Огляд
Генеративні агенти — це персонажі штучного інтелекту, створені за допомогою мовних моделей, які запам’ятовують, планують і реагують як люди, яким можна довіряти. Поміщені разом у змодельований світ, вони утворюють крихітні суспільства, де соціальна поведінка виникає сама по собі.
Generative Agents and Simulated Societies — це технічний будівельний блок, який впливає на якість моделі, вартість інфраструктури, затримку та надійність у масштабі.
Глибоке занурення
У 2023 році в проекті Стенфорда та Google під назвою Smallville дослідники помістили 25 агентів, керованих GPT-3.5, у місто-пісочницю та спостерігали, як вони поводяться як спільнота. Кожен агент мав коротку біографію, прокидався, готував сніданок, йшов на роботу та балакав із сусідами. Що важливо, поведінка не була запланована. Один агент вирішив влаштувати вечірку до Дня святого Валентина, і протягом двох імітованих днів запрошення поширювалося з вуст в уста, агенти узгоджували час, і кілька з’являлися разом. Архітектура поєднує в собі потік пам’яті, пошук, рефлексію та планування, тому агенти діють узгоджено протягом тривалого періоду часу, а не забуватимуть, що сталося кілька хвилин тому.
Технічне розуміння
Основним трюком є потік пам’яті: довгий журнал із мітками часу всього, що спостерігає агент. Щоб діяти, агент отримує відповідні спогади, оцінені за нещодавністю, важливістю та схожістю з поточною ситуацією, а потім передає їх у підказку мовної моделі. Періодичні кроки рефлексії підсумовують необроблені спогади в ідеї вищого рівня (наприклад, висновок про те, що хтось захоплений дослідженнями), які зберігаються назад і спрямовують майбутнє планування та діалог.
Освоєння генеративних агентів і імітованих суспільств
Генеративні агенти — це персонажі штучного інтелекту, створені за допомогою мовних моделей, які запам’ятовують, планують і реагують як люди, яким можна довіряти. Поміщені разом у змодельований світ, вони утворюють крихітні суспільства, де соціальна поведінка виникає сама по собі. Generative Agents and Simulated Societies — це технічний будівельний блок, який впливає на якість моделі, вартість інфраструктури, затримку та надійність у масштабі. Щоб побудувати глибоке розуміння, розглядайте Generative Agents і Simulated Societies як операційну модель, а не як окрему функцію: визначте бажані результати, уточніть припущення та відокремте те, що система може зробити надійно, від того, що все ще вимагає експертної оцінки.
На практиці сильні команди, які використовують Generative Agents і Simulated Societies, оптимізують вибір архітектури, даних та інфраструктури в порівнянні з надійністю та вартістю. Вони документують чіткі критерії успіху, перевіряють реалістичні дані та робочі процеси та виконують ітерацію на основі спостережуваних моделей невдач, а не одноразових перемог у тестах. Саме тут теоретичне розуміння перетворюється на довготривалу здатність щодо продуктів, політики та операцій.
Архітектурні рішення збільшують продуктивність і експлуатаційні витрати протягом багатьох років. У той же час оптимізація одного тесту може приховати ширші слабкі сторони системи. Найбільш стійкий підхід полягає в поєднанні швидкості експериментів із дисципліною управління: запускайте пілотні проекти, збирайте докази, публікуйте журнали рішень і постійно оновлюйте запобіжні заходи в міру розвитку поведінки моделі, очікувань користувачів і нормативних вимог.
Стратегічний вплив
Архітектурні рішення збільшують продуктивність і експлуатаційні витрати протягом багатьох років.
Архітектурні рішення збільшують продуктивність і експлуатаційні витрати протягом багатьох років. У високоякісних розгортаннях це перетворюється на вимірювані правила роботи, межі власності та повторювані ритуали перевірки, щоб команди могли масштабувати впевненість замість масштабування неоднозначності.
Технічна освіта допомагає командам вибрати правильний стек, а не лише найновіший.
