Artificial Leviathan: Exploring Social Evolution of LLM Agents Through the Lens of Hobbesian Social Contract Theory

要約

大規模言語モデル (LLM) の出現と人工知能 (AI) の進歩は、大規模な計算社会科学研究の機会を提供します。
LLM エージェント設計の以前の調査に基づいて、私たちの研究は、複雑な社会関係が動的に形成され、時間の経過とともに進化するシミュレートされたエージェント社会を導入します。
エージェントには心理的ドライブが吹き込まれ、サンドボックスの生存環境に置かれます。
私たちは、トーマス・ホッブスの独創的な社会契約理論 (SCT) のレンズを通してエージェント社会の評価を行います。
私たちは、理論が仮定しているように、エージェントが秩序と安全と引き換えに絶対的な主権者に権利を放棄することによって野蛮な「自然状態」から逃れようとするかどうかを分析します。
私たちの実験は、ある連携を明らかにします。最初、エージェントは、ホッブズの自然状態の描写を反映して、抑制のない紛争に従事します。
しかし、シミュレーションが進むにつれて社会契約が現れ、絶対的な主権者の承認と相互協力に基づく平和的な連邦の確立につながります。
私たちのLLMエージェント社会の進化の軌跡とホッブズの理論的説明のこの一致は、複雑な社会力学をモデル化し、人間社会を形成する力を潜在的に複製するLLMの能力を示しています。
集団行動や新たな社会現象に対するこうした洞察を可能にすることで、LLM 駆動のマルチエージェント シミュレーションは、人間の行動の微妙なニュアンスをすべてシミュレートすることはできませんが、社会構造、集団力学、および複雑な人間システムについての理解を前進させる可能性を秘めている可能性があります。

要約(オリジナル)

The emergence of Large Language Models (LLMs) and advancements in Artificial Intelligence (AI) offer an opportunity for computational social science research at scale. Building upon prior explorations of LLM agent design, our work introduces a simulated agent society where complex social relationships dynamically form and evolve over time. Agents are imbued with psychological drives and placed in a sandbox survival environment. We conduct an evaluation of the agent society through the lens of Thomas Hobbes’s seminal Social Contract Theory (SCT). We analyze whether, as the theory postulates, agents seek to escape a brutish ‘state of nature’ by surrendering rights to an absolute sovereign in exchange for order and security. Our experiments unveil an alignment: Initially, agents engage in unrestrained conflict, mirroring Hobbes’s depiction of the state of nature. However, as the simulation progresses, social contracts emerge, leading to the authorization of an absolute sovereign and the establishment of a peaceful commonwealth founded on mutual cooperation. This congruence between our LLM agent society’s evolutionary trajectory and Hobbes’s theoretical account indicates LLMs’ capability to model intricate social dynamics and potentially replicate forces that shape human societies. By enabling such insights into group behavior and emergent societal phenomena, LLM-driven multi-agent simulations, while unable to simulate all the nuances of human behavior, may hold potential for advancing our understanding of social structures, group dynamics, and complex human systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google