Hur flera enkla agenter skapar framträdande komplexitet

Nota: Inspirerad av att tänka på utlängningar till merpartenlucid.mockllmapi och material för ( som aldrig kommer ut, men jag gillar att tänka efter det.

Den absurda frågan

Tänk om medvetandet bara är väldigt sofistikerat.

Jag vet, SK0, jag vet, . Det låter nedbrytande till den grad att det är förolämpning. ., tanken på att mänskligt tänkande, med all sin kreativitet, emotioner, känslan och djupet, är i grunden bara beslutsträd staplade på besluts träden fram tills något som ser ut som intelligensen dyker upp

Men här är det som händer. Jag kan inte skaka den.

För när man tittar på hur enkla regler skapar komplext beteende i naturen, börjar man fundera.

Vad den här serien utforskar

Det här är en del av en utforskning av hur enkla regler skapar komplexa.

Del 1 ( Du är här): Enkela reglerM SK3 Komplekst beteende Grunden - hur flera enkla agenter som följer grundläggande mönster skapar framträdande komplexitet som inte var explicit programmerad

Del 2: Kollektiv intelligens - När agenter kommunicerar Vad händer när agenter inte bara följer mönster, utan pratar med varandra?

Del 3: Själva-Optimering - System som förbättrar sig själva När agenter kan mäta sin egen prestation och justera sitt beteende, får man system som utvecklas utan mänsklig ingripande.

Del 4: Emergensen - När optimering blir intelligens Vid vilken tidpunkt blir "följande optimeringsreglern " till "religiös intelligens M SK3 Vi utforskar den obehagliga tröskeln där sofistikerade reglern-följning blir ojämlik från tänkandet

Del 5: Evolution - Från optimering till Gilder och kultur Agenter som optimerar kollektivt börjar bilda specialiserade roller , utveckla gemensamt kunskap, och skapa framväxande "kulturenM SK3 Systemet utvecklar preferenser , mönster M SK5 och kollektiv minneMSC6

Del 6: Global konsensus - Inriktad evolution och Planetens medvetenhet Skala dessa mönster till tusentals eller miljoner agenter.

Del 7: Den verkliga saken! - Experiment med styrd syntetisk evolution Teorin möter praxis.

Del 8: verktygen hela vägen ner - självet -Optimiserings-Toolkit Hur verktygen själva fungerar

Del 9: själv -Healing Tools - Lineage-Prägning och återhämtning När verktyg bryter sig själva genom evolutionen , så måste systemet komma ihåg varför och aldrig upprepa felet. Den här delen utforskar självt - läkening genom linjärtspårning M SK3 grenskrägerier MSC4 undvikande regler MST5 och automatisk återhämtning från misslyckanden Mst6 verktyg utvecklar institutionell minne av vad man inte ska göra M st7

"Fundationens spelet av liv"

Innan vi pratar om LLM och AI

Fyra regler: ., det där, ', det är det. ., fyra enkla regler om celler på ett rutnät.

1. En levande cell med 2-3 grannar överlever
2. En levande cell med <2 grannar dör ( ensamhet
3. En levande cell med >3 grannar dör ( överbevölkerning)
4. En död cell med exakt 3 grannar blir levande

Från dessa fyra triviala regler får du

• Stabila strukturer (blöcke , bin
• Oscillator (blinker
• Glider som rör sig genom nätet
• Gevär som skjuter glider
• Ett mönster som växer för alltid

Du får komplexitet från enkelhet. Du får beteende som inte var explicit programmerat i de fyra reglerna

Du får framträdande.

Pattern: flera enkla agenter

Föreställ er nu att istället för celler på ett rutnät så har ni språkmodeller.

ensam, var och en modell är

Men vad händer när du kopplar ihop dem?

Pattern 1: Sekvationell raffinering

Det enklaste mönstret : en kedja.

Fast Model → Quality Model → Validator Model

1. snabb modell genererar grundläggande struktur ( billigt , snabbt
2. Kvalitemodell lägger till detaljer och nyanser (slower, bättre på djupetM SK2
3. Validator kontroller på fel och ojämlikhet ( dyrtM SK1 fångar vad andra missar

Varje modell gör en sak, ., kedjan gör något ingen av dem kunde göra på egen hand.

Uppkomsten: Ketten har egenskaper (hastighet | + | kvalitet | МSK2 | tillförlitlighet |) | som ingen enkel modell har

Pattern 2: Parallell specialisering

Olika agenter arbetar på olika aspekter samtidigt:

       ┌─ Specs Generator
Input ─┼─ Pricing Calculator  → Merge → Complete Product
       └─ Inventory Checker

Varje specialist är enkel, men tillsammans skapar de en övergripande omfattning som skulle ta mycket längre tid för att producera ett generellt model, och med lägre kvalitet i varje område.

