オントロジー誘導型マルチエージェント推論を通じた文化的に整合したLLMに向けて

TL;DR（結論）

大規模言語モデル（LLM）が欧米中心のデータに偏り、多様な文化圏の価値観を正確に反映できない問題を解決するため、世界価値観調査（WVS）のデータと構造化された知識表現であるオントロジーを組み合わせた新しい推論フレームワーク「OG-MAR」が提案されました。 この手法では、個人の回答を特定の分類体系に基づいた要約に変換し、専門家が設計した質問を通じて価値観の相互関係を定義した文化オントロジーを構築することで、単なる情報の検索にとどまらない、文脈に応じた高度な文化的推論を可能にしています。 アジア、欧州、アフリカなど6つの地域のベンチマークを用いた検証の結果、既存の手法と比較して文化的な整合性と堅牢性が向上し、推論プロセスが透明化されることで、AIがなぜ特定の文化的判断を下したのかを説明できるようになったことが示されました。

なぜこの問題か

現在の大規模言語モデルは、主にインターネット上の膨大なコーパスを用いて学習されていますが、そのデータの分布は地域や社会文化的な文脈において著しく偏っていることが指摘されています。特に、高リソースな欧米中心の視点が優先される一方で、多様な文化圏の価値観システムが十分に反映されていないという課題があります。このようなバイアスは、社会規範や価値観に基づく意思決定が必要なタスクにおいて、系統的な不整合を引き起こす原因となります。これまでにも、特定の文化的な役割を割り当てる手法や、少数の例示を用いたプロンプトエンジニアリング、外部の調査データを検索して回答の根拠とする手法などが提案されてきました。 しかし、これらの既存手法にはいくつかの根本的な限界が存在します。第一に、経験的な価値分布に基づかない暗黙の文化的前提に依存しているため、出力がプロンプトの選択に対して脆弱になりやすい点です。第二に、外部の証拠を利用する場合でも、文化的な価値観を互いに独立した信号として扱っており、トピック間の構造的な関係性や依存関係を捉えきれていない点です。…

核心：何を提案したのか

本論文では、オントロジー駆動型の文化推論フレームワークである「OG-MAR」を提案しています。このフレームワークの核心は、構造化された価値知識、人口統計学的な根拠、そしてマルチエージェントによるシミュレーションを統合した点にあります。具体的には、世界価値観調査（WVS）を経験的な根拠となる検索コーパスとして活用し、多様な地域における価値観の分布を捉えています。まず、調査の生の回答データを、事前に定義された分類体系に沿ったトピック別の価値要約へと変換します。次に、ドメインエキスパートが設計したコンピテンシー質問（CQ）を用いて、地域ごとに層別化されたLLMの推論と人間による検証を組み合わせることで、グローバルな文化オントロジーを構築します。…

続きはログイン/プランで閲覧できます。