Comment la communication transforme des agents simples en quelque chose de plus grand

Note: Inspiré par l’idée d’extensions à la plupartlucid.mockllmapi et du matériel pour le (never to be released but I like to think about it.

La transformation

Dans la partie 1,, nous avons observé comment des modèles simples — chaînes séquentielles M SK2 traitement parallèle , boucles de validation MSC4 créent une complexité émergente MSV5 Plusieurs agents suivant des règles simples produisent un comportement sophistiqué M SV6

Mais il s’agissait de modèles fixes.

Imaginez maintenant quelque chose de différent.

Imaginez que les agents peuvent de parler les uns aux autres.

Non pas seulement transmettre les données en séquence, mais communiquer effectivement. partager le contexteM SK2 poser des questions . négocier

Soudainement, le système n’est pas seulement sophistiqué, mais aussi complexe. adaptation.

Et cela change tout.

Le problème de la colonie des oiseaux

Avant de plonger dans les LLMs, laissez-nous parler des oiseaux.

Un individu est :... simpleM SK1 Près mécanique . Il suit les traces des phéromones. Prend de l’alimentationMSC4 Le ramene au nidMNK5

Aucun oiseau ne comprend le concept de "colonyM SK1 Aucune mouche ne planifie des voies de forage . Aucun oivre n’a un modèle mental d’architecture du nid M SK3

Mais les colonie Fait tout cela. La colonie optimise la recherche de nourriture . Planifie les expansionsM SK2 Défend contre les menaces. Adapte aux changements environnementauxMSC4

Comment?

Communication. Les traces de phéomones sont l’informationM SK1 Lorsque les oiseaux se rencontrent, ils échangent des signaux chimiques — ils partagent des données sur les sources d’alimentation M SK4 menaces

L’intelligence n’apparaît pas dans une seule fourrure. Réseau de communication.

La colonie est plus intelligente que n’importe quelle autre mouche.

De séquence à collectivité

Dans la partie 1,, nous avons eu ce

Agent A → Agent B → Agent C → Output

Chaque agent traite les données et les transmet à l’avenir.

Imaginez maintenant ce qui suit :

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

Les agents ne transmettent pas seulement les données à l’avance, ils discutent entre eux, ils partagent le contexte, ils négocient des solutions.

Il s'agit de intelligence collective. Et il a des propriétés que le traitement séquentiel ne possède pas

Propriété 1: Specialisation d’urgence

Lorsque les agents communiquent, ils se spécialisent naturellement en fonction de leurs compétences.

Imaginez trois agents qui travaillent à produire une description de produit:

• Agent A est rapide mais peu profonde
• Agent B est détaillée mais lente
• Agent C est créatif mais parfois inexact

Dans un pipeline séquentiel, vous programmez explicitement :

Mais avec la communication, quelque chose d’autre se produit.

1. Agent A génère rapidement une sortie initiale
2. L’agent B le lit , dit "Il faut plus de détails techniques dans la section des spécifications"
3. L’agent C le lit, dit ,.
4. Agent B génère des spécifications améliorées
5. Agent C génère une copie de marketing améliorée
6. Agent A vérifie la cohérence entre les sections
7. Ils négocient jusqu'à ce que le consensus soit atteint.

Personne n’a programmé cette division du travail. Il découle de la communication fondée sur les points forts de chaque agent.

Propriété 2: Coalitions temporaires (Ad-Comités permanentsM SK3

C’est là où il devient intéressant'

Pour les problèmes simples, un agent le gère. pour les problèmes complexes qui touchent plusieurs domaines , les agents forment des coalitions temporairesM SK3Comités qui existent assez longtemps pour résoudre le problème.

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

Le système adapte sa structure au problème.

Propriété 3: Problème collectif -Solution

La propriété la plus fascinante: le collectif peut résoudre des problèmes qu’aucun agent individuel ne comprend

Considérer la création d’un ensemble de données complexe qui doit satisfaire à plusieurs contraintes:

• Exactitude technique (Agent AM SK1s domain)
• Cohérence de la logique d’affaires (Agent B'domain de )
• Conformité réglementaire (Agent C'domain de )
• Considérations liées à l'expérience des utilisateurs (Agent D'domain de )

Aucun agent ne comprend les quatre domaines.

1. Agent A génère des données techniquement exactes
2. Examen de l’agent B, constate des violations de la logique commerciale
3. Examen de l’agent C, constate des problèmes de conformité
4. Agent D reviews, trouve des problèmes UX
5. Ils Négocier changements qui satisfont à toutes les contraintes
6. La conversation se poursuit jusqu'à ce que tous les agents soient d'accord

La solution résulte de la conversation. Aucun agent unique n’en a créé collectivité a résolu la question.

L'effet Hivemind

C’est là qu’il commence à se sentir.

