Multi-Agent System
多个AI智能体各自承担不同角色、互相交换信息,共同完成一项复杂任务的结构。
简单来说
多智能体系统不是让一个AI包揽所有工作,而是让多个AI各自只负责自己分配到的角色,再互相传递结果,共同完成任务。
可以想象一个医院的诊疗团队。有人负责查看检查结果,有人负责质疑这些结果是否成立,有人负责考虑是否还有其他可能性,还有一个负责统筹、安排顺序的组长。如果一个人既做检查又做验证,就有可能不自觉地偏向自己已经得出的结论。但如果把角色分开,让大家互相制约、互相检验,就更容易得出可靠的结论。
AI也是同样的道理。把按计划拆分并下达指令的角色、提出新想法的角色、批判性质疑这些想法的角色、用统计方法进行验证的角色分别交给不同的AI智能体来承担,比起一个AI从头到尾独自判断,更容易筛掉错误或偶然的误判。
在报道中是这样出现的
文章中提到,Google Research打造的生物标志物发现框架被称为多智能体系统。它由一个负责将指令拆分为执行计划的统筹角色,以及四个负责提出假设、质疑假设、验证假设的子角色共同协作构成。与常见的误解不同,这并不是随意混用多个AI模型,而是指角色分工明确的智能体们互相交换结果,共同得出一个结论的方式。
亲手试一试
在让聊天机器人处理复杂调查任务时,可以尝试将角色拆分、按顺序依次提问。示例提示词：第一步,针对这个主题提出三个假设。第二步,请批判性地指出刚才提出的假设中证据最薄弱的一个。第三步,请重新检查剩下的假设在统计和逻辑上是否成立。像这样分步骤提问,即使在单个AI内部,也能模拟多智能体系统的角色分工方式。