AIエージェント行動科学

要旨

大規模言語モデル（LLMs）の最近の進展により、多様でインタラクティブかつ開放的なシナリオにおいて、計画、適応、社会的ダイナミクスといったますます人間らしい振る舞いを示すAIエージェントの開発が可能となった。これらの振る舞いは、基盤となるモデルの内部アーキテクチャのみの産物ではなく、特定の文脈内で動作するエージェントシステムへの統合から生じるものであり、環境要因、社会的な手がかり、インタラクションのフィードバックが時間とともに振る舞いを形成する。この進化は、新しい科学的視点を必要としている：AIエージェント行動科学である。この視点は、内部メカニズムのみに焦点を当てるのではなく、行動の体系的な観察、仮説を検証するための介入の設計、AIエージェントがどのように行動し、適応し、時間とともに相互作用するかを理論に基づいて解釈することを重視する。我々は、個々のエージェント、マルチエージェント、人間とエージェントの相互作用の設定にわたる研究の体系化を行い、さらにこの視点が、公平性、安全性、解釈可能性、説明責任、プライバシーを行動特性として扱うことで、責任あるAIをどのように導くかを示す。最近の知見を統合し、将来の方向性を示すことで、AIエージェント行動科学を伝統的なモデル中心のアプローチに必要な補完として位置づけ、ますます自律的なAIシステムの現実世界での行動を理解し、評価し、統治するための必須のツールを提供する。

English

Recent advances in large language models (LLMs) have enabled the development of AI agents that exhibit increasingly human-like behaviors, including planning, adaptation, and social dynamics across diverse, interactive, and open-ended scenarios. These behaviors are not solely the product of the internal architectures of the underlying models, but emerge from their integration into agentic systems operating within specific contexts, where environmental factors, social cues, and interaction feedbacks shape behavior over time. This evolution necessitates a new scientific perspective: AI Agent Behavioral Science. Rather than focusing only on internal mechanisms, this perspective emphasizes the systematic observation of behavior, design of interventions to test hypotheses, and theory-guided interpretation of how AI agents act, adapt, and interact over time. We systematize a growing body of research across individual agent, multi-agent, and human-agent interaction settings, and further demonstrate how this perspective informs responsible AI by treating fairness, safety, interpretability, accountability, and privacy as behavioral properties. By unifying recent findings and laying out future directions, we position AI Agent Behavioral Science as a necessary complement to traditional model-centric approaches, providing essential tools for understanding, evaluating, and governing the real-world behavior of increasingly autonomous AI systems.