LLMによるエージェントベースモデリングでの推論

皆さんは「エージェントベースモデリング（ABM）」という言葉を聞いたことがありますか？ちょっと難しそうに聞こえるかもしれませんが、これは、たくさんの「個人」がそれぞれどのように行動し、それが社会全体にどう影響するかをシミュレーションする技術のことです。

例えば、感染症がどのように広がるか、あるいは新しい政策が人々の生活にどう影響するかなどを予測するのに役立ちます。例えるなら、たくさんの人々がそれぞれ違う動きをするロボットだと想像してみてください。そのロボットたちがぶつかったり、協力したりする様子をコンピュータ上で再現し、未来の出来事を予想するようなイメージです。

このABM、実はすごい力を持っているんです。数百万もの人々一人ひとりの行動とそのつながりをモデルにできるので、社会の複雑な動きを捉えることができます。これは、政府や自治体がより良い政策を決めるための強力なツールになり得ます。

しかし、これまでのABMには大きな弱点がありました。それは、「静的な情報」に頼っていたことです。つまり、一度決めたルールや状況設定を変えずにシミュレーションを進めるため、現実世界で起こる急な変化にうまく対応できなかったのです。例えば、感染症の流行中に人々の行動が急に変わったり、新しい対策が発表されたりしても、従来のABMではそれらをリアルタイムで反映させることが難しかったのです。

そこで、今回の研究では、この「情報ギャップ」を埋めるための新しいアイデアが提案されています。その鍵となるのが、「大規模言語モデル（LLM）」です。皆さんもChatGPTなどのAIを使ったことがあるかもしれませんね。LLMは、まるで人間のように自然な言葉を理解し、生成する能力を持っています。この能力を、ABMのシミュレーションに活かそうというのです。

具体的には、LLMを使って「人間の意思決定」を予測しようとしています。人間は、状況が変われば考え方や行動を変えますよね。LLMは、そうした人間の複雑な心理や、変化する状況への対応を予測する新たな可能性を示してくれるのです。この研究では、「HALE（Scalable Hybrid Agent-based And Language-driven Epidemic modeling）」という、LLMとABMを組み合わせた新しいフレームワークが考案されました。

このHALEを使えば、ABMシミュレーションの中で、まるで本物の人間のように、状況に応じて意思決定を変える「エージェント（モデルの中の個人）」を作り出すことができます。これにより、より現実世界に近い、リアルタイムで変化に対応できるシミュレーションが可能になるわけです。

この新しい手法の力を見るために、研究チームはCOVID-19の流行とその影響をシミュレーションしました。対象となったのは、アメリカのユタ州ソルトレイク郡です。この実証実験を通じて、HALEが感染症の広がりや、それに対する人々の行動変化をどれだけ正確に予測できるかが試されました。

もし、このHALEのような技術がさらに発展すれば、将来、感染症だけでなく、災害時の避難行動、経済の変動、あるいは新しい社会システムの導入といった、様々な分野で政策決定を助ける強力なツールになるかもしれません。社会の「もしも」をより正確に、そしてタイムリーに予測できるようになることが期待されます。