Agen Generatif dan Masyarakat Simulasi
Agen generatif adalah karakter AI yang didukung oleh model bahasa yang mengingat, merencanakan, dan bereaksi seperti orang yang dapat dipercaya.
Ikhtisar
Placed together in a simulated world, they form tiny societies where social behavior emerges on its own.
Menyelam Lebih Dalam
Dalam proyek Stanford dan Google tahun 2023 yang disebut Smallville, para peneliti menempatkan 25 agen yang digerakkan oleh GPT-3.5 ke kota kotak pasir dan mengamati mereka berperilaku seperti sebuah komunitas. Setiap agen memiliki biografi singkat dan bangun, memasak sarapan, berangkat kerja, dan mengobrol dengan tetangga. Yang terpenting, perilaku tidak direncanakan. Salah satu agen memutuskan untuk mengadakan pesta Hari Valentine, dan selama dua hari simulasi undangan tersebut menyebar dari mulut ke mulut, agen mengoordinasikan waktu, dan beberapa agen muncul bersama. Arsitekturnya menggabungkan aliran memori, pengambilan, refleksi, dan perencanaan, sehingga agen bertindak secara konsisten dalam jangka waktu yang lama daripada melupakan apa yang terjadi beberapa menit yang lalu.
Wawasan Teknis
Trik intinya adalah aliran memori: log panjang yang diberi stempel waktu dari segala sesuatu yang diamati oleh agen. Untuk bertindak, agen mengambil ingatan relevan yang dinilai berdasarkan keterkinian, kepentingan, dan kesamaan dengan situasi saat ini, lalu memasukkannya ke dalam perintah model bahasa. Langkah-langkah refleksi berkala merangkum ingatan mentah menjadi wawasan tingkat tinggi (misalnya, menyimpulkan bahwa seseorang memiliki minat terhadap penelitian), yang disimpan kembali dan memandu perencanaan dan dialog di masa depan.
Dampak Strategis
Cost and budget
Keputusan arsitektur mendorong kinerja dan biaya pengoperasian selama bertahun-tahun.
Clearer decisions
Pendidikan teknis membantu tim memilih tumpukan yang tepat, bukan hanya yang terbaru.
Quality control
Pilihan teknik yang lebih baik mengurangi insiden keandalan dalam produksi.
Masa Depan Agen Generatif dan Masyarakat Simulasi
Harapkan agen generatif untuk memberdayakan karakter non-pemain yang lebih kaya dalam game, simulasi pelatihan untuk negosiasi atau respons krisis, dan pengujian populasi sintetis untuk mempelajari bagaimana rumor, harga, atau kebijakan menyebar sebelum peluncuran di dunia nyata. Ketika model menjadi lebih murah dan jendela konteks meluas, simulasi akan berskala dari puluhan hingga ribuan agen. Para peneliti juga menyelidiki mereka sebagai laboratorium ilmu sosial, sambil mengajukan pertanyaan terbuka tentang bias, manipulasi, dan seberapa setia komunitas mainan ini mencerminkan manusia.
Implementasi Dunia Nyata
Simulasi Smallville Stanford di mana 25 agen secara mandiri mengatur dan menghadiri pesta Hari Valentine
NPC yang dapat dipercaya dan digerakkan oleh memori dalam video game yang mengingat interaksi pemain di masa lalu dan menyimpan dendam atau persahabatan
Kelompok fokus sintetik yang memainkan peran beragam persona pelanggan untuk menguji pesan pemasaran atau fitur produk terlebih dahulu
Simulator pelatihan tempat masyarakat AI bereaksi terhadap keputusan peserta pelatihan selama latihan tanggap bencana atau diplomasi
Risiko & Pagar Pembatas
Mengoptimalkan satu tolok ukur dapat menyembunyikan kelemahan sistem yang lebih luas.
Biaya infrastruktur dan pemeliharaan sering kali diremehkan.
Kesenjangan keamanan dan kemampuan observasi dapat tumbuh seiring dengan semakin kompleksnya sistem.
Peta Jalan Implementasi
Tentukan target latensi, kualitas, dan biaya sebelum penerapan.
Tolok ukur dalam kondisi beban dan data yang realistis.
Pemantauan instrumen untuk kesalahan, penyimpangan, dan dampak pengguna.
Siapkan jalur rollback dan respons insiden sebelum melakukan penskalaan.
Terus Menjelajah
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
Next guide
Refleksi Diri di Agent Loops
Pertanyaan yang sering diajukan
What is Generative Agents and Simulated Societies?
Agen generatif adalah karakter AI yang didukung oleh model bahasa yang mengingat, merencanakan, dan bereaksi seperti orang yang dapat dipercaya. Ditempatkan bersama dalam dunia simulasi, mereka membentuk masyarakat kecil dimana perilaku sosial muncul dengan sendirinya.
Perilaku terkenal apa yang muncul dengan sendirinya dalam simulasi Smallville Stanford?
Salah satu agen memutuskan untuk mengadakan pesta Hari Valentine, dan undangan tersebut disebarkan secara sosial hingga beberapa agen berkoordinasi dan muncul, tidak ada satupun yang sesuai dengan naskah.
Apa yang dimaksud dengan 'aliran memori' dalam agen generatif?
Aliran memori adalah catatan pengamatan agen yang panjang dan diberi stempel waktu, yang digunakan sistem untuk menginformasikan tindakan dan percakapan.
Ketika seorang agen memutuskan bagaimana bertindak, bagaimana ingatan yang relevan dipilih?
Pengambilan mengurutkan ingatan menggunakan keterkinian, kepentingan, dan kesamaan dengan situasi saat ini, lalu memasukkan kenangan teratas ke dalam prompt.
Apa yang dilakukan langkah 'refleksi' dalam arsitektur agen?
Refleksi secara periodik menyintesis banyak observasi tingkat rendah menjadi kesimpulan abstrak (seperti ciri-ciri kepribadian atau tujuan) yang memandu perilaku selanjutnya.
Mengapa perencanaan penting bagi agen yang dapat dipercaya?
Perencanaan, dipadukan dengan memori dan refleksi, menjaga tindakan agen tetap koheren sepanjang hari simulasi, bukan bertentangan dari waktu ke waktu.