Generative agents for simulation of social behaviour

Abstract

Simulating believable human behavior has been a long-standing chal- lenge in artificial intelligence. Large language models (LLMs) have shown emergent capabilities in approximating human behavior, making LLM-based generative agents an interesting approach to social simulation. Although previous research has shown promising results, issues limiting widespread adoption persist. This thesis addresses these shortcomings by introducing a highly customizable and scalable framework. We introduce several fea- tures, including memory management, BDI planning, the selective forgetting mechanism and cost-saving measures, creating a practical toolkit for social research. We validate the framework on a synthetic social network and a real-world dataset from the Love Island reality show. Through a series of experiments, we demonstrate social and rational agent behavior. We find the best configuration of framework parameters and use statistical analysis to show improved results. The experiments confirm that the framework suc- cessfully simulates information spread and that agents behave rationally in game-theoretic scenarios. Experiments on the Love Island dataset suggest that romantic partner prediction remains an open challenge, showing our ap- proach's limits. Together, these results demonstrate that our framework is a...

Simulace lidského chování patří mezi dlouhodobé výzvy v oblasti umělé inteligence. Velké jazykové modely (LLMs) prokázaly emergentní schopnosti v aproximaci lidského chování, díky čemuž se generativní agenti stávají za- jímavým nástrojem pro sociální simulace. Dosavadní výzkum však přináší problémy, které brání jejich širšímu využití. Tato diplomová práce tyto ne- dostatky řeší vytvořením vysoce přizpůsobitelného a škálovatelného systému pro generativní agenty. Přinášíme několik klíčových funkcí jako správu pa- měti, BDI plánování, mechanismus selektivního zapomínání a různá opatření na snížení nákladů. Tímto vytváříme praktický nástroj pro sociální výzkum. Systém validujeme na syntetické sociální síti i reálných datech z reality show Love Island. Na sérii experimentů ukazujeme, že agenti vykazují jak sociální, tak racionální chování. Identifikujeme optimální konfiguraci parametrů a sta- tisticky potvrzujeme její lepší výsledky. Experimenty dále ukazují, že systém spolehlivě simuluje šíření informací v sociální síti a že se agenti chovají ra- cionálně i v strategických situacích. Snaha předpovědět partnerské vztahy na datech z Love Island však ukázala, že tato úloha zůstává otevřenou vý- zvou, neboť skutečné vztahy ovlivňují i faktory mimo verbální komunikaci. Tyto výsledky potvrzují, že náš systém...