中国の研究者チームが、10億を超えるAIエージェントからなる社会をシミュレートできる「Light Society」と呼ばれる枠組みを開発した。各エージェントには現実的な人口統計プロファイルが与えられ、人間のような社会的行動を示すことができる。arXivに提出された論文で説明されたこのプロジェクトは、計算制約のため通常は約1,000万エージェントで限界に達していた従来のエージェントベース・シミュレーションに対し、約100倍の向上を意味する。この成果は、中国が国家技術戦略の下で大規模AI研究を引き続き重視し、学術計算インフラと先進モデル開発に継続的な投資を行っている中で発表された。

10億規模のシミュレーションを可能にする技術アーキテクチャ

研究チームには、中国の主要学術機関である中国科学技術大学、清華大学、復旦大学の研究者が含まれる。主任研究者のHaoxiang GuanとTie-Yan Liuは、10億規模のシミュレーションを可能にする2つの中核技術を軸にLight Societyを設計した。

1つ目は mixture-of-models エンジンで、各エージェントの意思決定を単一の大規模言語モデルに集約するのではなく、複数のAIモデル種別に認知負荷を分散する。2つ目は知識蒸留されたサロゲートモデルで、大きくより洗練されたモデルの挙動を模倣するよう学習された、より小型で高速なモデルである。これらを組み合わせることで、この枠組みは、通常であれば10億エージェントのシミュレーションを非現実的にする計算資源を必要とせずに、現実的な行動の忠実性を維持できる。

各シミュレートされたエージェントには、長期にわたる国際研究プロジェクトである World Values Survey の Wave 7 から導かれた現実的なプロファイルが割り当てられる。この調査は、数十カ国にわたる信念、価値観、人口統計特性を対象としており、各シミュレート個体にランダムではない、裏づけのあるアイデンティティを与える。

文明規模のTrust Game実験と意見拡散

研究者らは、Light Society の能力を示すために2つの主要実験を実施した。1つ目は Trust Games の連続実験で、参加者が見知らぬ相手にどれだけ金銭を送るかを決め、その相手が返礼するか、あるいは資金を保持するかを知っているという、行動経済学の古典的な設定である。これを10億ノードのネットワーク全体で実行すると、小規模なシミュレーションでは現れない協力と裏切りのパターンが明らかになる。

2つ目の実験は opinion diffusion に焦点を当て、巨大なソーシャルネットワークを通じてアイデア、信念、感情がどのように伝播するかをモデル化した。元のソース資料は、Light Society が世論を影響下に置く手法を検証するために使用できると明記している。

従来のシミュレーションと何が違うのか

エージェントベース・モデリングは数十年前から存在し、研究者は交通パターン、感染症伝播、市場行動の研究に用いてきた。しかし、こうしたモデルは歴史的に、あらかじめ決められたスクリプトに従う単純なルールベースのエージェントに依存していた。

大規模言語モデルをエージェントベース・シミュレーションに統合するのは比較的新しい発展である。LLM駆動のエージェントは、より微妙な意思決定を行い、新しい状況に適応し、創発的な行動を生み出すことができる。従来のLLMベース社会シミュレーションは、計算コストが高すぎるため、約1,000万エージェントで頭打ちとなっていた。Light Society のアーキテクチャ、特にサロゲートモデル手法は、その上限を2桁分押し上げた。

研究者らはこの枠組みを、地球規模の「in silico」実験を可能にするものとして位置づけており、シミュレーションを人類文明そのものを理解するための実験室として使うという野心的な構想を示している。