論文の概要: Artificial Superintelligence May be Useless: Equilibria in the Economy of Multiple AI Agents

• arxiv url: http://arxiv.org/abs/2603.00858v1
• Date: Sun, 01 Mar 2026 01:24:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.388989
• Title: Artificial Superintelligence May be Useless: Equilibria in the Economy of Multiple AI Agents
• Title（参考訳）: 人工超知能は役に立たないかもしれない: 複数のAIエージェントの経済の均衡
• Authors: Huan Cai, Ziqing Lu, Catherine Xu, Weiyu Xu, Jie Zheng,
• Abstract要約: 本稿では、商品・サービス取引の経済ゲームにおいて、人的エージェントやAIエージェントを含むエージェントの経済活動について考察する。 マルコフ連鎖定常分布モデルを用いて, 一連の平衡結果とその対応条件を導出する。
• 参考スコア（独自算出の注目度）: 4.330170351808753
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: With recent development of artificial intelligence, it is more common to adopt AI agents in economic activities. This paper explores the economic actions of agents, including human agents and AI agents, in an economic game of trading products/services, and the equilibria in this economy involving multiple agents. We derive a range of equilibrium results and their corresponding conditions using a Markov chain stationary distribution based model. One distinct feature of our model is that we consider the long-term utility generated by economic activities instead of their short-term benefits. For the model consisting of two agents, we fully characterize all the possible economic equilibria and conditions. Interestingly, we show that unless each agent can at least double (not merely increase) its marginal utility by purchasing the other agent's products/services, purchasing the other agent's products/services will not happen in any economic equilibrium. We further extend our results to three and more agents, where we characterize more economic equilibria. We find that in some equilibria, the ``more powerful'' AI agents contribute zero utility to ``less capable'' agents.
• Abstract（参考訳）: 近年の人工知能の発展により、経済活動においてAIエージェントを採用することが一般的になった。 本稿では、人的エージェントやAIエージェントを含むエージェントの商品・サービスの経済ゲームにおける経済活動と、複数のエージェントを含むこの経済の均衡について考察する。 マルコフ連鎖定常分布モデルを用いて, 一連の平衡結果とその対応条件を導出する。 我々のモデルの特徴の一つは、短期的な利益ではなく、経済活動が生み出す長期的な効用を考えることである。 2つのエージェントからなるモデルでは、可能な経済均衡と条件をすべて特徴付ける。 興味深いことに、各エージェントが、他のエージェントの製品/サービスを購入することによって、少なくとも(単に増大するだけでなく)限界効用を2倍にしない限り、他のエージェントの製品/サービスを購入することは、いかなる経済均衡においても起こらない。 我々はさらに結果を3つ以上のエージェントに拡張し、より経済均衡を特徴付ける。 いくつかの平衡では、‘より強力な’AIエージェントが‘無能力’エージェントにゼロユーティリティを寄与している。

関連論文リスト

• Agentic Inequality [6.034016224014177]
  アジェンティック不平等(Agentic inequality)とは、AIエージェントへの差分アクセスから生じる権力、機会、成果の潜在的な格差である。 本稿では、エージェントが既存の分割を悪化させ、適切な条件下では強力な等化力として機能するかを考察する。
  論文  参考訳（メタデータ） (2025-10-19T14:32:46Z)
• Socio-Economic Model of AI Agents [6.345776306229298]
  資源制約下でのAIコラボレーションが社会的なアウトプットに及ぼす影響について検討する。 AIエージェントの導入は、社会全体のアウトプットを大幅に増加させる可能性がある。
  論文  参考訳（メタデータ） (2025-09-27T11:56:48Z)
• LIMI: Less is More for Agency [49.63355240818081]
  LIMI(Less Is More for Intelligent Agency)は、機関が根本的に異なる開発原則に従うことを示す。 高度なエージェント・インテリジェンスは、最小でも戦略的にキュレートされた自律行動のデモンストレーションから生まれる可能性がある。 マシンの自律性はデータの豊富さではなく、高品質なエージェント実証の戦略的キュレーションから生まれる。
  論文  参考訳（メタデータ） (2025-09-22T10:59:32Z)
• Virtual Agent Economies [12.298551147857822]
  この創発的システムを解析するための枠組みとして「サンドボックス経済」を提案する。 私たちの現在の軌道は、巨大で浸透可能なAIエージェント経済の自発的な台頭を指している。 ここでは、安全なステアブルなAIエージェント市場につながる可能性のある設計選択について論じる。
  論文  参考訳（メタデータ） (2025-09-12T11:20:11Z)
• From Debate to Equilibrium: Belief-Driven Multi-Agent LLM Reasoning via Bayesian Nash Equilibrium [52.28048367430481]
  マルチエージェントフレームワークは、大規模言語モデル(LLM)の推論能力を高めることができるが、通常は計算コストと収束保証が欠如している。 我々は、不完全情報ゲームとしてマルチLLMコーディネーションをリキャストし、ベイズナッシュ均衡(BNE)を求める。 我々は、分散推論と集中的な最終出力を結合する階層的強化学習パラダイムである、Nash Equilibrium (ECON)による効率的なコーディネーションを導入する。
  論文  参考訳（メタデータ） (2025-06-09T23:49:14Z)
• Towards a Unifying Model of Rationality in Multiagent Systems [11.321217099465196]
  マルチエージェントシステムは、これらのエージェントが互いに協力するのと同じくらい効果的に、他のエージェント(人間を含む)と協力する必要がある。 本稿では,個々に合理的な学習者であり,相互に協力できる社会的知的エージェントの汎用モデルを提案する。 我々は、異なる形態の後悔のために、社会的にインテリジェントなエージェントを構築する方法を示します。
  論文  参考訳（メタデータ） (2023-05-29T13:18:43Z)
• Strategic Resource Selection with Homophilic Agents [48.83208975886834]
  類似エージェントとの共同資源利用を目指す異種エージェントを用いたリソース選択ゲームを提案する。 モデルでは,異なるタイプのエージェントを考慮し,その決定的特徴はユーザ間の同一型エージェントの割合である。 このような有界な有理性はゲーム理論上有利な性質を持つことを示す。
  論文  参考訳（メタデータ） (2023-05-01T14:14:58Z)
• Game-Theoretical Perspectives on Active Equilibria: A Preferred Solution Concept over Nash Equilibria [61.093297204685264]
  マルチエージェント強化学習における効果的なアプローチは,エージェントの学習プロセスを検討し,今後の政策に影響を与えることである。 この新たな解の概念は、ナッシュ均衡のような標準解の概念が活性平衡の特別な場合である、という一般的なものである。 我々は,ゲーム理論の観点から,ナッシュ平衡が知られている実例を綿密に研究することにより,アクティブ平衡を解析する。
  論文  参考訳（メタデータ） (2022-10-28T14:45:39Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)
• ERMAS: Becoming Robust to Reward Function Sim-to-Real Gaps in Multi-Agent Simulations [110.72725220033983]
  Epsilon-Robust Multi-Agent Simulation (ERMAS)は、このようなマルチエージェントのsim-to-realギャップに対して堅牢なAIポリシーを学ぶためのフレームワークである。 ERMASは、エージェントリスク回避の変化に対して堅牢な税政策を学び、複雑な時間シミュレーションで最大15%社会福祉を改善する。 特に、ERMASは、エージェントリスク回避の変化に対して堅牢な税制政策を学び、複雑な時間シミュレーションにおいて、社会福祉を最大15%改善する。
  論文  参考訳（メタデータ） (2021-06-10T04:32:20Z)

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。