Сравнительный анализ поведения агентов на основе искусственного интеллекта и реальных индивидов в процессе принятия экономических решений

В последние годы активно исследуется возможность моделирования человеческого поведения с помощью искусственного интеллекта (ИИ), особенно с использованием больших языковых моделей (БЯМ) (Park et al., 2023). Некоторые работы анализировали различия в принятии решений БЯМ и участников экономических экспериментов. Например, в статье Horton (2023) автор воспроизводит несколько классических экспериментов с участием БЯМ и предлагает рассматривать их в качестве моделей для типичных экономических агентов. Однако, несмотря на эти исследования, остается неясным, насколько поведение ИИ действительно сопоставимо с поведением реальных людей.

В данном проекте исследуется способность различных языковых моделей воспроизводить поведение реальных экономических агентов в контексте классических поведенческих экспериментов из теории игр. Примеры таких экспериментов включают исследование предвзятости на потерю, доверия (Trust Game), а также социального сотрудничества (Public Goods Game). Эти эксперименты показывают, как люди отклоняются от классической рациональности, находясь под влиянием потерь, группового давления или ограниченного доверия. Эксперименты, связанные с предвзятостью подтверждения (confirmation bias) и конформизмом, демонстрируют, как убеждения и социальное влияние могут искажать суждения и решения. 

Этот проект также имеет прикладное значение, так как позволит глубже понять, в какой мере современные модели ИИ могут имитировать когнитивные и поведенческие особенности людей в сложных экономических ситуациях. Понимание различий и сходств между поведением реальных людей и ИИ-агентов может иметь далеко идущие последствия для разработки экономических моделей и прогнозирования решений в условиях неопределенности. Кроме того, если поведение ИИ окажется достаточно близким к поведению людей, это откроет новые возможности для использования ИИ в экономических экспериментах, сокращая затраты на проведение эмпирических исследований и ускоряя процесс анализа. В долгосрочной перспективе результаты данного проекта могут повлиять на применение ИИ в формировании экономической политики, оптимизации управления и моделировании взаимодействия людей и ИИ в различных сферах экономики.

Основная цель исследования — выявить, насколько агенты на базе ИИ могут имитировать и предсказывать поведение людей в условиях неопределенности, риска и ограниченной информации.

В качестве задач исследования можно выделить следующие:
В рамках данного проекта планируется сфокусироваться на сравнении результатов использования БЯМ с результатами классических игр в области социального взаимодействия и результатами экспериментов, выявляющих специфику поведения экономических агентов и имеющих под собой широкую эмпирическую базу в различных контекстах. Это позволит сформировать подробное описание контекста и характеристик агентов в запросе БЯМ и сопоставить результаты с результатами реальных экспериментов. Сопоставление
результатов БЯМ с результатами экспериментов, выявляющих специфику поведения экономических агентов, продемонстрирует потенциал применения БЯМ для изучения влияния психологических и социальных факторов на принятие решений. Таким образом, первой ключевой задачей проекта является моделирование взаимодействия между экономическими агентами и стратегии принятия решений с помощью БЯМ.

Вторая задача фокусируется на тестировании способности современных БЯМ предлагать более эффективные решения по сравнению с индивидами и группами индивидов. Для этого будет проведен ряд сравнительных анализов, где результаты БЯМ будут сопоставлены с решениями, принятыми реальными экономическими агентами в аналогичных ситуациях. Это позволит объективно оценить качество предложенных БЯМ решений.

Третья задача заключается в анализе восприятия БЯМ и предлагаемых ими решениями экономическими индивидами. Важным аспектом этого анализа станет исследование того, насколько пользователи доверяют результатам, получаемым от БЯМ, и как характеристики получаемого ответа влияют на его восприятие. Данное направление предполагает проведение опросов, чтобы понять отношение к текстам, генерируемым БЯМ, и выявить возможные предвзятости. Масштабность предлагаемых задач обуславливается быстрым развитием новых, более совершенных и специализированных БЯМ, а также широтой их потенциального применения. Проект охватывает широкий спектр задач, от теоретического моделирования до практического анализа восприятия технологий ИИ, что подчеркивает его комплексность и актуальность в условиях стремительного развития искусственного
интеллекта и его внедрения в прикладные решения.

