1万超のエージェント社会にコンセンサス・分極化・無関心の3相、Isingモデルで意見の進化を予測

研究チームは32のエージェントからなる社会を構築し、二値化したMATHの数学問題と政治的主張について、エージェント同士に8ラウンドのメッセージ交換を行わせた。各エージェントには異なる専門性やペルソナを設定し、接続関係は友好的、敵対的、通信なしの3種類に分類した。実験にはGPT-4o-mini、Gemma-3n-E4B-it、Qwen3.5-9B、Llama-3.1-8B-Instructを使用し、主要なシミュレーション9,600件を分析。分布外および非同期実験を含めると、総数は1万件を超えた。

結果によると、個々のエージェントは、立場を変えない、1回だけ転向する、転向後に元へ戻る、繰り返し揺れ動く、という4タイプに分類できた。集団は無関心、分極化、コンセンサスなどの相に移行した。GPT-4o-miniとQwen3.5-9Bでは、約11～12％の社会で当初の多数派が弱まるか覆された。数学問題では、誤った多数派が正解へ転じるケースが、その逆よりも多かった。一方、政治的主張では、意見が政治スペクトラムの右側へ漂移する傾向が頻繁に見られた。

著者らはエージェントの立場を二値スピンとして表現し、ペルソナや設問への選好を内在場で、近隣エージェントからの圧力を符号付きソーシャルグラフで記述した。フィッティングしたGlauber／Ising型の更新則は、初期意見からその後の軌跡を推定でき、ランダムグラフから未観測の格子やその他のネットワークへも汎化した。推定されたパラメータは、システムが臨界温度を下回る秩序相にあることを示した。また、友好的な接続による引力は敵対的な接続による斥力より強く、客観的な問題では正解を持つエージェントの影響力がより大きかった。

この成果は、マルチエージェント・オーケストレーションに対し、単発の成功率よりも精緻な診断手段を提供する。エンジニアは相互作用温度、接続の符号、初期多数派を観察することで、議論が回答を改善するのか、それともバイアスを増幅するのかを予測できる。ただし、この実験では意見を二値に圧縮し、主に同期更新を採用している。ペルソナ設定や政治データも、既存の偏りを結果へ持ち込んだ可能性がある。この物理モデルが、ツールを使用し、記憶を保持し、目標を変更する本番環境のエージェントにも適用できるかどうかは、今後の検証を待つ必要がある。