規範的共通基盤の再現 (NormCoRe): 複数エージェントAIにおける規範を研究するための翻訳による再現

2010年代後半、ファッションの潮流 NormCore は同質性を帰属の信号として位置づけ、規範が集合的協調を通じてどのように生まれるかを示した。現在、MAAI（マルチエージェント人工知能）を基盤とするシステムでも、AIベースのエージェントが協議・交渉し、公正性を重視する領域で共有意思決定に収束する形の規範的協調が見られる。とはいえ、既存の経験的アプローチの多くは、規範を整合化や再現の対象として扱い、人間の被験者とAIエージェントの同等性を暗黙の前提とし、集団的な規範ダイナミクスを十分に検討していない。このギャップを埋めるため、Normative Common Ground Replication（NormCoRe）を提案する。これは、人間被験者実験の設計をMAAI環境へ体系的に翻訳する新しい方法論的枠組みである。 行動科学、再現性研究、最先端のMAAIアーキテクチャを踏まえ、NormCoRe は人間被験者研究の構造的層をAIエージェント研究の設計へマッピングし、MAAIにおける研究設計の体系的な文書化と規範の分析を可能にする。我々は、無知のベールの下で公正性の原理を参加者が交渉する「分配的正義」に関する画期的な実験研究を再現することで NormCoRe の有用性を実証する。AIエージェント研究における規範判断は人間の基準と異なる可能性があり、基盤モデルの選択とエージェントペルソナを具体化する際に用いる言語に敏感であることを示す。我々の研究は MAAI における規範を分析するための原理的な道筋を提供し、AIエージェントが人間が従来行ってきたタスクを自動化または支援する場合における設計選択を導き、熟考し、文書化するのを支援する。