論文の概要: Alignment of a Total Automation Economy

• arxiv url: http://arxiv.org/abs/2607.17015v2
• Date: Tue, 21 Jul 2026 16:49:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 14:48:36.378128
• Title: Alignment of a Total Automation Economy
• Title（参考訳）: 総自動化経済の整合性
• 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、(人間)市場価格の重み付けによる生産の最大化を経済の目的としています。 別の疑問は、双対化がエージェントAIシステムの実用性に関する洞察を提供するかどうかである。
• 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. Here we review Kantorovich's dualization in detail. We take the objective of the economy to be maximizing production weighted by (human) market price. A fundamental issue is whether an automated pursuit of this objective might have alignment vulnerabilities as the economy evolves. Another question is whether dualization provides insight into the utility of agentic AI systems (multi-agent AI systems) generally.
• 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。ソ連の経済学者レオニード・カンロビッチは、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、彼はまた、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を示すことでも知られている。 ここでは、カントロビッチの双対化について詳しく述べる。 我々は、(人間)市場価格に重み付けられた生産を最大化するために、経済の目標を定めている。 根本的な問題は、この目的を自動で追求することで、経済が発展するにつれて脆弱性が整列するかどうかである。 もう一つの疑問は、双対化がエージェントAIシステム(マルチエージェントAIシステム)の有用性に関する洞察を提供するかどうかである。

関連論文リスト

• Cheap, Fallible Cognition and the Political Economy of Expertise [0.0]
  仕事は不可分な対象ではなく、機械認知は人間の労働の均一な代用ではない。 本稿では、生成AIを安価でスケーラブルで誤認識可能なものとして分析するためのタスクベースフレームワークを開発する。 AIの労働市場運命は機械失業でも自動失業でもないと結論付けている。
  論文  参考訳（メタデータ） (2026-08-11T23:55:35Z)
• From Economic Agents to Agentic Economies: A Systems Blueprint for Economic World Models [79.95211458571744]
  経済世界モデル(英: Economic World Models、略称:EWM)は、経済が内部からどのように発展するかをシミュレートする経済モデルである。 本稿では、生成エンジンとして経済世界モデルを構築するための実装ロードマップを開発する。
  論文  参考訳（メタデータ） (2026-08-06T13:26:46Z)
• 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)
• Economics of Human and AI Collaboration: When is Partial Automation More Attractive than Full Automation? [7.168698398166703]
  本稿では,タスク自動化の最適度を評価するための統一的なフレームワークを開発する。 我々は、データ、計算、モデルサイズにパフォーマンスをリンクするスケーリング法則の実験を通じて、AI生産関数を推定する。 完全自動化はコストを最小化するものではなく、企業が残業のために人間の労働者を保持する部分自動化は、しばしば均衡として出現する。
  論文  参考訳（メタデータ） (2026-03-31T01:18:10Z)
• 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)
• 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)
• 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)
• Learning from Learning Machines: Optimisation, Rules, and Social Norms [91.3755431537592]
  経済的な実体の行動に最も類似したAIの領域は道徳的に良い意思決定の領域であるようだ。 近年のAIにおけるディープラーニングの成功は、そのような問題を解決するための明示的な仕様よりも暗黙的な仕様の方が優れていることを示唆している。
  論文  参考訳（メタデータ） (2019-12-29T17:42:06Z)

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。