Als nächstesNächster Leitfaden
Selbstreflexion in Agentenschleifen
Technisch
Technischer Leitfaden
Generative Agenten und simulierte Gesellschaften
Generative Agenten sind KI-Charaktere, die auf Sprachmodellen basieren und sich wie glaubwürdige Menschen erinnern, planen und reagieren.
Auf dieser Seite2 Minuten gelesen
Übersicht
Placed together in a simulated world, they form tiny societies where social behavior emerges on its own.
Tiefer Einblick
In einem Stanford- und Google-Projekt namens Smallville aus dem Jahr 2023 platzierten Forscher 25 von GPT-3.5 gesteuerte Agenten in einer Sandkastenstadt und beobachteten, wie sie sich wie eine Gemeinschaft verhielten. Jeder Agent hatte eine kurze Biografie und wachte auf, kochte das Frühstück, ging zur Arbeit und unterhielt sich mit den Nachbarn. Entscheidend ist, dass das Verhalten nicht vorgegeben war. Ein Agent beschloss, eine Valentinstagsparty zu veranstalten, und an zwei simulierten Tagen verbreitete sich die Einladung mündlich, die Agenten stimmten die Zeiten ab und mehrere erschienen gemeinsam. Die Architektur kombiniert einen Erinnerungsstrom, Abruf, Reflexion und Planung, sodass Agenten über lange Zeiträume hinweg konsistent handeln, anstatt zu vergessen, was vor Minuten passiert ist.
Strategische Auswirkungen
Kosten und Budget
Architekturentscheidungen beeinflussen über Jahre hinweg die Leistung und die Betriebskosten.
Klarere Entscheidungen
Technische Schulungen helfen Teams dabei, den richtigen Stack auszuwählen, nicht nur den neuesten.
Qualitätskontrolle
Bessere technische Entscheidungen reduzieren Zuverlässigkeitsvorfälle in der Produktion.
Die Zukunft generativer Agenten und simulierter Gesellschaften
Erwarten Sie generative Agenten, die reichere Nicht-Spieler-Charaktere in Spielen antreiben, Trainingssimulationen für Verhandlungen oder Krisenreaktionen und synthetische Testpopulationen, um zu untersuchen, wie sich Gerüchte, Preise oder Richtlinien verbreiten, bevor sie in der realen Welt eingeführt werden. Da Modelle immer billiger werden und Kontextfenster größer werden, werden Simulationen von Dutzenden auf Tausende von Agenten skaliert. Forscher untersuchen sie auch als sozialwissenschaftliche Laboratorien und werfen gleichzeitig offene Fragen zu Voreingenommenheit, Manipulation und der Frage auf, wie genau diese Spielzeuggesellschaften den Menschen widerspiegeln.
Reale Umsetzung
Stanfords Smallville-Simulation, bei der 25 Agenten selbstständig eine Valentinstagsparty organisierten und daran teilnahmen
Glaubwürdige, gedächtnisgesteuerte NPCs in Videospielen, die sich an vergangene Spielerinteraktionen erinnern und Groll oder Freundschaften hegen
Synthetische Fokusgruppen, die verschiedene Kundenpersönlichkeiten im Rollenspiel spielen, um Marketingbotschaften oder Produktfunktionen vorab zu testen
Trainingssimulatoren, bei denen KI-Stadtbewohner auf die Entscheidungen eines Auszubildenden bei Katastrophenhilfe- oder Diplomatieübungen reagieren
Risiken und Leitplanken
Die Optimierung eines Benchmarks kann umfassendere Systemschwächen verbergen.
Infrastruktur- und Wartungskosten werden oft unterschätzt.
Sicherheits- und Beobachtbarkeitslücken können größer werden, wenn die Systeme komplexer werden.
Implementierungs-Roadmap
Definieren Sie vor der Implementierung Latenz-, Qualitäts- und Kostenziele.
Benchmark unter realistischen Last- und Datenbedingungen.
Instrumentenüberwachung auf Fehler, Drift und Benutzereinflüsse.
Bereiten Sie vor der Skalierung Rollback- und Incident-Response-Pfade vor.
Entdecken Sie weiter
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Generative Agents and Simulated Societies quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Häufig gestellte Fragen
What is Generative Agents and Simulated Societies?
Generative Agenten sind KI-Charaktere, die auf Sprachmodellen basieren und sich wie glaubwürdige Menschen erinnern, planen und reagieren. Zusammen in einer simulierten Welt bilden sie winzige Gesellschaften, in denen sich soziales Verhalten von selbst entwickelt.
Welches berühmte Verhalten trat in Stanfords Smallville-Simulation von selbst auf?
Ein Agent beschloss, eine Valentinstagsparty zu veranstalten, und die Einladung verbreitete sich in den sozialen Medien, bis sich mehrere Agenten absprachen und auftauchten, von denen keines im Drehbuch stand.
Was ist der „Speicherstrom“ in einem generativen Agenten?
Der Speicherstrom ist eine lange, zeitgestempelte Aufzeichnung der Beobachtungen des Agenten, auf die das System zurückgreift, um Aktionen und Gespräche zu informieren.
Wie werden relevante Erinnerungen ausgewählt, wenn ein Agent entscheidet, wie er handeln soll?
Retrieval ordnet Erinnerungen nach Aktualität, Wichtigkeit und Ähnlichkeit mit der aktuellen Situation und gibt die obersten Erinnerungen dann in die Eingabeaufforderung ein.
Was bewirkt der „Reflexionsschritt“ in der Agentenarchitektur?
Die Reflexion fasst regelmäßig viele Beobachtungen auf niedriger Ebene zu abstrakten Schlussfolgerungen (wie Persönlichkeitsmerkmalen oder Zielen) zusammen, die das spätere Verhalten leiten.
Warum ist Planung für glaubwürdige Agenten wichtig?
Planung, kombiniert mit Gedächtnis und Reflexion, sorgt dafür, dass die Aktionen eines Agenten über einen gesamten simulierten Tag hinweg kohärent bleiben, anstatt sich von Moment zu Moment zu widersprechen.
Lerne weiter
Verwandte Leitfäden
Weitere Leitfäden zu diesem Thema ausgewählt