エージェントベースモデリング（ABM）は、数百万人の個人とその相互作用をシミュレートできる強力な手法として、政策立案において重要な役割を担ってきました。しかし従来のABMは静的な事前情報に依存しており、リアルタイムの変化に適応することができないという課題を抱えていました。このような情報ギャップに対処するため、新しいアプローチが求められていました。 大規模言語モデル（LLM）は、人間の意思決定予測に新たな可能性をもたらします。この研究では、ABMシミュレーション内の人間の意思決定を予測するためにLLMを活用する、スケーラブルなハイブリッドアプローチを提案しています。具体的には「HALE（Hybrid Agent-based and Language-driven Epidemic）」と呼ばれるモデリングフレームワークを開発しました。 実証研究として、HALEフレームワークはCOVID-19とその影響をユタ州ソルトレイクシティでシミュレートするために使用されました。このアプローチにより、従来の静的なパラメータに頼るのではなく、LLMが動的に人間行動を予測することで、より現実的で適応的なエピデミックモデルの構築が可能になります。ABMとLLMの組み合わせは、公衆衛生危機管理や政策評価において、より精密で応答性の高い予測モデルの開発につながる可能性があります。