В данном проекте предполагается получение результатов, соответствующих мировому уровню, за счет интеграции современных и активно развивающихся технологий искусственного интеллекта (ИИ) в решение классических экономических задач.

Результаты, определяющие теоретический вклад исследования:

• Обоснование возможности применения базовых языковых моделей (БЯМ) для моделирования поведения экономических агентов.
• Систематизация ключевых характеристик индивидов, необходимых для создания ИИ-агентов.

Результаты, вносящие вклад в развитие методологии:

• Разработка фреймворка для генерации синтетических выборок, использующих возможности БЯМ для моделирования поведения, сопоставимого с поведением реальных экономических агентов
• Разработка экспериментального дизайна с участием реальных участников и выбор моделей взаимодействия.

Эмпирические результаты:

• Сравнение поведения агентов на основе БЯМ и реальных экономических агентов
• Сравнение степени соответствия ИИ агентов на основе различных БЯМ поведению реальных экономических агентов
• Оценка эффективности решений, предлагаемых БЯМ, по сравнению с решениями реальных агентов и типичными бенчмарками
• Оценка восприятия решений, предлагаемых БЯМ, экономическими агентами.

На основе полученных результатов предполагается разработка рекомендаций по использованию БЯМ для задач экономического прогнозирования, управления рисками и принятия решений, что позволит повысить эффективность деятельности компаний, организаций и государственных органов. Обоснованное использование БЯМ для выявления предпочтений и предсказания поведения индивидов позволит ускорить процесс аналитики и снизить связанные с ним издержки. Кроме того, исследование также позволит выявить перспективы развития БЯМ для совершенствования их применения для создания агентов на основе ИИ.

• 2 декабря 2025 состоялся рабочий семинар исследовательской группы, на котором Дарья Семенова представила обзор современных исследований об использовании искусственного интеллекта в решении задачи о невесте (подробнее тут).

• 30-31 октября 2025 в рамках XII Международной конференции по прикладной экономике iCare участники проекта представили исследование на постер сессии (подробнее тут):

  • Паклина С.Н., Паршаков П.А., Шенкман E.A., Маткин Н.A. «Языковые модели и люди: гендерные различия в поведении в игре "Диктатор"» "LLMs vs. Humans: Gender Differences in the Dictator Game"

