Πώς η επικοινωνία μετατρέπει τους απλούς παράγοντες σε κάτι μεγαλύτερο
Σημείωση: Εμπνευσμένο από τη σκέψη για επεκτάσεις σε ως επί το πλείστον διαυγή.mockllmapi και το υλικό για το (ποτέ δεν πρέπει να κυκλοφορήσει, αλλά μου αρέσει να το σκέφτομαι ~) sci-fi μυθιστόρημα "Michael" για αναδυόμενο AI
Στο Μέρος 1, είδαμε πώς απλά μοτίβα αλληλουχικές αλυσίδες, παράλληλη επεξεργασία, βρόχους επικύρωσηςΔημιουργούν αναδυόμενη πολυπλοκότητα. Πολλαπλοί παράγοντες που ακολουθούν απλούς κανόνες παράγουν εξελιγμένη συμπεριφορά.
Αλλά αυτά ήταν σταθερά μοτίβα. Καθοριστικά. Προγραμμάτισες τη ροή: το Α πηγαίνει στο Β πηγαίνει στο Γ.
Τώρα φαντάσου κάτι διαφορετικό.
Φαντάσου ότι οι πράκτορες μπορούν. Μιλήστε μεταξύ σας..
Όχι μόνο να δίνεις δεδομένα με τη σειρά, αλλά και να επικοινωνείς, να μοιράζεσαι τα συμφραζόμενα, να κάνεις ερωτήσεις, να διαπραγματεύεσαι, να συζητάς.
Ξαφνικά το σύστημα δεν είναι απλά εξεζητημένο. προσαρμοζόμενος.
Και αυτό αλλάζει τα πάντα.
Πριν βουτήξουμε στα LLMs, ας μιλήσουμε για μυρμήγκια.
Ένα μυρμήγκι είναι απλό, σχεδόν μηχανικό, ακολουθεί ίχνη φερομόνης, παίρνει φαγητό, το φέρνει πίσω στη φωλιά.
Κανένα μυρμήγκι δεν καταλαβαίνει την έννοια της "αποικίας." Κανένα μυρμήγκι δεν σχεδιάζει διαδρομές αναζήτησης.
Αλλά το αποικία Η αποικία βελτιστοποιεί την αναζήτηση τροφής, σχεδιάζει επεκτάσεις, υπερασπίζεται τις απειλές, προσαρμόζεται στις περιβαλλοντικές αλλαγές.
Πώς;
Επικοινωνία. Τα ίχνη φερομόνης είναι πληροφορίες. Όταν τα μυρμήγκια συναντιούνται, ανταλλάσσουν χημικά σήματα, μοιράζονται δεδομένα για πηγές τροφίμων, απειλές, συνθήκες φωλιάς.
Η νοημοσύνη δεν είναι σε κανένα μυρμήγκι. δίκτυο επικοινωνίας.
Η αποικία είναι πιο έξυπνη από κάθε μυρμήγκι. Όχι επειδή τα μεμονωμένα μυρμήγκια έγιναν εξυπνότερα, αλλά επειδή οι πληροφορίες μεταξύ τους δημιούργησαν αναδυόμενη συμπεριφορά που υπάρχει σε συλλογικό επίπεδο.
Στο πρώτο μέρος, είχαμε αυτό:
Agent A → Agent B → Agent C → Output
Κάθε πράκτορας επεξεργάζεται δεδομένα και τα περνάει μπροστά, απλά, αποτελεσματικά, αλλά περιορισμένα.
Τώρα φανταστείτε αυτό:
↗→ Agent B ←→ Agent C ↘
Agent A ←→ → Output
↘→ Agent D ←→ Agent E ↗
Οι πράκτορες δεν μεταδίδουν απλά τα δεδομένα προς τα εμπρός. Μιλούν μεταξύ τους. Μοιραστείτε το πλαίσιο. Διαπραγματεύστε λύσεις.
Αυτό είναι συλλογική νοημοσύνηΚαι έχει ιδιότητες που η διαδοχική επεξεργασία δεν:
Όταν οι πράκτορες επικοινωνούν, ειδικεύονται με βάση αυτά που είναι καλοί.
Φανταστείτε τρεις πράκτορες που εργάζονται για τη δημιουργία μιας περιγραφής του προϊόντος:
Σε έναν διαδοχικό αγωγό, θα προγραμματίσετε ρητά: A παράγει, B τελειοποιεί, C επικυρώνει.
Αλλά με την επικοινωνία, κάτι άλλο συμβαίνει:
Κανείς δεν προγραμμάτισε αυτόν τον καταμερισμό εργασίας. Βγήκε από την επικοινωνία με βάση τις δυνάμεις του κάθε πράκτορα.
Εδώ είναι που γίνεται ενδιαφέρον.
Για τα πολύπλοκα προβλήματα που αγγίζουν πολλούς τομείς, οι πράκτορες σχηματίζουν προσωρινούς συνασπισμούςεπιτροπές που υπάρχουν αρκετά για να λύσουν το πρόβλημα, και μετά διαλύονται.
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
Όχι μέσω σαφούς προγραμματισμού, αλλά μέσω παραγόντων που αναγνωρίζουν ότι χρειάζονται βοήθεια και το ζητούν από άλλους.
Η πιο συναρπαστική ιδιοκτησία: η κολεκτίβα μπορεί να λύσει προβλήματα που κανένας μεμονωμένος πράκτορας δεν καταλαβαίνει.
