2024-10-23 www.dnxtw.com
最近 OpenAI 谷歌发布的多智能招聘信息可能表明 AI 下一阶段的发展。两年前，OpenAI 发布的 ChatGPT 在人工智能中 LLM 一举推到公众面前，引起了全世界的关注。
随后，各大科技公司在第二年推出了自己的产品 LLM，相关初创公司如雨后春笋般涌现。但从去年开始。 3 月 GPT-4 横空出世后，LLM 发展似乎开始陷入停滞。
人们期待的将是颠覆性和革命性的 GPT-5 同时，开源与闭源模型的性能差距迅速缩小。
AGI 这个曾经在 GPT-4 在过去的两年里，似乎可以立即实现的目标似乎已经发布了 LLM 幻觉、推理逻辑链下降、模型性能下降等一系列阴影再次变得遥远。
那么，现阶段人工智能发展的下一步是什么？
或许今年 9 谷歌和月下旬 OpenAI 发布的招聘已经向我们揭示:多智能系统（Multi-Agent Systems，MAS）将会是 AI 下一步的发展。
招募多智能体研究团队9 月 20 日，OpenAI 的研究员 Noam Brown 在 X 他们正在为新的多智能体研究团队招聘机器学习工程师，候选人应该有丰富的资金 LLM 工程经验。
AI 符合智能体的发展 OpenAI 通用人工智能最近提出的衡量方法（AGI）五级标准中的第三级。
目前，OpenAI 认为自己处于第二阶段的门槛，也就是说，被称为「推理者」阶段。最近 OpenAI 推出 o1 模型，就是这个阶段的代表。
据《The Information》报道，OpenAI 我们一直在开发两种类型 AI 智能主体用于复杂的自动化任务。一种是控制设备在文档之间传输数据或完成报销报告，另一种是基于网络的任务，如收集公共数据或预订航班。
无独有偶，9 月 23 谷歌还发布了关于多智能体的招聘信息。
但早在今年5月，谷歌 DeepMind 的 CEO Demis Hassabis 在接受彭博社采访时，他说 AI 下一步是开发独立的人工智能代理。这些代理将能够回答问题，并独立计划和行动。该系统将在未来一到两年内投入使用。
多智能系统多智能系统是当代人工智能研究的核心领域。它由多个相互交互的智能主体组成，是一个能够感知环境、学习模型、做出决策和采取行动的独立实体。
在多智能系统中，智能系统可以是软件程序、机器人、无人机、传感器、人类或它们的组合。
此外，多智能系统中的每个智能系统都有特定的专业知识和目标。例如，可以开发一个包含独立智能系统的系统，专注于总结、翻译、内容生成等任务。然后，这些智能主体可以共同工作，共享信息，并以灵活和定制的方式进行分工和合作。
与像 GPT 这样的单体大语言模型（LLM）多智能系统的一些关键潜在优势包括：
专业化：智能主体可以优化特定的任务，而不是试图在单个模型中包含所有的能力。这使得处理特定任务更有效、更有针对性和更好的性能。
定制:用户可以根据需要灵活组合不同的智能主体。智能团队的组合可以根据不同的使用场景进行调整。
可扩展性：单个智能体可以独立更新或更换，而无需从零开始重新训练整个模型。这使得多智能系统的迭代和改进更加可行。
可解释性：在使用多个智能体时，更容易理解和分析不同组件如何为系统的整体行为做出贡献。单个模型通常是一个「黑箱模型」。
在实际应用中，多智能系统的优势更加明显：
灵活性和扩展能力：多智能系统可以通过增加、删除和修改智能系统来灵活地适应不断变化的环境，这使得它们在解决复杂问题时具有很高的扩展能力。
鲁棒性和可靠性：控制的去中心化使系统能够继续运行，即使某些组件失效，从而具有更高的鲁棒性和容错性。
基于自组织和协调的智能体「行为规则的出现」自组织，实现分工，协调决策，解决冲突；「行为规则的出现」它是指通过个体之间的简单互动产生复杂的整体行为。
实时操作：立即响应环境变化，无需人工监督，支持灾害救援、交通优化等实时响应应用场景。
在过去的发展中，多智能系统往往受到智能系统复杂性、不安全通信和协调困难的限制。
然而，随着现代人工智能解锁了更智能、更自适应和可扩展的实现模式，这些系统在构建响应快、灵活的系统中发挥着越来越重要的作用。
未来多智能系统的应用场景包括通过集成交通建设更智能的城市，通过分布式发电和存储实现更清洁的能源，以及利用患者数据进行准确的医疗。
AI 多智能系统提供了将这些想法转化为广泛实际应用的计算基础，并为各行业复杂的实际问题提供了新的解决方案。
自然现象，如分布式智能模仿生态系统，AI 多智能系统将成为创造更高效、响应更快、更灵活的未来世界不可或缺的方式。
参考资料：
/d/file/bigpic/202410/23-the-decoder.com
