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
Category
Empty

저자

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

개요

본 논문은 생성형 에이전트와 대규모 언어 모델(LLM)을 활용하여 샌드박스 사회를 시뮬레이션하고, 공중 보건 정책 평가를 위한 실제 인간 대상 실험의 의존도를 줄일 수 있는지 조사합니다. 백신 거부 현상을 사례 연구로 삼아, VacSim이라는 프레임워크를 통해 100명의 생성형 에이전트를 이용하여 백신 정책 결과를 시뮬레이션합니다. 인구 통계 데이터를 기반으로 에이전트를 생성하고, 사회적 네트워크를 통해 연결하여 백신에 대한 태도를 모델링합니다. 실제 결과와 일치하도록 시뮬레이션 준비 및 태도 조절을 도입하고, 다양한 공중 보건 개입을 설계 및 평가합니다. Llama와 Qwen과 같은 모델을 사용하여 인간 행동의 측면을 시뮬레이션할 수 있음을 보여주지만, 인구 통계적 프로필과의 일관성 없는 응답과 같은 현실 세계 정렬 문제도 강조합니다. 본 연구는 정책 지침으로서가 아니라 사회 시뮬레이션을 통한 정책 개발을 위한 행동 촉구로서 의미를 가집니다.

시사점, 한계점

•
시사점:
◦
생성형 에이전트와 LLM을 활용한 사회 시뮬레이션을 통해 공중 보건 정책 평가에 대한 실제 인간 대상 실험 의존도를 줄일 가능성을 제시.
◦
백신 거부 현상과 같은 복잡한 사회적 현상을 시뮬레이션하고, 다양한 정책 개입의 효과를 평가하는 새로운 방법론 제시.
◦
LLM 기반 시뮬레이션의 가능성과 한계를 동시에 보여줌으로써 향후 연구 방향을 제시.
•
한계점:
◦
LLM의 응답이 인구 통계적 프로필과 일관성이 없는 등, 현실 세계와의 정렬 문제 존재.
◦
아직 초기 단계 연구이며, 정책에 대한 확정적인 지침으로 활용될 수 없음.
◦
시뮬레이션의 정확성 및 일반화 가능성에 대한 추가적인 검증 필요.
◦
모델의 크기 및 복잡성에 따라 시뮬레이션의 계산 비용이 높아질 수 있음.
👍
Made with Slashpage