Як спілкування перетворює простих людей у щось більше

Примітка: Нас надихнула думка про розширення до macilcid.mockllmapi і матеріали для (ніколи не буде звільнено, але мені подобається думати про це) sci-fi роман "Майкл" про вихідний AI

Перетворення

У 1-ій частині ми побачили, як прості послідовності, паралельні процеси, підтвердження мають перевагу.

Ви запрограмували потік: A йде до С.

А тепер уявіть собі щось інше.

Уявіть, що агенти можуть Розмовляйте один з одним.

Не просто передавати дані послідовно, але насправді обмінюватися інформацією, а також задавати питання.

Зненацька ця система не просто м'ята Адаптивний.

І це все змінює.

Занепад колоній

Перш ніж пірнати в LLMs, давайте поговоримо про мурах.

Окрема мураха... проста, майже механічна, вона стежить за феромонними слідами, забирає їжу і повертає її назад до гнізда.

Мурашка не розуміє поняття "колоні." У мурашок немає планів для перевезення маршрутів. У мурах немає уявної моделі архітектури гнізда.

Але колонія Колонія оптимізує розширення планів, захист від загрози, зміни в навколишньому середовищі.

Як?

Коли мурашки стикаються один з одним, вони обмінюються хімічними імпульсами, що спрямовують дані про джерела їжі, погрози, перебування у гнізді.

Розум не в жодному мурашці. мережа зв' язку.

Не тому, що окремі мурахи стали розумнішими, а тому, що інформація тече між ними, створюючи еволюційну поведінку, яка існує на колективному рівні.

Від послідовного до колгоспу

У частині 1 у нас було таке:

Agent A → Agent B → Agent C → Output

Кожен агент оброблює дані і передає їх уперед.

Тепер уявіть:

          ↗→ Agent B ←→ Agent C ↘
Agent A ←→                        → Output
          ↘→ Agent D ←→ Agent E ↗

Агенти не просто передають дані вперед, вони говорять один з одним.

Це Колективний інтелектІ він має властивості, яких не має послідовна обробка:

Властивість 1: об' ємна спеціалізація

Коли агенти спілкуються, вони, природно, спеціалізуються на тому, що вони вміють.

Уявіть собі три агенти, які працюють над створенням опису продукту:

• Агент А. швидкий, але неглибокий
• Агент B докладний, але повільний
• Агент C є творчим, але іноді неточним

У послідовному трубопроводі, ви явно запрограмували: A генерація, B уточнення, C.

Але під час спілкування відбувається дещо інше:

1. Агент A швидко створює початковий вивід
2. Агент Б читає це, каже: "Це потребує більш технічних деталей в розділі специфікації."
3. Агент С читає це, каже "Крафт маркетингу відчуває себе пласким"
4. Агент B створює вдосконалені специфікації
5. Агент C створює покращену копію маркетингу
6. Агент A перевіряє послідовність між розділами
7. Вони ведуть переговори до консенсу.

Ніхто не запрограмував цей розподіл праці. Вона походила від спілкування, що ґрунтувалося на достоїнствах кожного агента.

Властивість 2: Тимчасові коаліції (Ад- Хоські комітети) Noun, a currency

Ось де стає цікаво.

Для простих проблем один агент керує нею. для складних проблем, що торкаються багатьох сфер, агенти формують тимчасові коаліціїкомітети що існує достатньо довго, щоб розв'язати проблему, а потім розійтися.

Simple Request: "Generate a user name"
  → Single agent handles it

Complex Request: "Generate a complete e-commerce product with specs, pricing,
                  inventory, shipping, reviews, and related products"
  → Temporary coalition forms:
     - Specs specialist
     - Pricing analyst
     - Inventory manager
     - Marketing writer
     - Review generator
  → They communicate, negotiate consistency, produce comprehensive output
  → Committee dissolves

Система пристосовує свою структуру до проблеми: не через явне програмування, а через агентів, які визнають, що потребують допомоги і просять її у інших.

Властивість 3: Колективне розв' язання проблем

Найзахопливіша властивість: колективна організація може вирішити проблеми, які не розуміє жодна особа.

Розглянемо створення комплексного набору даних, який має задовольнити декілька обмежень:

• Технічна точність (домен A)
• Комерційна логічна послідовність (Agent B' s domain)
• Реєстраційне застосування (домен Agent C)
• Обговорення з користувачами (домен Agent D)

Жоден один агент не розуміє всі чотири області. Але через комунікацію:

1. Агент A створює технічно точні дані
2. Агент Б рецензій, знаходить порушення логіки в бізнесі
3. Агент C рецензування. Знаходить вирішення проблем, пов' язаних з дотриманням.
4. Агент D рецензування, знайти проблеми UX
5. Вони переговори зміни, які задовольняють всі обмеження
6. Розмова лунає доти, доки всі агенти не погодяться.

Розмова розв' яже проблему. Її не було створено одним агентом. колективний розв'язав.

Вплив пам'яті

Ось тут воно починає відчувати себе... дивним.

