論文の概要: How AI Prompts Can Teach Us About the Structure of Human Behavior

• arxiv url: http://arxiv.org/abs/2608.18265v1
• Date: Tue, 18 Aug 2026 19:30:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.196454
• Title: How AI Prompts Can Teach Us About the Structure of Human Behavior
• Title（参考訳）: 人間の行動構造をAIが教える方法
• Authors: Matthew O. Jackson, Benjamin S. Manning, Yutong Xie, Walter Yuan, Qiaozhu Mei,
• Abstract要約: 本稿では、人間の行動の構造と複雑さを研究するための、汎用的で実装が容易なAIベースの手法を紹介する。 人間の行動は、リスク回避、戦略的ソフィケーション、信頼という3つの次元で密に一致させることができる。
• 参考スコア（独自算出の注目度）: 9.251446466644369
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a general, easy-to-implement AI-based method for studying the structure and complexity of human behavior. We assign a large language model a ``type vector'' and then prompt it to choose actions across settings in which we observe human choices. For instance, the type vector (2,4) becomes ``You are a player characterized by the following profile: 2 out of 5 in Altruism, 4 out of 5 in Risk Aversion,'' after which it is prompted to make choices. We vary the dimensions (e.g., Altruism, Fairness, Trust, $\dots$) and values (e.g., 1--5) to minimize distance to human choices. Applying the method to 119,147 decisions made by 78,657 subjects from more than 35 countries across 10 classic economic game roles, we find that human behavior can be closely matched using three dimensions: Risk Aversion, Strategic Sophistication, and Trust. Moreover, the types needed to fit individuals across games cluster into fewer than a dozen groups, and can predict behavior in held-out games with different rules and available actions. The results suggest that behavior across diverse settings can be approximated by a low-dimensional, portable representation, supporting the possibility of general yet parsimonious theories across the behavioral sciences. More broadly, the method can provide insights into the structure of many human behaviors.
• Abstract（参考訳）: 本稿では、人間の行動の構造と複雑さを研究するための、汎用的で実装が容易なAIベースの手法を紹介する。 大型言語モデルに ``type vector'' を割り当てた後、人間の選択を観察する設定間でアクションを選択するように促します。 例えば、タイプベクトル (2,4) は `You' となり、アルトル主義では 5 のうち 2 人、リスク回避では 5 人中 4 人、選択を促される' というプロファイルを特徴とするプレイヤーである。 私たちは、人選までの距離を最小化するために、次元(例えば、アルトル主義、公正性、信頼、$\dots$)と値(例えば、1--5)を変えます。 10の古典的経済ゲームロールの35カ国以上から78,657人の被験者による119,147の意思決定にこの方法を適用することで、人間の行動はリスク回避、戦略的ソフィケーション、信頼の3つの次元で密にマッチングできることがわかった。 さらに、ゲーム全体の個人を1ダース未満のグループに分類する必要があり、異なるルールと利用可能なアクションで保持されたゲームの振る舞いを予測することができる。 その結果, 多様な環境における行動は, 低次元で可搬性のある表現によって近似でき, 行動科学全体での一般的な相似理論の可能性を支持することが示唆された。 より広範に、この方法は、多くの人間の行動の構造に関する洞察を与えることができる。

関連論文リスト

• People use fast, flat goal-directed simulation to reason about novel problems [68.55490343866545]
  私たちは、人々が初めてゲームをする方法に体系的かつ適応的に合理的であることを示します。 直感型ゲーマー」と呼ばれる計算認知モデルを用いて,これらの能力を説明する。 私たちの研究は、人々が新しい問題に遭遇するとき、どのように素早く評価し、行動し、提案するかに関する新しい洞察を提供する。
  論文  参考訳（メタデータ） (2025-10-13T15:12:08Z)
• Using Large Language Models to Categorize Strategic Situations and Decipher Motivations Behind Human Behaviors [17.855067753715797]
  古典的な経済ゲームにおいて、人間の行動の全範囲を引き出す方法を示す。 どの行動を引き起こすかを分析することで、異なる戦略状況を分類し比較することができる。
  論文  参考訳（メタデータ） (2025-03-20T00:07:06Z)
• A theory of appropriateness with applications to generative artificial intelligence [56.23261221948216]
  我々は、AIによる意思決定を適切に評価し、改善するために、人間の意思決定がいかに適切かを理解する必要がある。 本稿では,人間の社会でどのように機能するか,脳でどのように実装されるのか,生成AI技術の展開に責任があるのか,という,適切性の理論について述べる。
  論文  参考訳（メタデータ） (2024-12-26T00:54:03Z)
• Promptable Behaviors: Personalizing Multi-Objective Rewards from Human Preferences [53.353022588751585]
  本稿では,ロボットエージェントの多種多様な嗜好に対する効率的なパーソナライズを促進する新しいフレームワークであるPromptable Behaviorsを紹介する。 我々は、異なるタイプの相互作用を活用することによって、人間の嗜好を推測する3つの異なる方法を紹介した。 本稿では,ProcTHOR と Robothor のナビゲーションタスクをパーソナライズしたオブジェクトゴールナビゲーションおよびエスケープナビゲーションタスクにおいて,提案手法の評価を行う。
  論文  参考訳（メタデータ） (2023-12-14T21:00:56Z)
• Learning signatures of decision making from many individuals playing the same game [54.33783158658077]
  我々は、個人の「行動スタイル」を符号化する表現を学習する予測フレームワークを設計する。 我々は,3本腕のバンディットタスクを行う1,000人の人間による大規模行動データセットに本手法を適用した。
  論文  参考訳（メタデータ） (2023-02-21T21:41:53Z)
• Detecting Individual Decision-Making Style: Exploring Behavioral Stylometry in Chess [4.793072503820555]
  チェスの文脈における行動スタイメトリーに対するトランスフォーマーに基づくアプローチを提案する。 本手法は,数発の分類フレームワークで動作し,数千人の候補選手の中から選手を正確に識別することができる。 我々は、チェスにおける人間のスタイルと潜在的な倫理的意味について、結果の埋め込みが明らかにするものをより広く検討する。
  論文  参考訳（メタデータ） (2022-08-02T11:18:16Z)
• Indecision Modeling [50.00689136829134]
  AIシステムは人間の価値観に合わせて行動することが重要である。 人々はしばしば決定的ではなく、特に彼らの決定が道徳的な意味を持つときです。
  論文  参考訳（メタデータ） (2020-12-15T18:32:37Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)

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。