关键词:人工智能,大语言模型,人机交互,生成式智能体


论文题目:Generative Agents: Interactive Simulacra of Human Behavior
论文来源:arXiv
论文链接:https://arxiv.org/abs/2304.03442

 

可信的人类行为智能体可以增强交互式应用程序的能力,从沉浸式环境到人际交流的排练空间,再到原型工具等。斯坦福和谷歌联合发布的这篇论文,介绍一种模拟可信人类行为的智能体模型。这些智能体会像人类一样醒来,做早餐,然后去工作;艺术家智能体会作画,而作家智能体会写作;他们可以形成意见,注意到对方,并发起对话;他们在计划第二天的工作时会记住并思考过去的日子。
 
为了实现生成式智能体,研究人员描述了一个架构,它扩展了一个大型语言模型,以存储智能体使用自然语言的经验记录,随着时间的推移将这些记忆会合成更高层次的思考,并动态地检索它们以规划行为。作者将生成式智能体实例化,以填充一个受《模拟人生》启发的互动沙盒环境,在那里,终端用户可以使用自然语言与一个由 25 个智能体组成的小镇互动。
 
在一次评估中,这些生成式智能体产生了可信的个人和涌现的社会行为:例如,从只有一个用户指定的概念开始,即一个智能体想举办一个情人节派对,这些智能体在接下来的两天里自主地传播派对的邀请,结识新朋友,互相约会参加派对,并协调在正确的时间一起出现在派对上。研究证明,智能体架构的组成部分,即观察、计划和反思,都对智能体行为的可信度做出了关键性的贡献。总之,这项研究将大型语言模型与计算、交互式智能体融合在一起,这项工作引入了架构和交互模式,以实现对人类行为的可信模拟。
 

图1:生成式智能体为交互式应用创造了可信的人类行为模拟。在这项工作中,通过用25个智能体填充一个沙盒环境来展示生成式智能体,让人想起《模拟人生》。用户可以观察和干预智能体,它们计划自己的日子,分享新闻,形成关系,并协调团体活动。

 

图2:Smallville 沙盒世界,并标明了区域。根节点描述整个世界,子节点描述区域(如房屋、咖啡馆、商店),叶节点描述物体(如桌子、书架)。智能体记住一个子图,反映它们所看到的世界的各个部分,以及它们看到的状态。


图3:生成式智能体架构。智能体感知他们的环境,所有的感知都被保存在一个称为记忆流的智能体经验的全面记录中。基于它们的感知,该架构检索相关的记忆,然后使用这些检索的行动来决定一个行动。这些检索到的记忆也被用来形成较长期的计划,并创造更高层次的反思,这些都被输入到记忆流中供将来使用。




编译|刘志航


“后ChatGPT”读书会启动



详情请见:
“后 ChatGPT”读书会启动:从通用人工智能到意识机器


推荐阅读

1. 当自然语言处理遇上量子计算与范畴论:人工智能开启更大想象空间
2. Nature:为什么人工智能需要理解因果?
3. 如何发现 AI+Science 中的下一个 AlphaFold 和 ChatGPT?
4. 《张江·复杂科学前沿27讲》完整上线!
5. 成为集智VIP,解锁全站课程/读书会
6. 加入集智,一起复杂!


点击“阅读原文”,报名读书会