• 28 октября 2025 состоялся рабочий семинар исследовательской группы, в рамках которого Васильев Г.А. представил доклад по препринту Barak, D., Costa-Gomes, M. (2025) «Ожидания людей относительно рациональности и кооперации со стороны языковых моделей в стратегических играх» ("Humans Expect Rationality and Cooperation from LLM Opponents in Strategic Games"), подробнее тут 
• 22 октября 2025 на на VII Октябрьской международной научной конференции по проблемам теоретической экономики Маткин Н.А. представил исследование по теме «Сравнительный анализ поведения агентов на основе искусственного интеллекта и реальных индивидов в процессе принятия экономических решений» в соавторстве с Паршаковым П.А. и Шенкман Е.А. (подробнее тут)
• 27 сентября 2025 на V Международной Тихоокеанской школе-конференции по экспериментальной экономике Шенкман Е.А. представила исследование по теме «Анализ поведения агентов на основе LLM в игре диктатора» (соавторы Паршаков П.А., Маткин Н.А.), подробнее тут
• 12 августа 2025 состоялся очередной рабочий семинар исследовательской группы, на котором Семенова Д.В. представила доклад, посвящённый работе The Art of Knowing When to Stop: Analysis of Optimal Stopping in People and Machines (Искусство выбора момента остановки: анализ оптимальных стратегий остановки у людей и машин) (Zhang & Zhao, 2024), подробнее тут
• 11 июля 2025 состоялся семинар лаборатории, в рамках которого Маткин Н.А. представил доклад по теме «Анализ поведения агентов искусственного интеллекта на основе LLM в игре на доверие» ("Behavior Analysis of LLM-Based AI Agents in a Trust Game"), подробнее тут
• 8 июля 2025 состоялся семинар исследовательской группы, в рамках которого были обсуждены следующие исследования по теме гранта, подробнее тут:
  • Маткин Н.А. обсудил статью "Do Large Language Models Show Decision Heuristics Similar to Humans?" (Показывают ли большие языковые модели эвристики принятия решений, схожие с человеческими?) (Suri et al., 2024)
  • Усанин М.А.  выступил с разбором статьи, недавно опубликованной в журнале Nature Human Behaviour – «Playing Repeated Games with Large Language Models» (Повторяющиеся игры с большими языковыми моделями) (Akata et al., 2025)
• 24 июня 2025 состоялся первый рабочий семинар исследовательской группы, в рамках которого команда группы проанализировала текущие мировые исследования по теме гранта, подробнее тут:
  • Дагаев Д.А. обсудил препринт "Large Language Models as Simulated Economic Agents: What Can We Learn from Homo Silicus?" (Большие языковые модели как смоделированные экономические агенты: что мы можем узнать от Homo Silicus?) (Horton, 2023)
  • Шенкман Е.А. выступила с разбором статьи "Can Machines Think Like Humans? A Behavioral Evaluation of LLM-Agents in Dictator Games" (Могут ли машины думать как люди? Поведенческая оценка агентов на основе LLM в игре «Диктатор») (Ma, 2024)
  • Паршаков П.А. представил обзор текста "Can Large Language Model Agents Simulate Human Trust Behavior?" (Могут ли агенты на основе больших языковых моделей имитировать человеческое поведение, основанное на доверии?) (Xie et al., 2025)

• Осень 2025 - Февраль 2026 - команда проекта провела турнир "Предвыборная гонка", в рамках которой стратегии людей сравнивались со стратегими языковых моделей. Подробнее в  на сайте проекта, сайте ВШЭ, а также в "Ведомостях".
• 10 февраля 2026 года на рабочем семинаре проекта Кирпищиков Д.А. выступил с разбором статьи, подробнее тут: "Behavioral Economics of AI: LLM Biases and Corrections" (Поведенческая экономика ИИ: анализ предвзятостей БЯМ и методы их устранения) (Bini, Cong, Huan & Jin, 2026).
• 6 марта 2026 года на совместном семинаре проекта и МЛЭНА Дагаев Д.А. представил свое исследование "Еще не время: люди всё еще сильнее больших языков моделей в турнире полковника Блотто" ("Not Yet: Humans Outperform LLMs in a Colonel Blotto Tournament"). Подробнее тут. 
• 24 марта 2026 года на рабочем семинаре Шенкман Е.А представила исследование «Эффект теплого свечения в благотворительности:  поведения больших языковых моделей и людей», выполненное в соавторстве с М.Усаниным, О. Окуловой. Подробнее тут.
• 18 апреля 2026 года на X Международной научной конференции «Весенние дни науки» Михаил Усанин представил результаты исследования «Эффект теплого свечения в благотворительности:  поведения больших языковых моделей и людей»,  выполненного в соавторстве с Е. Шенкман и О. Окуловой. Подробнее тут.
• 21 апреля 2026 года на рабочем семинаре Маткин Н.А. выступил с разбором статьи «Computational Basis of Large Language Models’ Decision Making in Social Simulation» («Вычислительные основы принятия решений большими языковыми моделями в социальных симуляциях»). Подробнее тут.
• 12 мая 2026 года на рабочем семинаре Иванов Е.А. выступил с разбором статьи Педро Гонсалеса-Фернандеса, Ситинг Эсти Лу и Хелены Норманн «Large Language Models Can Predict Human Strategic Decisions» («Большие языковые модели могут предсказывать стратегические решения людей»). Подробнее тут.