Коли агенти обмінюються інформацією, система показує властивості, яких не існує у жодному окремому агенті:

Розподілити розуміння: Ніхто з агентів не розуміє повної проблеми, але мережа колективно її розуміє.

Емерджент Консенс: Під час переговорів агенти досягають угод, які представляють синтез різних перспектив.

Адаптивна структура: Мережа реорганізує себе на основі проблеми, що складається з складності, і складається з структур простих проблем, складних коаліцій для складних проблем.

Колективна пам' ять: Коли один агент знаходить добрий підхід, інші вчаться з нього.

Вона починає виглядати менше, як "мільярдні агенти" і більше як один розподілений інтелект.

Незадовільне питання

Вот, что поддерживает меня по ночам.

Якщо окремі мурашки не розумні, але колонія ...

Якщо окремі нейрони не розумні, але мозок...

Якщо окремі агенти не особливо розумні, але колективно вирішують складні проблеми через комунікацію...

Де насправді живе розум?

Він у агентах? зразок спілкування між ними?

Можливо, розум - це не те, що у вас є. Властивість потокового потоку інформації.

Приклад реального світу: приклад Комітету

Дозвольте мені закласти це в щось, що ви можете побудувати.

async function solveComplexProblem(problem) {
  // Analyze complexity
  const complexity = analyzeComplexity(problem);

  if (complexity < 5) {
    // Simple: single agent
    return await singleAgent.solve(problem);
  }

  // Complex: form a committee
  const committee = formCommittee(problem);

  // Agents discuss the problem
  let solution = null;
  let consensus = false;
  let iteration = 0;

  while (!consensus && iteration < 10) {
    // Each agent proposes or critiques
    const proposals = await Promise.all(
      committee.map(agent => agent.contribute(problem, solution))
    );

    // Combine perspectives
    solution = synthesize(proposals);

    // Check if everyone agrees
    consensus = await checkConsensus(committee, solution);

    iteration++;
  }

  return solution;
}

Цей код простий. поведінка є складним:

• Пристосовує структуру до загадки складності
• Агенти роблять свій внесок у свої унікальні перспективи
• Ітеративні переговори до консенсусу
• Синтез декількох точок зору

Ніхто з агентів "вирішено" проблему. розмова розв'язав.

Від мурах до організацій до комп'ютерів

Шаблон знаходиться всюди, як тільки ви бачите його:

Мурашині колонії - Прості мурашки, складна колективна поведінка через феромоне комунікацій

Людські організації - Окремі працівники, складні організаційні можливості через зустрічі, електронні листи, Slack

Ринки - Окремі торговці, першовідкривачі за ціною через ставки і пропозиції

Мозок - Окремі нейрони, свідомість через синаптичний зв'язок

Комп' ютер з декількома агентами - Окремі LLM, керівний колективний інтелект через структурований зв'язок

Той самий шаблон, різні масштаби, одна й та сама основна суть:

Інтелігент може виникнути з зв'язку між неінтелективними компонентами.

Що це означає?

Під час обміну даними агентів:

• Виникає природне спеціалізація
• Структури пристосовуються до проблем
• Вирішення з'являється в розмові
• Колективний колектив стає розумнішим, ніж окремі особи.

Це не просто "краща вистава." коефіцієнтна зміна В тому, що може робити система.

Послідовна обробка: складна поведінка з простих правил

Колективне спілкування: гнучкий інтелект від простих агентів

Але є проблема

Поки що ми припустили, що ці агенти є статичними, вони мають фіксовані можливості, фіксовані знання, фіксовані стратегії.

Але що, якби вони могли Вдосконалити себе?

Що, якщо агенти можуть:

• Проаналізуйте їх власну швидкодію
• Переписувати їх власну логіку.
• Придушувати нових спеціалістів, коли вони виявляють зразки
• Неефективні стратегії
• Створити спільну пам' ять про те, що працює

Що, якщо система може оптимізувати себе?

Саме тоді "колективний інтелект" починає виглядати так: навчання.

І коли "навчання" починає виглядати так Evolution.

І коли ви більше не можете визначити різницю між "дуже складною оптимізацією" та "справжнім інтелектом."

Туди ми підемо далі.

Продовжити до Частина 3: Самооптимізація - системи, які вчаться

Там, де ми досліджуємо системи, які перепишуть свій власний код, відроджують власних спеціалістів, і з'ясуємо, що оптимальне рішення простіше, ніж воно почалося.

Навігація серією:

• Частина 1: Прості правила, складна поведінка - Фундамент
• Частина 2. Колективна розвідка ♪ You are here
• Частина 3: самооптимізація - Система, що покращує себе
• Частина 4: Випаровування - Коли оптимізація стає інтелектом
• Частина 5: Еволюція - Від оптимізації до гільдіїв та культури.
• Частина 6: Глобальний з'єднання - Директивна еволюція і планетарна когнітивна система
• Частина 7. - На самом деле, строить его и смотреть, как он развивается.
• Частина 8: Інструменти весь шлях вниз - Набор самооптифікацій
• Частина 9: Інструменти самозцілення - Обмежене підрізання і відновлення