人口を表し、環境を変え、結果から学ぶ：人間シミュレーションと閉ループ意思決定の全体像

共同施設の開館時間を変えると、利用できる人が変わる。配送先の配分を変えると、届く資源の量が変わる。実施前に結果を予測し、実施後に確かめ、その結果から次の判断を改善できるだろうか。

この問いには、人口合成、行動予測、エージェントに基づくシミュレーション、制御と最適化、因果推論、実行基盤、機械学習が関係する。人間シミュレーションの企業に近いコードだけを集めても、循環全体は作れない。各分野が何を受け取り、何を計算し、何を検証するのかを分けて読む。

構成を理解するための図。各部品の採用や実地効果が確認されたことを示すものではない。

1．人口合成：どんな人々がいるか

人口合成は、人口統計と標本などから、計算上の集団を構築する問題だ。年齢別人数と就業者数が合っていても、どの年齢層の人が働いているかまで合うとは限らない。属性を一つずつ見た周辺分布と、組み合わせて見た結合分布を区別する。

PopulationSimは、標本世帯の重みを地域の集計に合わせる公開実装である。コードでは、世帯が人数や属性の合計へどれだけ寄与するかを表す表、合わせたい集計値、重みの制約を受け取り、調整後の重みと集計結果を返す。整数の世帯数へ変換する処理は別になっている。[1]

説明用の架空例として、標本Aは大人1人、標本Bは大人2人と子供1人とする。それぞれを50世帯分として扱うと、100世帯、200人、子供50人になる。重みは、新しく調査した人数ではなく、その標本が何世帯分を代表するかを表す。

PopulationSimで実際に計算した結果ではない。資料に含まれない世帯の種類を、重みの調整だけで必ず補えるわけではない。集計に整合する人口ができても、利用行動の予測は次の問題になる。

2．行動モデル：その条件でどう選ぶか

Aaruは公開資料、ライセンスされた行動資料、顧客資料を統合し、属性間の関係から人口を構成して反応を推定すると説明する。Simileは取引や利用記録と、インタビュー、調査、実験を組み合わせて人間の行動モデルを学習する方法を説明する。両社とも個人と集団を扱い、内部構成のすべてを公開しているわけではない。[2][3]

公開実装では、異なる二つの方法を読める。StanfordHCIのgenagentsは、人物の自己説明や記憶から質問に関連する記録を検索し、既存の言語モデルへ渡して回答を生成する。人物ごとの入力を変える方法で、毎回モデルの重みを追加学習する処理ではない。研究参加者の完全なインタビュー人物群は公開されていない。[4]

Socratesは、人物の条件、実験の状況、人間の回答を使って言語モデルを追加学習する研究だ。データ、学習済みモデル、データ分割が公開され、学習にはLLaMA-Factoryを使うと説明されている。入力へ記録を足す方法と、モデル自体を追加学習する方法を区別できる。[5]

3．SFTとDPO：モデルの何を変えるか

モデルの重みは、予測を計算する数値パラメータである。学習では、その数値を調整する。SFTは教師あり追加学習で、入力と回答例を使い、回答例の確率を高めるように重みを調整する。人間の行動予測では、実際の回答を学習例にできる。[5][6]

DPOは直接選好最適化で、同じ入力に対する二つの回答と、その比較ラベルを使う。更新するモデルと固定した参照モデルについて、二つの回答の確率を比較し、選ばれた側の相対的な確率が高まるように学習する。元論文の定式化では、独立した報酬モデルと強化学習の訓練ループを別に用意する必要をなくしている。[7]

Socratesの比較データには、同じ実験条件で別の人物が答えた、異なる回答との対比がある。人物に対応する実際の回答を比較上の選択側にする。ここでの選択は、道徳的に望ましい回答という意味ではなく、その人物・条件の回答を区別するための学習である。[5]

追加学習を行ったことだけでは、集団の反応分布や介入効果が正しいと証明されない。人物、実験条件、研究、時期などを分けた未使用資料で検証する。SFTとDPOは、閉ループシステムの全部を表す名前ではない。

4．社会と環境：行動が次の条件を変える

一回の回答を集計するだけでは、時間と相互作用を扱えない。施設の利用が増えると待ち時間が増え、それを見て次の人が別の施設を選ぶことがある。ある地域へ配分を増やすと、別の地域の供給が減ることもある。

AgentTorchの実行処理は、状態を観測し、主体ごとの行動を求め、次の状態へ進めて履歴を残す。Mesaにも複数の主体と環境のモデルがあり、公開の捕食者・被食者の例では動物の行動と資源を時間に沿って計算する。こうした枠組みが、社会や生態系の状態変化を学ぶ入口になる。[8][9]

動物や資源を計算したことと、動物の福祉を測ったことは異なる。人口、観測記録数、エネルギー、費用、利用可能性など、何を表す数値かを明示する。人間の行動モデルを別の生命へそのまま適用しない。

「世界モデル」という呼び方には複数の用途がある。World Labsの2026年の分類は、観測を描く処理、状態変化を計算する処理、行動を選ぶ処理を分ける。V-JEPA 2は、映像と一部の行動データから、物理世界の理解・予測・計画を学ぶ研究である。社会の制度や生態系を扱う場合にも予測と計画は必要だが、観測資料、状態の単位、検証する成果は対象ごとに異なる。[19][20]

