論文の概要: Abundant Intelligence and Deficient Demand: A Macro-Financial Stress Test of Rapid AI Adoption

• arxiv url: http://arxiv.org/abs/2603.09209v1
• Date: Tue, 10 Mar 2026 05:26:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.056538
• Title: Abundant Intelligence and Deficient Demand: A Macro-Financial Stress Test of Rapid AI Adoption
• Title（参考訳）: 知能の欠如と需要不足 - 素早いAI導入のマクロ・フィナンシャルストレステスト
• Abstract要約: 我々は,需要不足を伴うAI生成アベンダンス共存者の分布・契約ミスマッチを同定する。 我々は、AI能力の伸び率、拡散速度、そして、ネットフィードバックが爆発性に対して自己制限的であるリテンション率に関する条件を導出する。 トップクインタイルの収入者は米国の消費の47～65%を駆動し、AIの露出が最も高いため、民間の信用や住宅ローン市場への送信は不釣り合いである。
• 参考スコア（独自算出の注目度）: 0.17626455083672685
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We formalize a macro-financial stress test for rapid AI adoption. Rather than a productivity bust or existential risk, we identify a distribution-and-contract mismatch: AI-generated abundance coexists with demand deficiency because economic institutions are anchored to human cognitive scarcity. Three mechanisms formalize this channel. First, a displacement spiral with competing reinstatement effects: each firm's rational decision to substitute AI for labor reduces aggregate labor income, which reduces aggregate demand, accelerating further AI adoption. We derive conditions on the AI capability growth rate, diffusion speed, and reinstatement rate under which the net feedback is self-limiting versus explosive. Second, Ghost GDP: when AI-generated output substitutes for labor-generated output, monetary velocity declines monotonically in the labor share absent compensating transfers, creating a wedge between measured output and consumption-relevant income. Third, intermediation collapse: AI agents that reduce information frictions compress intermediary margins toward pure logistics costs, triggering repricing across SaaS, payments, consulting, insurance, and financial advisory. Because top-quintile earners drive 47--65\% of U.S.\ consumption and face the highest AI exposure, the transmission into private credit (\$2.5 trillion globally) and mortgage markets (\$13 trillion) is disproportionate. We derive eleven testable predictions with explicit falsification conditions. Calibrated simulations disciplined by FRED time series and BLS occupation-level data quantify conditions under which stable adjustment transitions to explosive crisis.
• Abstract（参考訳）: 高速AI導入のためのマクロ・フィナンシャル・ストレステストの形式化を行う。 経済機関は人間の認知力不足に悩まされているため、需要不足とAIが生み出す豊富な共存は需要不足と一致している。 3つのメカニズムがこのチャネルを形式化する。 まず、AIを労働に置き換える合理的な決定は、総労働収入を減らし、総需要を減らし、AIの採用を加速させる。 我々は、AI能力の伸び率、拡散速度、そして、ネットフィードバックが爆発性に対して自己制限的であるリテンション率に関する条件を導出する。 第2に、Ghost GDP:AIが生成するアウトプットが労働生産の代用となると、労働シェア不履行の労働シェアにおいて通貨の速度は単調に低下し、測定されたアウトプットと消費関連所得との間にくさびが生じる。 第3に、仲介の崩壊:情報摩擦を減らすAIエージェントは、純粋な物流コストに対して中間利益率を圧縮し、SaaS、支払い、コンサルティング、保険、金融アドバイザリのリプライを誘発する。 トップクインタイルの収入者は米国の消費の47-65\%を駆動し、AIの露出が最も高いため、民間クレジット(2.5兆ドル)と住宅ローン市場(13兆ドル)への送信は不釣り合いである。 明示的なファルシフィケーション条件で検証可能な11の予測を導出する。 FRED 時系列と BLS の職業レベルのデータによって訓練された校正シミュレーションは、安定した調整が爆発的危機に移行する条件を定量化する。