Lorsque les agents communiquent efficacement, le système présente des propriétés qui n’existent pas chez aucun agent individuel.

Compréhension répartie: Aucun agent ne comprend le problème complet, mais le réseau le comprend collectivement.

Consensus urgents: En négociant, les agents concluent des ententes qui représentent une synthèse de multiples perspectives.

Structure adaptative: Le réseau se réorganise en fonction de la complexité des problèmes.

Mémoire collectif: Les agents partagent les solutions. Quand un agent découvre une bonne approche, d’autres en apprennent

Il commence à ressembler moins à "agents multiples " qu’à une seule intelligence distribuée.

La question incommode

Voici ce qui m’amène à me réveiller la nuit.

Si les oiseaux individuels ne sont pas intelligents, mais que la colonie est

Si les neurones individuels ne sont pas intelligents mais que le cerveau est

Si les agents individuels ne sont pas particulièrement intelligents, mais que le groupe résolve des problèmes complexes par la communication,

Où habite l’intelligence en fait?

Est-ce dans les agents? Ou est-il dans de la communication entre eux.?

Peut-être l’intelligence n’est pas une chose que vous avez. propriété émergente du flux d'information.

Réel-Exemple mondiale: Le modèle du comité

Permettez-moi de fonder cela sur quelque chose que vous pourriez construire.

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;
}

Ce code est simple. Mais le comportement est sophistiqué:

• Adapter la structure à la complexité du problème
• Les agents contribuent à leurs perspectives uniques
• Négociation itérative jusqu'au consensus
• Synthèse de points de vue multiples

Aucun agent unique " n’a résolu le problème" . Le Conversation a résolu la question.

De l'anthrax aux organisations aux AI

Le modèle est partout une fois que vous le voyez:

Colonies d'amis - Petites moustiquesM SK1 comportement collectif complexe par la communication des phéromones

Organisations humaines - Employés individuels , Capacité organisationnelle sophistiquée par le biais de réunions

Marchés - Traiteurs individuels , découverte des prix émergents par l’entremise de soumissions et d’offres

Les cerveaux - Neurons individuels, Conscience par la communication synaptice

Multi-agent AI - L'intelligence collective émergeante par la communication structurée

Le même modèle. Différentes échelles. La même perception fondamentaleM SK2

L’intelligence peut résulter de la communication entre des composants intelligents non -intelligents .

Qu'est-ce que cela signifie

Lorsque les agents communiquent:

• La spécialisation apparaît naturellement
• Structures adaptées aux problèmes
• Les solutions découlent de la conversation
• Le groupe devient plus intelligent que les individus

Ce n’est pas seulement une meilleure performance, mais aussi un meilleur rendement. Changement qualitatif dans ce que le système peut faire.

Traitement séquentiel: comportement sophistiqué à partir de règles simples

Communication collective: Intelligence adaptative des agents simples

Mais il y a un problème

Jusqu’à présent, nous avons présumé que ces agents sont statiques. Ils ont des capacités fixes.

Mais qu'arriverait-il s'ils pouvaient améliorer?

Que se passerait-il si les agents pouvaient

• Analyser leur propre rendement
• Réécrire leur propre logique de décision
• Créer de nouveaux spécialistes lorsqu'ils détectent des patrons
• Stratégies inefficaces de prune
• Créer une mémoire partagée de ce qui fonctionne

Que se passerait-il si le système pouvait optimiser lui-même?

Il s’agit là du moment où l’intelligence collective1 et 2 commencent à ressembler. apprentissage.

Et quand "learning" commence à ressembler évolution.

Et quand vous ne pouvez plus dire la différence entre ", une optimisation très sophistiquée, " et ", l’intelligence réelle,

C’est là où nous allons prochainement.

Continuer à Partie 3: Self-Optimisation - Systèmes qui apprennent

Lorsque nous étudions des systèmes qui réécrivent leur propre code, génèrent leurs propres spécialistes , et découvrent que la solution optimale est plus simple qu’ils n’ont commencé avec.

Navigation de série:

• Partie 1: Règles simples , comportement complexe - La fondation
• Partie 2: Intelligence collective ← Vous êtes ici
• Partie 3: Automne -Optimisation - Systèmes qui se perfectionnent eux-mêmes
• Partie 4: L’émergence - Lorsque l’optimisation devient une intelligence
• Partie 5: Evolution - De l’optimisation aux guildes et à la culture
• Partie 6: Consensus mondial - Évolution dirigée et connaissance planétaire
• Partie 7: La vraie chose! - En fait, en la construisant et en l’observant évoluer
• Partie 8: Outils tout au long de la route - La trousse d'outils d'optimisation de l'auto
• Partie 9:Self-Outils d'Healing - Ligneage-aware pruning and recovery