单个智能体可以看作一个执行单元:接收任务,拆解,调用工具,交付结果。当几十个这样的单元同时工作时,会出现一个老问题:这算不算一个更大的智能,甚至一种集体意识。
群体智能和集体意识差在哪?
群体智能是可观测的。蚁群找食物、鸟群避障、多个智能体分工完成一个大项目,这些都能用效率、覆盖率、完成率来衡量。集体意识则是另一回事,它要求群体本身有一个统一的视角,能把自己当作一个整体来感知和判断。
前者是协调效果,后者是主体性。把两者混在一起,就会看到几个智能体配合得不错,就宣布它们有了群体意识。
多智能体协同为什么容易出问题?
第一个问题是信息衰减。任务在智能体之间传递,每次转手都会丢细节、加解释、改口径。传五层之后,原始需求可能已经变形。
第二个问题是责任扩散。一件事做错了,是哪个环节错的?如果每个智能体都只对局部负责,整体就没人负责。
第三个问题是成本非线性。两个智能体协作,通信开销可能比单干还高;五个以上如果没有好的协调结构,开销会吞掉收益。
第四个问题是目标漂移。每个智能体有自己的局部目标,局部最优叠加起来,可能离全局最优很远。
共享协调器为什么常常更有效?
近期有研究给出的结论是,让每个用户配一个独立智能体团队,效果不如所有请求共用一个协调器,差距在评测上可以到四十五分。这个结论值得认真对待。
原因不难理解。共享协调器掌握全局上下文,能统一口径、统一优先级、统一资源分配。分布式团队各自为战,看似并行,实际上在重复劳动和互相等待。
这也解释了为什么很多多智能体系统在演示里很强,落到真实业务就退化。演示任务短、反馈快、没有资源竞争,真实业务长、反馈慢、处处竞争。
群体能否形成统一视角?
技术上可以做一个聚合层:把各智能体的状态汇总,形成一个全局视图,再据此下判断。这个聚合层在功能上像集体意识,但它仍然是设计出来的,不是涌现出来的。
要判断它是不是真的统一,看两条。第一,它能不能在没有外部指令时,自己发现自己内部矛盾。第二,它能不能为整体行为承担一致的责任。两条都难。
短期内更现实的目标是做好协调,而不是追求集体意识。协调做扎实,群体就已经很强;急着谈意识,往往掩盖了协调上的漏洞。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论