Технічна освіта допомагає командам вибрати правильний стек, а не лише найновіший. У високоякісних розгортаннях це перетворюється на вимірювані правила роботи, межі власності та повторювані ритуали перевірки, щоб команди могли масштабувати впевненість замість масштабування неоднозначності.
Кращий інженерний вибір зменшує проблеми з надійністю у виробництві.
Кращий інженерний вибір зменшує проблеми з надійністю у виробництві. У високоякісних розгортаннях це перетворюється на вимірювані правила роботи, межі власності та повторювані ритуали перевірки, щоб команди могли масштабувати впевненість замість масштабування неоднозначності.
Впровадження в реальному світі
Симуляція Смолвіля в Стенфорді, де 25 агентів автономно організували та відвідали вечірку до Дня святого Валентина
Правдоподібні, керовані пам’яттю NPC у відеоіграх, які пам’ятають минулі взаємодії гравців і тримають образу чи дружбу
Синтетичні фокус-групи, які розігрують різноманітних клієнтів, щоб попередньо протестувати маркетингові повідомлення або характеристики продукту
Навчальні симулятори, де місцеві жителі ШІ реагують на рішення стажера під час реагування на стихійні лиха або дипломатичних навчань
Шаблони реалізації
Генеративні агенти та імітовані суспільства на практиці
Симуляція Смолвіля в Стенфорді, де 25 агентів автономно організували та відвідали вечірку до Дня святого Валентина.
Симуляція Смолвіля в Стенфорді, де 25 агентів автономно організували та відвідали вечірку до Дня святого Валентина. Команди зазвичай отримують кращі результати, коли заздалегідь визначають порогові значення якості, зберігають шлях ескалації з боку людини для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Генеративні агенти та імітовані суспільства на практиці
Правдоподібні, керовані пам’яттю NPC у відеоіграх, які пам’ятають минулі взаємодії гравців і тримають образу чи дружбу.
Надійні NPC, керовані пам’яттю у відеоіграх, які пам’ятають минулі взаємодії гравців і зберігають невдоволення чи дружбу. Команди зазвичай отримують кращі результати, коли заздалегідь визначають порогові значення якості, зберігають шлях ескалації людини для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Генеративні агенти та імітовані суспільства на практиці
Синтетичні фокус-групи, які розігрують різноманітних клієнтів, щоб попередньо протестувати маркетингові повідомлення або характеристики продукту.
Синтетичні фокус-групи, які розігрують різноманітних персонажів клієнтів для попереднього тестування маркетингових повідомлень або функцій продукту. Команди зазвичай отримують кращі результати, коли заздалегідь визначають порогові показники якості, зберігають людський шлях ескалації для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Генеративні агенти та імітовані суспільства на практиці
Навчальні симулятори, де місцеві жителі ШІ реагують на рішення стажера під час реагування на стихійні лиха або дипломатичних навчань.
Навчальні симулятори, де мешканці ШІ реагують на рішення стажера під час реагування на катастрофи чи дипломатичних навчань. Команди зазвичай отримують кращі результати, коли заздалегідь визначають порогові значення якості, зберігають шлях ескалації людини для крайніх випадків і відстежують підвищення продуктивності та витрати на помилки з часом.
Ризики та огорожі
Оптимізація одного тесту може приховати ширші слабкі сторони системи.
Витрати на інфраструктуру та обслуговування часто недооцінюються.
Прогалини в безпеці та спостережуваності можуть зростати в міру ускладнення систем.
Дорожня карта впровадження
Визначте цільові показники затримки, якості та вартості перед впровадженням.
Визначте цільові показники затримки, якості та вартості перед впровадженням. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.
Тест за реалістичних умов навантаження та даних.
Тест за реалістичних умов навантаження та даних. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.
Моніторинг інструментів на наявність помилок, дрейфу та впливу користувача.
Моніторинг інструментів на наявність помилок, дрейфу та впливу користувача. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.
Перед масштабуванням підготуйте шляхи відкату та реагування на інциденти.
Перед масштабуванням підготуйте шляхи відкату та реагування на інциденти. Розглядайте кожен крок як джерело доказів: якщо критерії не відповідають, призупиніть розгортання, закрийте прогалину й лише потім розширюйте використання.