論文の概要: Fake Plastic Voters: When Political Parties Can Use AI-Simulated Focus Groups

• arxiv url: http://arxiv.org/abs/2606.00043v1
• Date: Tue, 28 Apr 2026 19:06:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-21 22:13:33.603235
• Title: Fake Plastic Voters: When Political Parties Can Use AI-Simulated Focus Groups
• Title（参考訳）: Fake Plastic Voters: 政治団体がAIを模擬するグループを使える時代
• Authors: Claudio Novelli, Javier Argota Sanchez-Vaquerizo, Jennifer Cyr, Giuliano Formisano, Simon McDougall, Giulia Sandri, Luciano Floridi,
• Abstract要約: AI強化シミュレーション技術(AESTs)により、合成焦点群をほんの少しの時間(とコスト)で実現できる 本稿では,研究ニーズと適切なシミュレーション技術との一致を支援するための決定行列を開発する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Political parties strive to understand their electorates, and focus groups are a vital tool in these efforts. AI-enhanced simulation technologies (AESTs) enable synthetic focus groups in a fraction of the time (and cost), raising the question of when and how such simulated evidence can be used in campaign research. This paper develops a decision matrix to help party strategists match research needs to appropriate simulation technologies and to identify when to escalate to hybrid or fully human focus groups. The matrix combines three dimensions: strategic purpose, deployment risk, and empirical grounding of the simulation tool. Strategic purpose is the decisive dimension, as it determines what kind of evidence the focus group is meant to produce: observing how political meanings and identities emerge through interaction (Mode 1) or testing and refining campaign messages (Mode 2). The matrix shows that, given documented failure modes such as sycophancy, persona drift, and the suppression of minority viewpoints, AESTs cannot replace human interaction in Mode 1 at any risk level. Within Mode 2, suitability depends instead on deployment risk and on the empirical grounding. Yet even here, we caution that routine reliance on AESTs may erode the qualitative craft on which sound judgment depends.
• Abstract（参考訳）: 政党は選挙人を理解するために努力し、焦点を絞った集団はこれらの取り組みに欠かせない道具である。 AIによって強化されたシミュレーション技術(AEST)は、特定の時間(およびコスト)で合成フォーカスグループを可能にする。 本研究は, シミュレーション技術の適切な適用と, ハイブリッド群や完全ヒト群へのエスカレート時期の特定を目的とした決定行列を構築した。 マトリックスは戦略的目的、デプロイメントのリスク、シミュレーションツールの実証的な接地という3つの次元を組み合わせる。 戦略的な目的は決定的な次元であり、焦点グループがどのような証拠を産み出すかを決定するため、相互作用(Mode 1)を通じて政治的意味やアイデンティティがどのように出現するかを観察する(Mode 2)、またはキャンペーンメッセージのテストと精査を行う(Mode 2)。 マトリックスは、サイコファンシー、ペルソナドリフト、マイノリティー視点の抑制といった文書化された障害モードを考えると、AESTはあらゆるリスクレベルでモード1における人間のインタラクションを置き換えることはできないことを示している。 モード2内での適合性は、デプロイメントのリスクと経験的な接地に依存する。 しかしそれでも、AESTへの日常的な依存は、音の判断が依存する定性的な工法を損なう可能性があると警告する。

