレードオフを検討する雇用シナリオを実行し、観察された選択と結果を分析する。
• 出力をGPT-3のバリアント（text-davinci-003、text-ada-001、text-babbage-001、text-currie-001）と温度パラメータで比較し、頑健性を評価する。
• LLMの応答の推測的性質と潜在的なパフォーマティビティ問題を踏まえ、観察の解釈を論じる。

Figure 1 : Charness and Rabin ( 2002 ) Simple Tests choices by model type and endowed “personality”

実験結果

リサーチクエスチョン

• RQ1 GPT-3様式のLLMは、古典的な行動経済学実験の質的パターンを再現できるか。
• RQ2 嗜好、フレーム、政治的風味のある見解がLLMの経済的選択にどのように影響するか。
• RQ3 LLMベースのシミュレーションは、コストとスピードの観点から社会科学実験のパイロットにどの程度有用か。
• RQ4 これらのタスクにおけるモデル能力は、ホモ・エコノミカス的な行動や人間的意思決定にどの程度影響するか。
• RQ5 モデルのバリアントとプロンプトの formulations によるAI生成結果の頑健性はどの程度か。

主な発見

• 独裁者ゲーム設定において、LLMsは不平等・効率・自己利益を動機とする選択を模倣でき、高度なモデルは付与された嗜好に敏感である。
• 価格吊り上げとフレーミングのタスクで、AIエージェントの公正判断は価格水準と政治的フレーミングに依存し、人間のパターンに近く、いくつかの設定でフレーミング効果を示す。
• 現状維持というフレーミングが提示されるとAIの応答に現状維持バイアスが現れる。
• 最低賃金のシナリオは賃金の上昇と、より経験のある雇用者へのシフトを生み出し、AIシミュレーションのレベルで労働-労働代替効果を示唆する。
• 有能なGPT-3モデルは、いくつかの古典的行動結果をほとんどコストをかけずに質的に再現でき、迅速で大規模な探索研究を可能にする。
• 本研究は、LLMを迅速なインシリコ実験の実験室ツールとして扱い、実世界のエンピリカル研究を導くための有用性を主張する。

Figure 2 : Kahneman et al. ( 1986 ) price gouging snow shovel question, with endowed political views