要約
歴史の岐路に立つ戦争を回避できるのか?
この疑問は、人類の歴史を通じて、個人、学者、政策立案者、組織によって追求されてきました。
この研究では、人工知能 (AI) と大規模言語モデル (LLM) の最近の進歩に基づいて、この質問に答えることを試みます。
私たちは、第一次世界大戦 (WWI) や第二次世界大戦 (
第二次世界大戦)、古代中国の戦国時代 (WSP)。
シミュレーションの有効性を評価することで、多様な環境下での国際紛争などの複雑な人間の集団行動を研究する際の最先端の AI システムの能力の進歩と限界を検証します。
これらのシミュレーションでは、エージェント間の新たな相互作用も、戦争につながる引き金や条件を調べるための新しい視点を提供します。
私たちの調査結果は、紛争解決と平和維持戦略へのアプローチ方法を再定義できる、データ駆動型で AI によって強化された洞察を提供します。
その意味は歴史分析を超えて広がり、AIを使用して人類の歴史を理解し、おそらく将来の国際紛争を防ぐための青写真を提供します。
コードとデータは \url{https://github.com/agiresearch/WarAgent} で入手できます。
要約(オリジナル)
Can we avoid wars at the crossroads of history? This question has been pursued by individuals, scholars, policymakers, and organizations throughout human history. In this research, we attempt to answer the question based on the recent advances of Artificial Intelligence (AI) and Large Language Models (LLMs). We propose \textbf{WarAgent}, an LLM-powered multi-agent AI system, to simulate the participating countries, their decisions, and the consequences, in historical international conflicts, including the World War I (WWI), the World War II (WWII), and the Warring States Period (WSP) in Ancient China. By evaluating the simulation effectiveness, we examine the advancements and limitations of cutting-edge AI systems’ abilities in studying complex collective human behaviors such as international conflicts under diverse settings. In these simulations, the emergent interactions among agents also offer a novel perspective for examining the triggers and conditions that lead to war. Our findings offer data-driven and AI-augmented insights that can redefine how we approach conflict resolution and peacekeeping strategies. The implications stretch beyond historical analysis, offering a blueprint for using AI to understand human history and possibly prevent future international conflicts. Code and data are available at \url{https://github.com/agiresearch/WarAgent}.
arxiv情報
著者 | Wenyue Hua,Lizhou Fan,Lingyao Li,Kai Mei,Jianchao Ji,Yingqiang Ge,Libby Hemphill,Yongfeng Zhang |
発行日 | 2024-01-30 18:53:30+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google