### 제너레이티브 AI 에이전트로 인간 성격 시뮬레이션하기

### AI의 발전: 제너레이티브 에이전트를 통한 인간 성격 시뮬레이션
* 🤖 작년에 스탠포드에서는 획기적인 연구를 통해 **시뮬레이션 환경에서 관계를 형성하고 성격을 개발할 수 있는 제너레이티브 에이전트**를 도입하여 더욱 몰입감 있는 비디오 게임 경험을 위한 기반을 마련했습니다.
* 📊 박준성 연구원의 새로운 연구는 이러한 에이전트에 **실제 인간의 성격**을 불어넣어 인간과 유사한 방식으로 상호작용하고 행동할 수 있는 능력을 보여줍니다.
* 💬 연구진은 **1,528명을 대상으로 심층 인터뷰**를 실시하여 성격 특성과 기억을 추출한 다음, 이를 시뮬레이션에서 에이전트의 행동을 파악하는 데 사용했습니다.
* 📈 연구 결과에 따르면 이러한 생성 에이전트는 일반 사회 조사에서 **85%의 놀라운 정확도**로 인간의 반응을 복제하여 실제 인간의 행동을 모방하는 데 효과적임을 입증했습니다.
* 🧠 이 연구는 **빅 5 성격 인벤토리와 다양한 행동 경제 게임 등 기존의 사회 과학 테스트**를 활용하여 상담원의 응답을 검증하고 실제 인간의 경험에 근거한 것인지 확인했습니다.
* 🌍 이러한 시뮬레이션은 사회과학 연구에 상당한 잠재력을 가지고 있으며, **실제 구현 없이도 사회 행동에 대한 예측**과 정책 변화에 대한 대응을 가능하게 해줍니다.
* 🔍 또한, 이 연구는 기존 설문조사 방식에 비해 **인터뷰 기반 데이터 수집의 장점**을 강조하여 편견을 줄이고 다양한 집단을 보다 정확하게 대표할 수 있다는 점을 강조합니다.
* 💡 전반적으로 인간 행동을 시뮬레이션하는 이 혁신적인 접근 방식은 복잡한 사회적 상호작용에 대한 심층적인 통찰력을 제공함으로써 **경제학, 사회학, 정치학과 같은 분야에 혁명을 일으킬 수 있습니다.**

이제 제너레이티브 에이전트는 실제 사람의 성격과 행동을 85%의 정확도로 복제하여 사회적 상호작용 시뮬레이션을 혁신적으로 개선할 수 있습니다.

Stanford Researchers Create an Entire AI Agent Society ("Personality Clones")

Artificial Intelligence (AI), Open Source, Generative Art, AI Art, Futurism, ChatGPT, Large Language Models (LLM), Machine Learning, Technology, Coding, Tutorials, AI News, and more

** Exclusive Pinecone Partner **

Matthew Berman

Stanford's research on simulating human behavior in AI agents.

A Stanford paper simulated thousands of AI agents, observing relationship formation, memory development, and personality emergence.

A new Stanford paper explores integrating real human personalities into these simulated agents.

Previous research showed AI agents developing personalities and relationships in a simulated environment, even organizing events like birthday parties.

The new study involves interviewing 1000 individuals for two hours to capture their personalities for integration into the simulated environment.

Methodology and accuracy of the personality replication.

The study replicated the personalities of 1528 individuals, achieving 85% accuracy in replicating responses on the General Social Survey compared to the individuals' own responses two weeks later.

Common social science tests like the General Social Survey, Big Five personality inventory, and behavioral economic games were used to extract personality traits.

The agents' responses on these tests matched human responses with 85% accuracy after two weeks.

The architecture combines 2-hour qualitative interviews with a large language model to replicate individual attitudes and behaviors.

Testing included the General Social Survey, Big Five personality inventory, and five behavioral economic games.

Applications and implications of the research.

Simulations can help pilot interventions and develop complex theories in various fields like economics, sociology, and political science.

The simulations allow for predicting societal reactions to policies without real-world implementation.

Details of the interview process and agent memory.

In-depth, semi-structured interviews were conducted, allowing for dynamic follow-up questions.

The interview transcripts served as the agents' memory in the simulation.

The agents used RAG techniques to draw from their memory to determine actions.

Results and comparison with other methods.

Interview-based agents achieved 85% accuracy on the GSS, significantly outperforming demographic-based and persona-based agents.

Similar outperformance was observed in the Big Five personality test and economic games.

Even with 80% of the interview transcript removed, interview-based agents still outperformed composite agents.

The study confirmed that the predictive power comes from the knowledge gained, not just linguistic cues.

The study addressed concerns about AI bias by conducting a subgroup analysis focusing on political ideology, race, and gender.

Interview-based agents consistently reduced bias compared to demographic-based agents.

The potential for using AI-conducted interviews to gather vast amounts of data for training models is discussed.