ИИ научили предсказывать решения людей в моделировании эпидемий: фреймворк HALE
Учёные разработали гибридный подход к моделированию эпидемий, который использует большие языковые модели (LLM) для предсказания решений людей. Новый фреймворк, получивший название HALE (Hybrid Agent-based and Language-driven Epidemic), призван преодолеть ограничения традиционных агентных моделей (ABM).
Как поясняется в препринте на arXiv, классические ABM полагаются на статические предположения о поведении агентов, что не позволяет им адаптироваться к быстро меняющейся реальности. HALE же интегрирует LLM, способные генерировать правдоподобные решения на основе текстовой информации, что делает симуляцию более динамичной.
В качестве доказательства концепции авторы применили HALE к моделированию распространения COVID-19 и его последствий в округе Солт-Лейк, штат Юта. Система анализировала, как жители могут реагировать на различные меры — от вакцинации до социального дистанцирования.
По словам исследователей, LLM позволяют моделировать миллионы действующих лиц и их взаимодействия, что особенно ценно для принятия решений в области здравоохранения. Таким образом, ИИ помогает не просто описывать сценарии, а предсказывать человеческое поведение с учётом контекста.
Работа показывает потенциал слияния классического агентного моделирования с современными языковыми моделями. В будущем HALE может быть адаптирован для других кризисных ситуаций, где важна быстрая оценка реакций населения.