• 9 июня 2026 года на рабочеми семинаре Паршаков П.А. выступил с обзором статьи Орхана Эрдемa и Рагави Поббатхи Ашок (2026) «Большие языковые модели не WEIRD: сравнение финансовых решений искусственного интеллекта и людей» (“LLMs are not weird: Comparing AI and human financial decision-making”). Подробнее тут.

• 18-19 июня 2026 года на первой Московской конференции по количественному маркетингу (MQMC) Паршаков П.А. представил исследование "Not Yet: Humans Outperform LLMs in a Colonel Blotto Tournament" («Пока нет: люди превосходят большие языковые модели в турнире по игре "Полковник Блотто"») в соавторстве с Дмитрием Дагаевым, Егором Ивановым, Алексеем Савватеевым и Глебом Васильевым. Подробнее тут. 

• 30 июня 2026 года на Молодежном дне научной конференции «Теория игр и менеджмент» Алексей Савватеев представил результаты исследования "Not Yet: Humans Outperform LLMs in a Colonel Blotto Tournament"  («Пока нет! Люди обыграли LLM в турнире по игре полковника Блотто»). Работа выполнена в соавторстве с Дмитрием Дагаевым, Егором Ивановым и Глебом Васильевым. Подробнее тут.

• 30 июня 2026 года на 18-м семинаре по экономическим исследованиям «Искусственный интеллект и экономика», прошедшем в Северо-Западном главном управлении Банка России в Санкт-Петербурге Паршаков П.А. представил доклад «Репликация экспериментального поведения в игре доверия с использованием LLM». Исследование выполнено в соавторстве с Юлией Найденовой и Никитой Маткиным. Подробнее тут.

• 2 июля 2026 года на семинаре по гранту Иванов Е.А и Завертяева М.А. представили результаты своего исследования «Beyond Demographic Labels: Facial Cues and LLM Bias in Trust-Game Decisions» («За пределами демографических категорий: черты лица и предвзятость больших языковых моделей в игре на доверие»). Подробнее тут. 

• 4 июля 2026 года на 56-ой конференции Евразийского сообщества бизнеса и экономики (56th EBES Conference) Евгения Шенкман представила исследование «Среднесрочное прогнозирование потребления электроэнергии с использованием больших языковых моделей» (Medium-Term Electricity Load Forecasting Using Large Language Models), выполненное в соавторстве с Анастасией Киреечевой. Подробнее тут.

• 7 июля 2026 года вышел пресс-релиз на сайте РНФ по материалам исследования "Сравнительный анализ поведения больших языковых моделей и людей в игре «Диктатор» ", выполненного Паршаковым П.А., Шенкман Е.А., Маткиным Н.А., публикованного в Журнале Новой экономической ассоциации в 2026. Также материал был опубликован в Российской газете, сетевом издании "Новости мира инноваций", сетевом издании "Indicator".

• 11 августа 2026 года на радио "Серебряный дождь в Перми" Шенкман Е.А. и Паршаков П.А. рассказали, насколько языковые модели способны воспроизводить поведение реальных людей и действительно ли они оказываются «альтруистичнее» людей при принятии финансовых решений. Подробнее тут.

• 20 октрября 2026 года на рабочем семинаре Алексей Смирнов представил разбор статьи Matteo Tranchero, Cecil-Francis Brenninkmeijer, Arul Murugan и Abhishek Nagaraj «Simulating Strategic Interactions with AI Agents» («Моделирование стратегических взаимодействий с ИИ-агентами»). Подробнее тут. 

• 26-30 октября 2026 года в Москве прошёл VI Российский экономический конгресс, на котором Евгения Шенкман выступила с докладом «Эффект теплого свечения в благотворительности: поведение больших языковых моделей и людей», выполненным совместно с Михаилом Усаниным и Ольгой Окуловой. Подробнее тут.