Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Can A Society of Generative Agents Simulate Human Behavior and Inform Public Health Policy? A Case Study on Vaccine Hesitancy

Created by
  • Haebom

저자

Abe Bohan Hou, Hongru Du, Yichen Wang, Jingyu Zhang, Zixiao Wang, Paul Pu Liang, Daniel Khashabi, Lauren Gardner, Tianxing He

개요

본 논문은 생성적 에이전트와 대규모 언어 모델(LLM)을 활용하여 샌드박스 사회를 시뮬레이션하고, 공공 정책 평가에 대한 실제 인간 실험 의존도를 줄일 수 있는지 조사한다. 백신 거부 현상을 사례 연구로, VacSim 프레임워크를 통해 인구 통계, 사회적 네트워크, 백신 태도 등을 모델링하여 백신 정책 결과를 시뮬레이션한다. LLM 기반 시뮬레이션의 신뢰성 평가를 위한 일련의 평가를 제안하며, Llama 및 Qwen과 같은 모델이 인간 행동의 측면을 시뮬레이션할 수 있음을 보여주지만, 인구 통계적 프로필과의 일관성 없는 응답과 같은 실제 세계 정렬 문제를 강조한다. 본 연구는 정책 지침을 제공하는 것이 아니라 사회 시뮬레이션을 통한 정책 개발에 대한 논의를 촉구하는 초기 탐색이다.

시사점, 한계점

•
시사점:
◦
생성적 에이전트와 LLM을 활용한 사회 시뮬레이션을 통한 공공 정책 평가 가능성을 제시.
◦
백신 거부와 같은 복잡한 사회 현상을 모델링하고 시뮬레이션하는 새로운 프레임워크(VacSim) 제안.
◦
LLM 기반 시뮬레이션의 신뢰성 평가를 위한 체계적인 방법 제시.
◦
실제 인간 실험에 대한 의존도 감소 및 정책 개발의 효율성 증대 가능성 제시.
•
한계점:
◦
LLM의 인구 통계적 프로필과의 일관성 없는 응답과 같은 실제 세계 정렬 문제 존재.
◦
초기 단계 연구로, 정책 수립에 대한 결정적인 지침 제공에는 한계.
◦
시뮬레이션의 정확성 및 일반화 가능성에 대한 추가 연구 필요.
◦
사용된 LLM 모델의 특성에 따른 시뮬레이션 결과의 편향 가능성.
👍
Made with Slashpage