いや、これは物理の実験じゃなくて、社会の動きをシミュレーションする「エージェントベースモデリング（ABM）」の研究だよ。人間一人ひとりを「エージェント」としてコンピュータの中で動かして、感染症がどう広がるかとかを調べるんだ。

そこが問題なんだ。LLMで何千人もシミュレーションしようとすると、お金も時間もかかりすぎるし、動きがバラバラで予測が外れやすい。この論文は、その「コスト」と「精度」の問題を解決しようとしているんだよ。

そんなわけないだろ。この研究の面白いところは、一人ひとりをバラバラに考えるんじゃなくて、似たような行動をする人を「クラスター」っていうグループにまとめて計算する点なんだ。

そこで「ANCHOR」っていう新しい手法を使うんだ。まず、代表的な「アンカーエージェント」をLLMで選んで、その人と他の人の行動がどれくらい似ているかを分析する。これで、LLMを使う回数を6倍から8倍も減らせるんだよ。

いい質問だね。このモデルは「ハイブリッド構造」になっていて、グループ全体の動きを予測した後に、それぞれの個人の属性に合わせて微調整するんだ。これを「確率的実現」って呼んでいるよ。

「記号的推論」と「ニューラルモデル」の融合だよ。記号的推論は「病気なら外出を控える」みたいなルールベースの物理的な法則。ニューラルモデルは過去のデータから複雑なパターンを読み取るAI。この2つを組み合わせて、どっちを信じるべきか「不確実性」を考えながら予測を出すんだ。

感染症の拡大予測や金融のシミュレーションで実験した結果、従来の方法よりもずっと正確に、しかも安定して予測できたらしいよ。特に、時間が経っても予測がズレにくいのが強みだね。

いや、まだ課題はあるよ。今はまだ特定のシナリオでの実験がメインだし、もっと複雑な社会の変化にどう対応するかはこれからの研究次第だね。でも、大規模な社会シミュレーションの新しい標準になる可能性があるよ。

……君のランチは「その時の気分」っていう不確実性が高すぎて、AIでも予測不能だよ。自分で決めなさい。