Σκεφτείτε τη δημιουργία ενός σύνθετου συνόλου δεδομένων που πρέπει να ικανοποιεί πολλούς περιορισμούς:
Κανένας πράκτορας δεν καταλαβαίνει και τους τέσσερις τομείς, αλλά μέσω της επικοινωνίας:
Η λύση βγαίνει από τη συζήτηση, κανένας μόνος πράκτορας δεν την δημιούργησε. συλλογικό Το έλυσα.
Εδώ αρχίζει να νιώθει... παράξενα.
Όταν οι παράγοντες επικοινωνούν αποτελεσματικά, το σύστημα παρουσιάζει ιδιότητες που δεν υπάρχουν σε κανένα μεμονωμένο παράγοντα:
Κατανεμημένη Κατανόηση: Κανένας πράκτορας δεν καταλαβαίνει το πλήρες πρόβλημα, αλλά το δίκτυο το καταλαβαίνει συλλογικά.
Επείγουσα Συναίνεση: Μέσω των διαπραγματεύσεων, οι πράκτορες καταλήγουν σε συμφωνίες που αντιπροσωπεύουν μια σύνθεση πολλαπλών προοπτικών.
Προσαρμοζόμενη δομή: Το δίκτυο αναδιοργανώνεται με βάση την πολυπλοκότητα των προβλημάτων, μια απλή δομή για απλά προβλήματα, περίπλοκους συνασπισμούς για περίπλοκα προβλήματα.
Συλλογική μνήμη: Όταν ένας πράκτορας ανακαλύπτει μια καλή προσέγγιση, άλλοι μαθαίνουν από αυτήν.
Αρχίζει να μοιάζει λιγότερο με "πολλαπλούς πράκτορες" και περισσότερο σαν μια απλή κατανεμημένη νοημοσύνη.
Να τι με κρατάει ξύπνιο τη νύχτα.
Αν τα μυρμήγκια δεν είναι έξυπνα, αλλά η αποικία είναι...
Αν οι μεμονωμένοι νευρώνες δεν είναι έξυπνοι, αλλά ο εγκέφαλος είναι...
Αν οι μεμονωμένοι πράκτορες δεν είναι ιδιαίτερα έξυπνοι, αλλά η κολεκτίβα λύνει περίπλοκα προβλήματα μέσω της επικοινωνίας...
Πού ζει η νοημοσύνη;
Είναι στους πράκτορες ή είναι στους πράκτορες; μοτίβο επικοινωνίας μεταξύ τους?
Ίσως η νοημοσύνη δεν είναι κάτι που έχεις. αναδυόμενη ιδιότητα της ροής πληροφοριών.
Άσε με να το βάλω σε κάτι που θα μπορούσες να χτίσεις.
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;
}
Αυτός ο κώδικας είναι απλός. συμπεριφορά είναι εξεζητημένη:
Κανένας πράκτορας δεν έλυσε το πρόβλημα. Συζήτηση Το έλυσα.
Το μοτίβο είναι παντού μόλις το δεις.
Αποικίες μυρμηγκιών - Απλή μυρμήγκια, περίπλοκη συλλογική συμπεριφορά μέσω της επικοινωνίας φερομόνης
Ανθρώπινες οργανώσεις - Ατομικοί υπάλληλοι, εξεζητημένη οργανωτική ικανότητα μέσω συναντήσεων, emails, Slack
Αγορές - Ατομικοί έμποροι, αναδυόμενη ανακάλυψη τιμών μέσω προσφορών και προσφορών
Μυαλά - Ατομικοί νευρώνες, συναίσθηση μέσω συναπτικής επικοινωνίας
Πολυπράκτορας AI - Ατομικά LLMs, αναδυόμενη συλλογική νοημοσύνη μέσω δομημένης επικοινωνίας
Το ίδιο μοτίβο, διαφορετικές ζυγαριές.
Η νοημοσύνη μπορεί να προκύψει από την επικοινωνία μεταξύ μη ευφυών συστατικών.
Όταν οι παράγοντες επικοινωνούν:
Δεν είναι μόνο "καλύτερη απόδοση." ποιοτική αλλαγή σε τι μπορεί να κάνει το σύστημα.
Επακόλουθη επεξεργασία: εξελιγμένη συμπεριφορά από απλούς κανόνες
Συλλογική επικοινωνία: προσαρμοστική νοημοσύνη από απλούς παράγοντες
Μέχρι στιγμής, υποθέσαμε ότι αυτοί οι πράκτορες είναι στατικοί, έχουν σταθερές ικανότητες, σταθερές γνώσεις, σταθερές στρατηγικές.
Αλλά αν μπορούσαν να βελτιωθούν οι ίδιοι.?
Κι αν οι πράκτορες μπορούσαν:
Κι αν το σύστημα μπορούσε; βελτιστοποιήστε τον εαυτό της?
Τότε είναι που η "συλλογική νοημοσύνη" αρχίζει να μοιάζει με μάθηση.
Και όταν η "μάθηση" αρχίζει να μοιάζει εξέλιξη.
Και όταν δεν μπορείς να καταλάβεις τη διαφορά μεταξύ της "πολύ εξελιγμένης βελτιστοποίησης" και της "πραγματικής νοημοσύνης" πλέον.
Εκεί θα πάμε μετά.
Συνεχίστε να Μέρος 3: Αυτο-Optimization - Συστήματα που Μαθαίνουν
Όπου εξερευνούμε συστήματα που ξαναγράφουν τον δικό τους κώδικα, γεννούν τους δικούς τους ειδικούς, και ανακαλύπτουμε ότι η βέλτιστη λύση είναι απλούστερη από ό, τι ξεκίνησαν.
Πλοήγηση σειράς:
© 2026 Scott Galloway — Unlicense — All content and source code on this site is free to use, copy, modify, and sell.