関連論文リスト

• FinPersona-Bench: A Benchmark for Longitudinal Psychometric Stability of Autonomous Financial Agents [39.00852136756911]
  大規模言語モデル(LLM)は、明示的な行動規範を持つ自律的な金融エージェントとして、ますます多くデプロイされている。 市場の状況が長い地平線を越えて蓄積するにつれて、これらの委任統治は徐々に行動的影響を失う。 衝突のシナリオでは、静的エージェントと周期的な委譲再接地を受けるエージェントの挙動ギャップは、シミュレーションの第1四半期から第4四半期まで4.4倍に増大する。 これらの結果から, 信頼性の高い長期展開には, エージェントプロファイルと市場体制に基づく選択的, 委任型再接地が必要であることが示唆された。
  論文  参考訳（メタデータ） (2026-06-30T11:33:29Z)
• Cognitive Debt: AI as Intellectual Leverage and the Dynamics of Systemic Fragility [0.65268245109828]
  我々は、個人がAIを代用として使用するときに蓄積する、証明されていない推論義務の備蓄である認知的負債の形式的理論を開発する。 合理的エージェントは、コストが遅延し、部分的に外部にあり、短期的な生産性向上によって隠蔽されるため、肯定的な認知的負債を引き起こす。 2種類のヘテロジニアス・エージェント経済では、高い認知的資本的エージェントはAIをより強く採用し、最終的には、当初より低いスキルを持つエージェントよりも低い認知的資本を減らしてしまう可能性がある。
  論文  参考訳（メタデータ） (2026-06-13T03:16:54Z)
• VASO: Formally Verifiable Self-Evolving Skills for Physical AI Agents [57.240036084348354]
  本稿では,ロボットスキルコントラクトの検証誘導自己進化のためのフレームワークであるVASOを紹介する。 VASOは論理的に一貫性のないスキル契約を検証し、グローバルおよびローカルな時間的仕様に対してスキルによって誘発される計画を検証する。 Clearpath Jackal と PX4 のクアッドコプタータスクでは、VASO は100点未満の最適化サンプルを使用して97.2% の形式的な仕様準拠に達した。
  論文  参考訳（メタデータ） (2026-06-03T20:02:35Z)
• Economy of Minds: Emerging Multi-Agent Intelligence with Economic Interactions [80.74432115171285]
  我々は,エージェントの集団が集中管理なしで,より強力な集団知能に自己整合し,自己適応する方法について検討する。 フリードリッヒ・ハイエク(Friedrich Hayek)の市場における非中央集権的協調に関する経済理論に触発され、エージェント・エコノミー(エージェント・エコノミー)を通じて、エージェント・エコノミー(エージェント・エコノミー)を通じて、エージェント・エコノミー(エージェント・エコノミー(エージェント・エコノミー)を通じて、エージェント・エコノミー(エージェント・エコノミー)が行動の権利を競い、支払いを交換し、環境報酬から富を蓄積する権利を競う。 弱いエージェントによって、経済は創発的な多段階推論戦略を生み出し、5つのエージェントタスクで強力なモノリシックベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-06-01T20:21:09Z)
• From Risk to Rescue: An Agentic Survival Analysis Framework for Liquidation Prevention [46.90931293070464]
  本稿では,リスクを認識し,対実的未来をシミュレートし,積極的に清算を防止するためのプロトコルに忠実な介入を行う自律エージェントを提案する。 我々は,ハイリスクユーザプロファイル4,882のコホート上で,高忠実でプロトコルに忠実なAave v3シミュレータを用いて,我々のアプローチを検証する。
  論文  参考訳（メタデータ） (2026-04-16T03:22:05Z)
• The Novelty Bottleneck: A Framework for Understanding Human Effort Scaling in AI-Assisted Work [4.726153739634646]
  新規性ボトルネックと呼ばれるメカニズムを分離した人間とAIのコラボレーションモデルを提案する。 モデルはタスクが原子的な決定に分解されると仮定する。 私たちの貢献は、人間の努力が線形にスケールしなければならないという証拠ではありません。
  論文  参考訳（メタデータ） (2026-03-28T22:50:13Z)
• $χ_{0}$: Resource-Aware Robust Manipulation via Taming Distributional Inconsistencies [40.920885088894174]
  両腕ロボットの2つのセットは、平ら化、折りたたみ、さまざまな服の吊り下げなど、衣服の操作をオーケストレーションします。 $_0$は、ロボット操作のプロダクションレベルの堅牢性を達成するために、効率的なモジュールが指定された、リソース効率のよいフレームワークである。 実験によると、$_0$は、20時間データと8 A100 GPUだけで、最先端の$_0.5$を成功率で250%近く上回っている。
