Generative Agent-Based Models Powered by Large Language Models

행위자 기반 모형(agent based model; ABM)은 행위자들 간의 미시적 상호작용으로부터 혁신의 확산, 집합 행동의 역학, 정치적 양극화의 형성과 같은 거시적 사회 구조의 창발이 발생하는 과정을 보여주는 주요 연구 도구로 널리 활용되어 왔다. 하지만, 행위자들의 행동 규칙과 사회 환경 구성에 대한 제한된 연역적인 가정이 필수적이라는 점에서, 현실세계에 대한 적합성의 문제가 제기되어 왔다. 이에, 거대언어모델(large language model)의 인간 행동과 사고의 모방 능력을 바탕으로, 귀납적인 방식으로 보다 현실적인 가상 실험 세계를 구축하고자 하는 연구들이 증가하고 있다. 이 논문은 거대언어모델을 활용한 생성형 행위자 모형(generative ABM)을 통한 사회 이론의 검증의 가능성과 한계를 검토하는 것을 목적으로 한다. 쉘링의 인종 격리 모형을 예로 들어, LLM을 활용한 ABM과 연역적으로 설계된 전통적인 ABM을 비교 분석한다. 기본적인 규칙 기반 행동에서부터 개인화된 인간과 유사한 의사결정에 이르기까지 다양한 수준의 행동 복잡성을 나타내는 세 가지 서로 다른 유형의 LLM 행위자--단순 LLM 행위자, 집단 LLM 행위자, 개인 LLM 행위자--를 기반으로 한 ABM 접근 방식들을 소개하고, 이러한 접근 방식들이 어떻게 연역적이고 추상적인 ABM 모형과 귀납적이고 현실적인 ABM 모형사이의 간극을 메울 수 있는지 논의한다. 마지막으로 거대언어모델과 행위자 기반 모형의 통합을 통한 생성형 행위자 기반 모형의 발전 방안에 있어서 향후 연구 과제를 제안한다.