エージェントベースモデルにおけるエージェンシーの限界について

On the limits of agency in agent-based models

September 14, 2024

著者: Ayush Chopra, Shashank Kumar, Nurullah Giray-Kuru, Ramesh Raskar, Arnau Quera-Bofarull

cs.AI

要旨

エージェントベースモデリング（ABM）は、環境内で行動し相互作用するエージェントの集合体をシミュレートすることによって、複雑なシステムの振る舞いを理解しようとするものです。実用上の有用性を確保するためには、現実的な環境ダイナミクスと適応的なエージェントの振る舞いを捉える必要がありますが、同時に数百万規模の人口を効率的にシミュレートすることも求められます。大規模言語モデル（LLMs）の最近の進歩は、LLMsをエージェントとして使用することでABMを強化する機会を提供しており、適応的な振る舞いを捉える潜在能力も持っています。しかし、LLMsを大規模人口に使用する計算的な困難さが、広く普及する障害となっています。本論文では、AgentTorchというフレームワークを紹介し、LLMsを使用して高解像度のエージェント振る舞いを捉えながら、数百万のエージェントにスケーリングする方法を示します。私たちは、LLMsをABMエージェントとして使用する有用性をベンチマークし、シミュレーション規模と個々のエージェンシーのトレードオフを探ります。COVID-19パンデミックを事例として使用し、AgentTorchがニューヨーク市を代表する840万人のエージェントをシミュレートし、孤立と雇用行動が健康と経済結果に与える影響を捉えます。疾病波や失業率を予測する際のヒューリスティックエージェントとLLMエージェントに基づく異なるエージェントアーキテクチャのパフォーマンスを比較します。さらに、AgentTorchの機能を振り返り、因果関係のない、将来的な分析を紹介し、適応的なエージェントの振る舞いが政策設計において歴史データの制約を克服するのにどのように役立つかを強調します。AgentTorchは、世界中で政策立案や科学的発見に積極的に使用されているオープンソースプロジェクトです。フレームワークはこちらで入手可能です：github.com/AgentTorch/AgentTorch.

English

Agent-based modeling (ABM) seeks to understand the behavior of complex systems by simulating a collection of agents that act and interact within an environment. Their practical utility requires capturing realistic environment dynamics and adaptive agent behavior while efficiently simulating million-size populations. Recent advancements in large language models (LLMs) present an opportunity to enhance ABMs by using LLMs as agents with further potential to capture adaptive behavior. However, the computational infeasibility of using LLMs for large populations has hindered their widespread adoption. In this paper, we introduce AgentTorch -- a framework that scales ABMs to millions of agents while capturing high-resolution agent behavior using LLMs. We benchmark the utility of LLMs as ABM agents, exploring the trade-off between simulation scale and individual agency. Using the COVID-19 pandemic as a case study, we demonstrate how AgentTorch can simulate 8.4 million agents representing New York City, capturing the impact of isolation and employment behavior on health and economic outcomes. We compare the performance of different agent architectures based on heuristic and LLM agents in predicting disease waves and unemployment rates. Furthermore, we showcase AgentTorch's capabilities for retrospective, counterfactual, and prospective analyses, highlighting how adaptive agent behavior can help overcome the limitations of historical data in policy design. AgentTorch is an open-source project actively being used for policy-making and scientific discovery around the world. The framework is available here: github.com/AgentTorch/AgentTorch.