人类并不是简单的生物。尽管我们喜欢向外界展示一个完整统一的自我，但在内心深处，我们是分裂的。Marvin Minsky 在 The Society of Mind 中提出，心智是由较小的代理组成的，每个代理都有其专门的角色和驱动力。电影 头脑特工队 同样想象心智由快乐、悲伤、恐惧、厌恶和愤怒的子自我组成。

多代理系统为人工智能提供了一个类似的模型。它们将一组代理结合在一起，以完成任何单个代理无法独立完成的任务。我们相信，这些系统可能代表了通向代理型人工智能的最佳路径，通过其专门化子代理的多样性而不是单一集中模型的规模来变得更智能。

一些多代理架构更具层次性，具有一个主导的协调代理，作为中央大脑来协调专门子代理的行动。Microsoft Research 最近 发表 了一篇论文，概述了这样一个名为 Magnetic-One 的系统。他们的协调代理与 Coder、ComputerTerminal、WebSurfer 和 FileSurfer 一起完成各种计算机任务。 Nunu 开发了一个协调代理，通过与专门的视觉、游戏和动作模型合作来玩电子游戏。

我们已经看到了这些协调器如何被有用地产品化和部署的初步迹象。ChatGPT 的大脑在认为有必要时使用其搜索工具来回答用户的查询。Anthropic 最近 演示 了一个由 Claude 协调的系统，该系统使用视觉模型和计算机控制来进行计算机使用。尽管这些中央大脑只是与简单工具合作，但 ChatGPT 和 Claude 架构最终可能会整合像 Magnetic-One 使用的自主子代理，以扩展其能力。

在其他情况下，多代理系统的输出可能是许多子代理之间协调行动的结果，而不是与一个中央规划者协调。 Generative Agents 论文详细介绍了一组自主的类似 Sims 的代理如何以完全去中心化的方式组织了一场情人节派对。他们想象将这项技术应用于模拟人类行为、构建沉浸式世界以及模拟用户以优化其产品体验。

多代理系统的一个优势是其组件代理可以使用专注且易于指定的目标函数。为子系统设定一个明确的优化目标，使其更容易利用深度学习技术，如强化学习（RL），在该功能上变得出色。虽然大型语言模型（LLM）通过变得普遍智能并看到一些国际象棋游戏的标记来隐式学习下棋，但一个国际象棋子代理可以更有效地通过 RL 直接学习游戏。而且，虽然可以微调一个大型模型来学习新的专业技能，如国际象棋，但将这种知识传播到一个庞大的模型中可能会很昂贵，并可能对其在其他领域的行为产生意想不到的副作用。

多代理系统的另一个优势是它们可以使可解释性更容易。通过用自然语言的代理之间的交流替代不透明神经网络的激活，多代理系统使观察者更容易理解它们的行为原因。此外，如果代理在内部以自然语言协调，用户可能会根据需要直接干预和调试它们。

哪种多代理系统最适合哪种任务仍然是一个开放的问题。但是，如果多代理系统在某些方面优于单一大型模型，那将是因为专业化的收益超过了通用性和跨学习的优势。这种动态将中和前沿实验室在训练非常大模型方面的优势。如果进一步的进展开始来自于代理可以访问的专门模型的广度，那么将有机会为一个新兴公司建立一个更开放的生态系统，开发者在其中竞争以分享最有用的小模型以实现各种功能。如果你正在朝着这个未来努力，我们很想见到你。