Il prossimoProssima guida
Autoriflessione nei cicli degli agenti
Tecnico
GUIDA TECNICA
Gli agenti generativi sono personaggi IA alimentati da modelli linguistici che ricordano, pianificano e reagiscono come persone credibili.
Ascolta questa guidaNarrato dall'IA · ~2 min
Messi insieme in un mondo simulato, formano minuscole società in cui il comportamento sociale emerge da solo.
In un progetto Stanford e Google del 2023 chiamato Smallville, i ricercatori hanno collocato 25 agenti guidati da GPT-3.5 in una città sandbox e li hanno osservati comportarsi come una comunità. Ogni agente aveva una breve biografia e si svegliava, preparava la colazione, andava al lavoro e chiacchierava con i vicini. Fondamentalmente, il comportamento non era scritto. Un agente ha deciso di organizzare una festa di San Valentino e nell'arco di due giorni simulati l'invito si è diffuso con il passaparola, gli agenti hanno coordinato i tempi e diversi si sono presentati insieme. L'architettura combina flusso di memoria, recupero, riflessione e pianificazione, in modo che gli agenti agiscano in modo coerente per lunghi periodi di tempo anziché dimenticare ciò che è accaduto pochi minuti fa.
Simulazione Smallville di Stanford in cui 25 agenti hanno organizzato e partecipato autonomamente a una festa di San Valentino
NPC credibili e basati sulla memoria nei videogiochi che ricordano le interazioni passate dei giocatori e nutrono rancori o amicizie
Focus group sintetici che interpretano i diversi personaggi dei clienti per testare preventivamente i messaggi di marketing o le caratteristiche del prodotto
Simulatori di addestramento in cui i cittadini dell'IA reagiscono alle decisioni di un tirocinante durante esercizi di risposta ai disastri o diplomazia
Aspettatevi che gli agenti generativi diano potere ai personaggi non giocanti più ricchi nei giochi, simulazioni di addestramento per la negoziazione o la risposta alle crisi e popolazioni di test sintetici per studiare come si diffondono voci, prezzi o politiche prima del lancio nel mondo reale. Man mano che i modelli diventano più economici e le finestre di contesto si espandono, le simulazioni scaleranno da decine a migliaia di agenti. I ricercatori li stanno anche analizzando come laboratori di scienze sociali, sollevando interrogativi aperti sui pregiudizi, sulla manipolazione e su quanto fedelmente queste società giocattolo rispecchino gli esseri umani.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Gli agenti generativi sono personaggi IA alimentati da modelli linguistici che ricordano, pianificano e reagiscono come persone credibili. Messi insieme in un mondo simulato, formano minuscole società in cui il comportamento sociale emerge da solo.
Un agente ha deciso di organizzare una festa di San Valentino e l'invito si è propagato sui social fino a quando diversi agenti si sono coordinati e si sono presentati, nessuno dei quali era previsto da un copione.
Il flusso di memoria è una lunga registrazione con timestamp delle osservazioni dell'agente, a cui il sistema attinge per informare azioni e conversazioni.
Il recupero classifica i ricordi in base all'attualità, all'importanza e alla somiglianza con la situazione attuale, quindi inserisce quelli più importanti nel prompt.
La riflessione sintetizza periodicamente molte osservazioni di basso livello in conclusioni astratte (come tratti della personalità o obiettivi) che guidano il comportamento successivo.
La pianificazione, combinata con la memoria e la riflessione, mantiene le azioni di un agente coerenti durante l'intera giornata simulata anziché contraddirsi momento per momento.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Autoriflessione nei cicli degli agenti
Tecnico