  論文  参考訳（メタデータ） (2026-02-09T18:59:45Z)
• Generative AI as a Non-Convex Supply Shock: Market Bifurcation and Welfare Analysis [4.887749221165767]
  我々は、GenAIのコストが、市場をAIの出口と人間のセグメントに再活性化させ、-class hollow'のアウトプットを生成する方法を示す。 我々は、最適ガバナンスは、遅延フェール渋滞管理に向けたものでなければならないと結論づける。
  論文  参考訳（メタデータ） (2026-01-18T17:00:40Z)
• Impatient Users Confuse AI Agents: High-fidelity Simulations of Human Traits for Testing Agents [58.00130492861884]
  TraitBasisは、AIエージェントを体系的にストレステストするための軽量でモデルに依存しない方法である。 TraitBasisは、ステアブルなユーザ特性に対応するアクティベーション空間で方向を学習する。 We observed on average a 2%-30% performance degradation on $tau$-Trait across frontier model。
  論文  参考訳（メタデータ） (2025-10-06T05:03:57Z)
• Idempotent Equilibrium Analysis of Hybrid Workflow Allocation: A Mathematical Schema for Future Work [0.0]
  大規模なAIシステムは、仕事をどのように人と機械に分割するかを変えようとしている。 我々は、この位置を反復的タスクデリゲーション写像として定式化し、その過程が安定な等等均衡に収束することを示す。 我々は、「センタウル」な人間とAIの連携を促進する政策は、福祉を最大化する固定点に向けて経済を操ることができると論じる。
  論文  参考訳（メタデータ） (2025-08-02T11:28:34Z)
• An AI Capability Threshold for Rent-Funded Universal Basic Income in an AI-Automated Economy [2.6451153531057985]
  我々は、AI資本利益が普遍的なベーシックインカムを持続的にファイナンスできる最初のクローズドフォーム条件を導出する。 我々は、異なる経済シナリオの下で、AI能力がAI前自動化と比較して生産性のレベルとしてしきい値を定義する方法について分析する。
  論文  参考訳（メタデータ） (2025-05-24T13:08:13Z)
• Will Neural Scaling Laws Activate Jevons' Paradox in AI Labor Markets? A Time-Varying Elasticity of Substitution (VES) Analysis [0.0]
  我々は、人工知能における神経スケーリング法則が労働市場におけるJevonsのパラドックスを活性化するかどうかを分析する。 我々は、AIシステムが補完から人間の労働の代替へと移行する分析条件を確立する。
  論文  参考訳（メタデータ） (2025-03-04T16:55:30Z)
• One-Step Diffusion Policy: Fast Visuomotor Policies via Diffusion Distillation [80.71541671907426]
  OneStep Diffusion Policy (OneDP)は、事前訓練された拡散政策から知識を単一ステップのアクションジェネレータに蒸留する新しいアプローチである。 OneDPはロボット制御タスクの応答時間を著しく短縮する。
  論文  参考訳（メタデータ） (2024-10-28T17:54:31Z)
• Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
  AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。 第一に、効率の改善にもかかわらず、その計算要求はモデルの性能よりも速く増加するため、持続可能ではない。 第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
  論文  参考訳（メタデータ） (2024-09-21T14:43:54Z)
• Inducing Equilibria via Incentives: Simultaneous Design-and-Play Finds Global Optima [114.31577038081026]
  本稿では,デザイナーとエージェントの問題を同時に1ループで解くための効率的な手法を提案する。 設計者は平衡問題を何度も解決しないが、エージェントに対するインセンティブの全体的な影響を予測できる。 このアルゴリズムは,幅広い種類のゲームに対して,サブ線形速度で大域的最適値に収束することを示す。
  論文  参考訳（メタデータ） (2021-10-04T06:53:59Z)
• Online Learning of Competitive Equilibria in Exchange Economies [94.24357018178867]
  経済学では、複数の有理エージェント間の資源不足の共有は古典的な問題である。 エージェントの好みを学習するためのオンライン学習機構を提案する。 数値シミュレーションにより,本機構の有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-11T21:32:17Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)

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。