論文の概要: Alignment of a Total Automation Economy

• arxiv url: http://arxiv.org/abs/2607.17015v1
• Date: Sun, 19 Jul 2026 00:48:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.337084
• Title: Alignment of a Total Automation Economy
• Title（参考訳）: 総自動化経済の整合性
• Authors: David McAllester,
• Abstract要約: 総自動化経済の観点から経済理論を考察する。 我々は、効率性が、競合するエージェントによるローカルな意思決定に分散化を要求するかどうかを考察する。 この分析では、経済のエージェント的管理が人的価値から逸脱するアライメントの脆弱性が明らかになっている。
• 参考スコア（独自算出の注目度）: 2.5889737226898437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider economic theory from the perspective of a total automation economy, one with no human involvement in production either in manufacturing or in management. One can naturally ask whether a total automation economy is fundamentally a centrally planned economy or, alternatively, whether efficiency demands decentralization into local decisions by competing agents -- agentic production. A soviet economist, Leonid Kantorovich, developed linear programming as a method companies or governments can use to optimize production. Ironically, he is also generally credited with showing that the most efficient production is achieved through decentralization -- a free market economy with competing agents. I will call Kantorovich's result the agentic theorem and review it in detail here. This analysis appears to reveal a alignment vulnerability under which agentic management of the economy diverges from human values as agents deveop motives that are "internal" to the economy and disconnected from prices derived from human consumption markets.
• Abstract（参考訳）: 総自動化経済の観点から経済理論を考察し,製造にも経営にも人的関与の無い経済論を考察する。 総自動化経済が基本的に中央計画経済なのか、それとも、効率性の要求が競合するエージェントによるローカルな意思決定に分散化されるのか、それともエージェント的生産であるのか、自然に問うことができる。ソ連の経済学者であるレオニド・カンロビッチ(Leonid Kantorovich)氏は、企業や政府が生産を最適化する手法として線形プログラミングを開発した。皮肉なことに、最も効率的な生産は、競合するエージェントによる自由市場経済である分散化によって達成されることが一般に知られている。 私はカントロビッチの結果をエージェント的定理と呼び、ここでそれを詳細にレビューする。 この分析は、経済のエージェント的管理が、経済に「内部」であり、人的消費市場に由来する価格から切り離されたモチベーションとして、人的価値から切り離されるという、アライメントの脆弱性を明らかにしているように見える。

関連論文リスト

• 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)
• A Sustainable AI Economy Needs Data Deals That Work for Generators [56.949279542190084]
  機械学習のバリューチェーンは、経済的なデータ処理の不平等のため、構造的に持続不可能である、と我々は主張する。 73の公開データ取引を分析し、アグリゲータに価値の大部分が蓄積されていることを示す。 参加者全員に利益をもたらす最小市場を実現するために、等価なData-Value Exchange Frameworkを提案する。
  論文  参考訳（メタデータ） (2026-01-15T01:05:48Z)
• 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)
• 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)
• EconAgent: Large Language Model-Empowered Agents for Simulating Macroeconomic Activities [43.70290385026672]
  EconAgentは、マクロ経済シミュレーションのための人間のような特徴を持つ大規模言語モデルを用いたエージェントである。 まず,エージェントの判断による市場動態を取り入れたシミュレーション環境を構築する。 認識モジュールを通して、異なる意思決定機構を持つ異種エージェントを作成する。
  論文  参考訳（メタデータ） (2023-10-16T14:19:40Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)
• The AI Economist: Improving Equality and Productivity with AI-Driven Tax Policies [119.07163415116686]
  我々は、経済的平等と生産性を効果的にトレードオフできる税制政策を発見する社会プランナーを訓練する。 競争圧力と市場ダイナミクスを特徴とする経済シミュレーション環境を提案する。 AI主導の税政策は、基本方針よりも平等と生産性のトレードオフを16%改善することを示します。
  論文  参考訳（メタデータ） (2020-04-28T06:57:18Z)

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。