本論文は、大規模言語モデル（LLMs）が累積プロスペクト理論（CPT）のパラメータを明示的に較正することなく、経路選択における系統的な人間の行動バイアスを複製できるかどうかを検証する。著者らは、CPTによって予測される確立された人間のパターンに対して、LLMが生成した意思決定を比較するための行動評価フレームワークを設計した。

  • 個人レベルのCPTパラメータを指定する従来の方法は、調査や制御実験に依存しており、一般化が困難で、意思決定の多様性を捉えられない。
  • 実験結果は、LLMsが非合理的な人間の選択バイアスを再現し、不確実性下でプロスペクト理論に基づく効果と一致する意思決定行動を示すことを示している。
  • この知見は、大規模なエージェントベースシミュレーションにおける人間の意思決定プロセスをモデル化するためのスケーラブルな代替手段として生成AIモデルが提供することを示唆している。

これらの結果は、次世代の大規模なエージェントベースシミュレーションおよびAI駆動の行動研究にとって有望な基盤を提供する。