Generative Social Choice
Created by
- Haebom
Category
Empty
저자
Sara Fish, Paul Golz, David C. Parkes, Ariel D. Procaccia, Gili Rusak, Itai Shapira, Manuel Wuthrich
개요
본 논문은 기존 사회 선택 이론의 한계를 극복하고, 대규모 언어 모델을 활용하여 개방형 의사결정 문제에 적용 가능한 '생성적 사회 선택'이라는 새로운 프레임워크를 제시합니다. 이 프레임워크는 AI 기반 민주적 프로세스 설계를 오라클 쿼리 접근 시 표현 보장 증명과 대규모 언어 모델을 이용한 실험적 검증 두 단계로 나눕니다. 특히, 자유 형식 의견을 비례적으로 대표하는 의견 진술 목록으로 요약하는 문제에 이 프레임워크를 적용하여 낙태 정책 설문조사 참여자들의 의견을 반영하는 민주적 프로세스를 개발했습니다. 100명의 미국 거주자를 대상으로 한 실험 결과, 84명이 생성된 5개의 진술 목록에 대해 "매우" 또는 "극도로" 잘 대표된다고 응답했습니다.
시사점, 한계점
•
시사점:
◦
기존 사회 선택 이론을 개방형 의사결정 문제에 적용 가능하도록 확장.
◦
대규모 언어 모델을 활용하여 AI 기반 민주적 프로세스 설계의 새로운 방법론 제시.
◦
낙태 정책 설문조사를 통한 실증 연구 결과, 높은 수준의 참여자 만족도 확인.
◦
생성적 사회 선택 프레임워크는 다양한 개방형 의사결정 문제에 적용 가능성을 제시.
•
한계점:
◦
오라클 쿼리에 대한 의존도가 높아, 실제 구현의 어려움 및 대규모 언어 모델의 한계가 결과에 영향을 미칠 수 있음.
◦
설문조사 참여자의 대표성 및 표본 크기에 대한 추가적인 검토 필요.
◦
다양한 사회적 맥락 및 의사결정 문제에 대한 일반화 가능성에 대한 추가 연구 필요.
◦
대규모 언어 모델의 편향성이 결과에 미치는 영향에 대한 추가 분석 필요.