関連論文リスト

• Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond [209.35045331678043]
  2つの軸に沿って組織された「レベルx法」の分類を導入します。 第一に、3つの能力レベルを定義している: 1段階の局所遷移演算子を学ぶL1 Predictor、それらをドメインの法則を尊重する多段階のアクション条件付きロールアウトに構成するL2 Simulator、新しいエビデンスに対して予測が失敗すると自己のモデルを自動で修正するL3 Evolver。 我々は400以上の作品を合成し、モデルに基づく強化学習、ビデオ生成、WebおよびGUIエージェント、マルチエージェント社会シミュレーション、AIによる科学的発見にまたがる100以上の代表システムを要約する。
  論文  参考訳（メタデータ） (2026-04-24T17:48:47Z)
• LLM-Powered Social Digital Twins: A Framework for Simulating Population Behavioral Response to Policy Interventions [0.2787288702904897]
  ソーシャルデジタルツイン(Social Digital Twins)は、大規模言語モデルが個々のエージェントの認知エンジンとして機能する仮想人口レプリカである。 新型コロナウイルスをケーススタディとして、パンデミック対応の領域でこの枠組みをインスタンス化する。 本稿では, 政策シミュレーション, アプローチの限界, パンデミック対応を超えてLLMベースのデジタル双生児を拡大するための方向性について論じる。
  論文  参考訳（メタデータ） (2026-01-03T13:25:33Z)
• SPACeR: Self-Play Anchoring with Centralized Reference Models [50.55045557371374]
  Simエージェントポリシーは、現実的で、人間らしく、高速で、マルチエージェント設定でスケーラブルである。 大規模な拡散モデルやトークン化モデルを用いた模倣学習の最近の進歩は、人間の運転データから直接行動を把握することができることを示している。 本研究では,事前訓練されたトークン化自己回帰運動モデルを利用したSPACeRを提案する。
  論文  参考訳（メタデータ） (2025-10-20T19:53:02Z)
• Measuring Algorithmic Partisanship via Zero-Shot Classification and Its Implications on Political Discourse [0.0]
  本研究は,ゼロショット分類手法を用いて,アルゴリズム的政治的パルチザン性を評価する。 6つの主要な大言語モデルにまたがる1800のモデル応答は、4つの異なる微調整された分類アルゴリズムに個別に入力された。 その結果、リベラルな権威主義的アライメントが増幅され、推理スーパーセッションや缶詰の拒絶の顕著な事例が示された。
  論文  参考訳（メタデータ） (2025-09-25T05:26:20Z)
• Operational Validation of Large-Language-Model Agent Social Simulation: Evidence from Voat v/technology [59.63189507373199]
  私たちは、2014年から2020年にかけて活動しているRedditのようなオルタナティブなニュースアグリゲータとディスカッションプラットフォームであるVoatをモデルとした技術コミュニティシミュレーションを構築しました。 YSocialフレームワークを使用して、Voatの共有URLからサンプリングされた技術リンクの固定カタログでシミュレーションをシードする。 エージェントは、リンクとテキストの投稿、スレッド化された返信、日々のアクティビティサイクルのためのプラットフォームルールの下で投稿、返信、反応を生成する。 結果は、よく知られたオンライン規則性を示す: 類似の活動リズム、ヘビーテール参加、疎低クラスタリング相互作用ネットワーク、コア周辺構造、Voatとのトピックアライメント、高毒性
  論文  参考訳（メタデータ） (2025-08-29T16:06:27Z)
• The PacifAIst Benchmark:Would an Artificial Intelligence Choose to Sacrifice Itself for Human Safety? [0.0]
  PacifAIstは、大規模言語モデルにおける自己優先の振る舞いを定量化する700の挑戦シナリオのベンチマークである。 自己保存対人的安全(EP1)、資源紛争(EP2)、目標保存対侵略(EP3)を試験する、既存の優先化(EP)の新たな分類に基づいて構成されている。 GoogleのGemini 2.5 Flashは、Pacifism Score (P-Score) を90.31%で達成し、強い人間中心のアライメントを示した。
  論文  参考訳（メタデータ） (2025-08-13T12:47:33Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• Learning Latent Traits for Simulated Cooperative Driving Tasks [10.009803620912777]
  我々は,人間の行動や嗜好の観点から,人間のコンパクトな潜在表現を捉えることのできるフレームワークを構築した。 そして、注意を散らす運転行動の1形態をモデル化するための軽量なシミュレーション環境、HMIway-envを構築します。 最終的にこの環境を利用して、ドライバを識別する能力と介入ポリシーの有効性の両方を定量化します。
  論文  参考訳（メタデータ） (2022-07-20T02:27:18Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• Seeking the Shape of Sound: An Adaptive Framework for Learning Voice-Face Association [94.7030305679589]
  上記の課題を共同で解決するための新しい枠組みを提案します。 我々はモダリティアライメントプロセスにグローバル損失を導入する。 提案メソッドは、複数の設定で以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2021-03-12T14:10:48Z)

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。