論文の概要: Cultural evolution in populations of Large Language Models
- arxiv url: http://arxiv.org/abs/2403.08882v1
- Date: Wed, 13 Mar 2024 18:11:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-15 22:46:57.695106
- Title: Cultural evolution in populations of Large Language Models
- Title(参考訳): 大規模言語モデルにおける文化進化
- Authors: Jérémy Perez, Corentin Léger, Marcela Ovando-Tellez, Chris Foulon, Joan Dussauld, Pierre-Yves Oudeyer, Clément Moulin-Frier,
- Abstract要約: 本研究では,人間の振る舞いを模倣する大規模言語モデルの能力を利用することで,このギャップに対処できる可能性が示唆された。
人工エージェントは、文化の進化にますます参加することが求められているため、機械生成文化の進化のダイナミクスをより深く理解することが不可欠である。
本稿では, LLMの人口の文化的進化をシミュレーションする枠組みを提案し, 文化的進化において重要な変数の操作を可能にする。
- 参考スコア(独自算出の注目度): 15.012901178522874
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research in cultural evolution aims at providing causal explanations for the change of culture over time. Over the past decades, this field has generated an important body of knowledge, using experimental, historical, and computational methods. While computational models have been very successful at generating testable hypotheses about the effects of several factors, such as population structure or transmission biases, some phenomena have so far been more complex to capture using agent-based and formal models. This is in particular the case for the effect of the transformations of social information induced by evolved cognitive mechanisms. We here propose that leveraging the capacity of Large Language Models (LLMs) to mimic human behavior may be fruitful to address this gap. On top of being an useful approximation of human cultural dynamics, multi-agents models featuring generative agents are also important to study for their own sake. Indeed, as artificial agents are bound to participate more and more to the evolution of culture, it is crucial to better understand the dynamics of machine-generated cultural evolution. We here present a framework for simulating cultural evolution in populations of LLMs, allowing the manipulation of variables known to be important in cultural evolution, such as network structure, personality, and the way social information is aggregated and transformed. The software we developed for conducting these simulations is open-source and features an intuitive user-interface, which we hope will help to build bridges between the fields of cultural evolution and generative artificial intelligence.
- Abstract(参考訳): 文化進化の研究は、時間とともに文化の変化を因果的に説明することを目的としている。
過去数十年にわたり、この分野は実験的、歴史的、計算的な手法を用いて重要な知識の体系を生み出してきた。
計算モデルは、人口構造や伝達バイアスなど、いくつかの要因の影響に関する検証可能な仮説を生成することに成功しているが、いくつかの現象は、エージェントベースモデルとフォーマルモデルを用いて、より複雑である。
これは特に、進化した認知メカニズムによって引き起こされる社会情報の変容の影響についてである。
本稿では,Large Language Models (LLM) の能力を活用して人間の振る舞いを模倣する手法を提案する。
人文化力学の有用な近似法として、生成剤を特徴とするマルチエージェントモデルも、独自の目的で研究することが重要である。
実際、人工エージェントは文化の進化にますます参加しなければならないため、機械生成文化の進化のダイナミクスをより深く理解することが不可欠である。
本稿では, LLMの人口の文化的進化をシミュレーションする枠組みを提案し, ネットワーク構造, パーソナリティ, 社会的情報の集約・変容など, 文化的進化において重要な変数の操作を可能にする。
私たちがこれらのシミュレーションを実行するために開発したソフトウェアはオープンソースで、直感的なユーザーインターフェースを備えています。
関連論文リスト
- Human-AI Interactions in the Communication Era: Autophagy Makes Large
Models Achieving Local Optima [11.972017738888825]
本研究では,人間と大規模モデルがコミュニケーションにおいて重要なリンクとして使用される際のバイアスと嗜好について検討する。
我々の主な発見は、合成された情報は、人為的な情報よりも、モデルトレーニングデータセットやメッセージングに組み込まれる可能性が高い点である。
本稿では,人間とAIシステム間の情報交換における人為的な情報の抑制を考慮に入れた,自己消費ループの現実的な2つのモデルを提案する。
論文 参考訳(メタデータ) (2024-02-17T13:02:54Z) - Massively Multi-Cultural Knowledge Acquisition & LM Benchmarking [48.21982147529661]
本稿では,多文化知識獲得のための新しいアプローチを提案する。
本手法は,文化トピックに関するウィキペディア文書からリンクページの広範囲なネットワークへ戦略的にナビゲートする。
私たちの仕事は、AIにおける文化的格差のギャップを深く理解し、橋渡しするための重要なステップです。
論文 参考訳(メタデータ) (2024-02-14T18:16:54Z) - DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary
Intelligence [77.78795329701367]
本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。
我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。
今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
論文 参考訳(メタデータ) (2023-12-08T16:51:10Z) - Machine Culture [15.122174007266874]
知的機械は、変化、伝達、選択の文化的過程を同時に変革する、と我々は主張する。
我々は、機械が文化的進化に与える影響を現在および将来予測するための概念的枠組みを提供する。
論文 参考訳(メタデータ) (2023-11-19T18:12:21Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳(メタデータ) (2023-10-23T13:35:24Z) - User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。
実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
論文 参考訳(メタデータ) (2023-06-05T02:58:35Z) - A Survey of Large Language Models [81.06947636926638]
言語モデリングは、過去20年間、言語理解と生成のために広く研究されてきた。
近年,大規模コーパス上でのトランスフォーマーモデルの事前学習により,事前学習言語モデル (PLM) が提案されている。
パラメータスケールの違いを識別するために、研究コミュニティは大規模言語モデル (LLM) という用語を提唱した。
論文 参考訳(メタデータ) (2023-03-31T17:28:46Z) - Towards Intercultural Affect Recognition: Audio-Visual Affect
Recognition in the Wild Across Six Cultures [15.37706529432381]
本稿では,6つの文化から生ずる実世界のダイアド的相互作用のビデオを用いた,文化間影響認識モデルの最初の体系的研究について述べる。
その結果, 文化間影響の認識モデルは, 文化内モデルよりも効果的か, より効果的であることが示唆された。
本稿では,文化間影響認識システムの今後の発展に向けた概念実証とモチベーションについて述べる。
論文 参考訳(メタデータ) (2022-07-31T02:39:17Z) - Learning Robust Real-Time Cultural Transmission without Human Data [82.05222093231566]
人工知能エージェントにおけるゼロショット、高リコール文化伝達を生成する方法を提案する。
我々のエージェントは、事前に収集された人間のデータを使わずに、新しい文脈で人間からリアルタイムの文化的伝達に成功した。
これは、人工知能を開発するアルゴリズムとしての文化進化の道を開くものである。
論文 参考訳(メタデータ) (2022-03-01T19:32:27Z) - Co-evolution of language and agents in referential games [24.708802957946467]
言語学習者の学習バイアスを考慮し,言語とエージェントを共進化させることが最適であることを示す。
言語発生研究における言語共進化の解明の道を開く。
論文 参考訳(メタデータ) (2020-01-10T09:29:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。