Использование больших языковых моделей для имитации человеческого поведения в аэропорту

Авторы

Мчедлишвили Д. Г.

Московский авиационный институт (национальный исследовательский университет), 125993, г. Москва, Волоколамское шоссе, д. 4

e-mail: d.g.mchedlishvili@yandex.ru

Аннотация

Работа посвящена вопросам использования больших языковых моделей в агентном моделировании. Стандартные модели и подходы в моделировании позволяют создать системы, позволяющие имитировать с высокой точностью человеческое поведение, однако возникают сложности, если агенту необходимо производить нестандартные действия. Использование больших языковых моделей позволяет обойти эту проблему и создать систему принятия решений агента, которая способна реагировать на окружающую среду и изменения своего состояния без необходимости описывать все возможные исходы. Для реализации была создана абстрактная среда, основанная на структуре аэропорта, в которой LLM агенты должны пройти все процедуры от захода на территорию до посадки на самолёт и в обратном порядке. В результате эксперимента агентам удалось пройти успешно пройти все процедуры, основываясь только на предоставленной информации о необходимом порядке действий и изменении собственного статуса, однако в процессе был выявлен ряд недостатков, требующих дополнительного рассмотрения.

Ключевые слова:

математическое моделирование, большие языковые модели (LLM), агентное моделирование, аэропорты

Список источников

1. Joon Sung Park, Joseph C. O'Brien, Carrie J. Cai, Meredith Ringel Morris, Percy Liang, Michael S. Bernstein, 2023, Generative Agents: Interactive Simulacra of Human Behavior, https://doi.org/10.48550/arXiv.2304.03442 
2. Se-eun Yoon, Zhankui He, Jessica Echterhoff, and Julian McAuley. 2024. Evaluating Large Language Models as Generative User Simulators for Conversational Recommendation. In _Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers)_, pages 1490–1504, Mexico City, Mexico. Association for Computational Linguistics. doi:10.18653/v1/2024.naacl-long.83
3. Thirunavukarasu, A.J., Ting, D.S.J., Elangovan, K. _et al._ Large language models in medicine. _Nat Med_ 29, 1930–1940 (2023). https://doi.org/10.1038/s41591-023-02448-8  
4. Taicheng Guo & Xiuying Chen & Yaqi Wang & Ruidi Chang & Shichao Pei & Nitesh V. Chawla & Olaf Wiest & Xiangliang Zhang, 2024, Large Language Model based Multi-Agents: A Survey of Progress and Challenges, https://doi.org/10.48550/arXiv.2402.01680 
5. Gao, C., Lan, X., Li, N., 2024, Large language models empowered agent-based modeling and simulation: a survey and perspectives. Humanit Soc Sci Commun 11, 1259. https://doi.org/10.1057/s41599-024-03611-3 
6. Pablo Hernandez-Leal, Bilal Kartal, Matthew E. Taylor A survey and critique of multiagent deep reinforcement learning, DOI: 10.1007/s10458-019-09421-1
7. Sanders, Grégory & Mohammadi Ziabari, Seyed Sahand & Mekic, Adin & Sharpanskykh, Alexei., 2021, Agent-Based Modelling and Simulation of Airport Terminal Operations Under COVID-19-Related Restrictions, doi:10.1007/978-3-030-85739-4_18.
8. Collins, Andrew, Koehler, Matthew and Lynch, Christopher, 2024,  'Methods That Support the Validation of Agent-Based Models: An Overview and Discussion' Journal of Artificial Societies and Social Simulation 27 (1) 11, doi: 10.18564/jasss.5258
9. Gürcan Ö., 2024, LLM-Augmented Agent-Based Modelling for Social Simulations: Challenges and Opportunities , doi: 10.48550/arXiv.2405.06700 
10. Ayush Chopra & Shashank Kumar & Nurullah Giray-Kuru & Ramesh Raskar & Arnau Quera-Bofarull, 2024, On the limits of agency in agent-based models, https://doi.org/10.48550/arXiv.2409.10568 

Скачать статью