5．変更を選ぶ：比較、最適化、実験

AI Economistは、経済活動をする主体と、税などのルールを決める主体を同時に扱う。共通ルールが変わると、人々も行動を変えて適応する。この設計から、制度変更の直後だけでなく、適応後の結果も比較する必要を学べる。ただし、シミュレーション内の成果と実政策の効果は別である。[10]

BoTorchは、実験結果から確率的なモデルを作り、次に試す候補を選ぶベイズ最適化のライブラリだ。限られた予算で、すべての候補を試せないときに役立つ。既存の最適化を比較対象に置くことで、複雑なエージェントを追加した利益があるかも調べられる。[11]

2026年のCausaLabは、仮想実験室で変数を変更し、結果を観測し、隠れた因果構造を推定する評価環境を提案する。未知の結果を予測する成績と、原因の構造を復元する成績を別に測る。予測が当たることだけで因果理解を証明しない点が参考になる。ここでの正解は合成された環境の構造であり、実際の社会への介入効果ではない。[12]

CausalGameも、観測の偏りや隠れた要因があるゲームで、実験を選ぶ能力を試す公開実装だ。こうした評価は実験設計の能力を調べる入口になるが、人々の暮らしを改善した実績へ置き換えない。[13]

6．実行と測定：現実のどこが変わったか

変更候補を計算した後には、実際に変更する接続先が必要になる。予約枠、供給計画、配送先など、運営者が変更できる状態へ接続する。操作が受け付けられたことと、変更後の状態が確認できたことは分けて記録する。

Temporalは、長時間の処理、再試行、中断後の継続を管理する実行基盤である。ただし、Temporalを導入しても外部操作の二重実行が自動的に防げるわけではない。操作先の識別子や状態確認を設計する必要がある。[14]

実際の効果を調べるには、変更をしなかった場合との比較が必要だ。DoWhyやEconMLは因果推論の処理を支えるが、必要な資料や比較条件を代わりに作るものではない。導入前後で結果が違うだけでは、供給量、季節、景気などの変化を分離できない。[15]

また、評価の実行基盤と、評価対象の環境も分ける。Inspectでは、課題の資料、回答を作る処理、採点を組み合わせて評価を定義できる。人口誤差、予測誤差、変更の適用、現実の効果には、それぞれに合う採点を用意する。エージェント自身の成功報告を成果の証拠にしない。[16]

7．自己改善：何を残すか

自己改善には、予測モデルの更新、行動選択の改善、処理手順の修正、モデル重みの追加学習などがある。更新したことと、改善したことは同じではない。

RSI-Anythingの公開枠組みは、候補生成、予測、選択、外部評価、学習、改善の保持を分ける。MASSは、複数エージェントの処理手順の探索と、実行履歴を学習へ使う研究方法が参考になる。ただし、研究方法の参考と、コードの利用許諾は別に確認する。[17][18]

現行の方法を残し、新しい候補を未使用資料や新しい試験で比較してから採用する。採点基準まで候補が都合よく書き換えると、改善したかを測れなくなる。改善が別の環境にも移るかは、さらに別の評価になる。

8．この全体像から、何を作るか

集団を表すこと、反応を予測すること、共有環境を変えること、効果を測ることを、別の部品として接続する。人口構築の成功を、行動予測や実地効果の成功へ読み替えない。

人口の構成と重み、行動モデル、時間と相互作用、候補比較、適用確認、因果評価、改善の保持は、それぞれ異なる課題である。実地の接続先が決まるまでは、公開資料の検証と実地成果を別の段階として報告する。

この方向で開発しているのがマネージャーである。宇宙全体のすべての生命が豊かに生きられるように、環境を改善し続ける一つの人工知能を目指す。最初の人口評価は、その構想を実現するための部品である。

出典

1. PopulationSim
2. Aaru, How a simulation works
3. Simile, Building the What-If Machine
4. StanfordHCI/genagents
5. Socrates論文、データ・モデルの案内
6. InstructGPT論文
7. DPO原論文
8. AgentTorch
9. Mesa
10. AI Economist
11. BoTorchの閉ループ最適化
12. CausaLab論文、公開実装
13. CausalGame公開実装
14. Temporal Python SDK
15. DoWhy、EconML
16. Inspect
17. RSI-Anything
18. MASS

1. World Labsの世界モデル分類
2. V-JEPA 2論文

紹介した公開実装について、主要コードの読解と、実行・性能検証を区別している。

人口生成と行動予測の方法を分けて理解する

人口方式とLLMによる反応予測の詳説では、IPF、確率モデル、組み合わせ最適化、学習した生成モデル、LLMの世帯生成を区別する。著者コードの主要処理とAaru・Simileの公開説明を照合し、人口を作る工程と、その人々の反応を予測する工程を整理した。公開研究コードを商用製品の内部実装と同一視しない。

条件付き確率の講座では、分母となる集団、属性生成、期待値と抽選結果を学校の架空例で説明する。

ベイジアンネットワークの講座では、条件付き確率をつないだ人口生成と、その構造上の仮定を説明する。

人口生成の詳しい教材：VAEの学習・生成と人口合成研究。基本モデル、世帯との組み合わせ、公開コードの処理と評価を順に説明する。

方式選択の詳説：レビューと最近の比較研究。VAEの次の教材：GANの生成器と判別器。株式予測の集約を学ぶ別稿：Numerai Unity。

次の教材：拡散モデルによる人口生成。DDPMの基本、数値とカテゴリー、潜在空間、人口合成コードの対応を説明する。

LLM人口生成の詳説：追加学習型と集計指示型。文章化、パラメータ更新、統計フィードバック、独立評価を分けて説明する。