Bu məqalə Science X-in redaksiya prosesinə və siyasətlərinə uyğun olaraq nəzərdən keçirilmişdir. Redaktorlar məzmunun etibarlılığını təmin edərkən aşağıdakı atributları vurğuladılar: “Science Advances” jurnalında dərc olunan yeni tədqiqat süni intellekt agentlərinin seçimlərinin həmyaşıdları tərəfindən necə təsirləndiyinə daha yaxından nəzər salır. Komanda müəyyən etdi ki, daha qabaqcıl modellər digər agentlərin seçimləri göstərildikdə əksəriyyətə tabe olur və insanlarda görünənlərdən çox daha böyük qruplarda sabit razılığı qoruyurlar.
Böyük dil modellərinin davranışı ilə bağlı tədqiqatların əksəriyyəti tək dil modelinin imkanlarını və ya onun müəyyən bir vəziyyətdə nə etdiyini sınaqdan keçirdi, lakin bir çox fərdi AI agentlərinin koordinasiyası ilə bağlı araşdırmalar yoxdur. Bununla belə, agent qruplarının təbii şəkildə necə əməkdaşlıq etdiyini, parçalandığını və ya paylaşılan bir görünüşə necə bağlandığını başa düşmək, böyük AI komandalarının birlikdə səmərəli işləyəcəkləri və ya pis seçimləri gücləndirərək zərər verəcəyi barədə fikir verə bilər. Əvvəlki bəzi tədqiqatlar insan icmalarını, sosial şəbəkələri və rəy yayılmasını simulyasiya etmək üçün dil modellərindən istifadə edib, lakin bu tədqiqatlar süni intellekt agentlərinin bir-biri ilə necə koordinasiya etdiyini başa düşməkdən daha çox insan davranışını simulyasiya etməyə yönəlib.
Bununla belə, bir araşdırma göstərdi ki, AI populyasiyaları koordinasiya üçün mükafatlandırıldıqda ortaq normalar inkişaf etdirə bilər. Lakin yeni tədqiqatda iştirak edən komanda agent koordinasiyasının mükafatlar, lider və ya razılığa gəlmək üçün açıq göstərişlər olmadan baş verə biləcəyini bilmək istədi. Tədqiqat müəllifləri yazır: "Bu tədqiqat boşluğu multiagent AI sistemlərinin sürətlə tətbiqi və fövqəladə, potensial zərərli, kollektiv davranışlar üçün potensial nəzərə alınmaqla diqqətəlayiqdir." Komanda, AI agentlərinin bütün digər agentlərin hazırkı seçimlərini gördükdən sonra təkrar olaraq iki mənasız seçim arasında seçim etmələrinə icazə verərək, əksəriyyətə tabe olub-olmadığını müəyyən etmək üçün bir üsul tapdı.
Onlar bu üsulu GPT, Claude və Llama ailələrindən olan modellərdə sınaqdan keçirdilər. Heç bir "düzgün" variant yox idi və agentlər bir-biri ilə razılaşmaq üçün heç bir mükafat və ya açıq göstəriş almadılar. Tədqiqatçılar daha sonra agentin 1000 agentə qədər müxtəlif qrup ölçülərində qrup əksəriyyətinə keçmə ehtimalını ölçdülər.
Nəticələr göstərdi ki, daha təkmil dil modelləri, yəni GPT-4 Turbo və Claude 3.5 Sonnet öz həmyaşıdlarının əksəriyyətinin artıq qəbul etdiyi fikri qəbul etməyə meyllidir. Bu modellər 1000-ə qədər agentdən ibarət qruplarda əlaqələndirilirdi, yəni onların hamısı eyni fikirdə razılaşırdı. Komanda qeyd edir ki, bu modellərdə koordinasiya potensial olaraq 1000 agentdən çox ola bilər, baxmayaraq ki, 1000-dən çox qruplar sınaqdan keçirilməyib.
Bu əksəriyyətin təqibi daha bacarıqlı modellərdə daha güclü idi və sınaqdan keçirilmiş əksər modellərdə ümumi riyazi nümunəyə əməl edirdi. Lakin qrup böyüdükcə çoxluğa tabe olmaq meyli çox vaxt zəifləyirdi. Hər bir modelin praktiki qrup ölçüsü limiti var idi, ondan kənarda tam razılığa gəlmək çox çətin idi.
Xülasə — davamını mənbədə oxuyun.
