Can Large Language Models Replace Economic Choice Prediction Labs?

要約

経済的選択の予測は、人間の選択データを取得する際の困難によって制約されることが多い、重要で困難なタスクです。
実際、実験経済学の研究は主に単純な選択設定に焦点を当てていました。
AI コミュニティは最近、2 つの方法でその取り組みに貢献しています。1 つは、上記の単純な選択予測設定において LLM が人間の代わりになれるかどうかを検討すること、もう 1 つは、不完全な情報を使用して、より精緻ではあるが依然として厳密な実験経済設定を ML のレンズを通して研究することです。
反復的な遊び、自然言語コミュニケーション、特に言語ベースの説得ゲーム。
これは私たちに大きなインスピレーションを与えます。LLM を使用して、経済環境を完全にシミュレートし、人間の選択を効率的に予測するためのデータを生成し、精緻な経済研究所の研究に代わることはできるでしょうか?
私たちはこの主題の研究を先駆的に行い、その実現可能性を実証しています。
特に、LLM で生成されたデータのみでトレーニングされたモデルは、言語ベースの説得ゲームにおける人間の行動を効果的に予測でき、実際の人間のデータでトレーニングされたモデルよりも優れたパフォーマンスを発揮できることを示します。

要約(オリジナル)

Economic choice prediction is an essential challenging task, often constrained by the difficulties in acquiring human choice data. Indeed, experimental economics studies had focused mostly on simple choice settings. The AI community has recently contributed to that effort in two ways: considering whether LLMs can substitute for humans in the above-mentioned simple choice prediction settings, and the study through ML lens of more elaborated but still rigorous experimental economics settings, employing incomplete information, repetitive play, and natural language communication, notably language-based persuasion games. This leaves us with a major inspiration: can LLMs be used to fully simulate the economic environment and generate data for efficient human choice prediction, substituting for the elaborated economic lab studies? We pioneer the study of this subject, demonstrating its feasibility. In particular, we show that a model trained solely on LLM-generated data can effectively predict human behavior in a language-based persuasion game, and can even outperform models trained on actual human data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google