Uppkomsten: Expertis genom delning av arbetskraft.. No single model is an expert, but the collective acts like one.

Pattern 3: Valideringsloop

En agent genererar, en annan validerar , och om validering misslyckas, korrigerar en tredjedelarM SK3

Generate → Validate → [Pass? → Output : Correct → Validate again]

Detta skapar ett självt system för att korrigera.

Uppkomsten: Tillförlitlighet från osäkra komponenter.

Pattern 4: Smart ruttering

Analisera komplexiteten i en begäran, sedan rikta till den lämpliga agenten,

Simple request (score 1-3) → Fast model
Medium request (score 4-7) → Quality model
Complex request (score 8-10) → Premium model

Uppkomsten: Kosten-Effektivitet. Systemet"Lärar"( genom programmerade regler) När man spenderar resurser och när man sparar dem.

Den viktigaste insikten

Ingen av dessa modeller är särskilt smarta.

Men kombination visar egenskaper som ser en hel del ut som

• Bedömande (riktningsdecisioner )
• Jaktkontroll (Valideringsloopar)
• Effektivhet (parall bearbetning
• Expertis (specialisering)

På samma sätt skapar fyra regler om cellernas grannar glider och vapen.

Den obehagliga inverkan

Om dessa enkla mönster skapar framträdande komplexitet

Om system som bara är "följande regler" börjar visa egenskaper som ser ut som dömande och expertis

Var är linjen? ?

Vid vilken tidpunkt blir ", sofistikerad regel, -, efterföljande, M SK2, till

Ett praktiskt argument

Låt mig sätta det här i verkligheten innan vi blir för filosofiska

Du kan bygga dessa mönster idag. Koden är enkel

// Pattern 1: Sequential refinement
async function refineSequentially(input) {
  let output = await fastModel(input);      // Quick draft
  output = await qualityModel(output);      // Add depth
  output = await validator(output);         // Check quality
  return output;
}

Tre funktioner ropar: ., det är ' det, . Men beteendet som uppstår: —, snabbt hög -, skapandet av kvalitet —, är inte ' i någon enskild funktion.

' finns i mönster av interaktion.

De fyra byggklossarna

Dessa mönster är grunden

1. Sekvensella förbättringar - Data strömmar genom stegen , var och en tillhandahåller raffinering
2. Parallell specialisering - olika agenter hanterar olika aspekter samtidigt
3. Valideringsloop - Generera
4. Hierarkisk ruttering - analysera komplexiteten , riktning till rätt kapacitetnivå

Enkela mönster. Ingen individuell modell är särskilt imponerande

Men här är vad som håller mig uppe på natten: :, samma mönster, —, specialisering, ,, parallell bearbetning, M SK4, bekräftelse,,, smart ruttering och —. mänskliga organisationer.

Ett företag har specialister . Teams arbetar parallellt. Kvalitekontroll bekräftar. Cheferna sträcker ut uppgifterna till lämpliga färdigheter

Är företag intelligenta? Eller är de bara sofistikerade regler?

Kanske är det samma sak.

Vad betyder detta

Dessa mönster skapar system som

• fatta beslut (riktning)
• visa expertis (specialisering)
• Själva- korrekt (validering )
• Optimera resurser

På utsidan ser det ut som intelligens.

Från insidan, det är bara enkla regler som interagerar.

Frågan: Finns det en fundamental skillnad mellan dessa två synsätt? Eller är det vad vi kallar för en tillräckligt komplex regel

Vart vi går från här

Än så länge har vi multiple agenter som följer enkla mönster.

Men vad händer när vi lägger till ytterligare en ingredient

Vad händer när dessa agenter inte bara arbetar i sekvens eller parallellt, utan faktiskt kommunicera?

När de delar ett sammanhang

När information inte flödar i förutbestämda mönster, utan dynamiskt baserat på problemet i hand?

Det är då saker blir riktigt intressanta.

Eftersom kommunikation skapar en annan typ av uppkomst kollektiv intelligens som existerar i nätverket i sig själv

Ingen enda agent förstår lösningen. Men samtalet hittar den ändå.

Fortsätt till Del 2: Kollektiv intelligens - När agenter kommunicerar

Där vi utforskar vad som händer när enkla agenter börjar prata med varandra

Navigationsserien:

• Del 1: enkla regler , komplext beteende ← Du är här
• Del 2: Kollektiv intelligens - Kommunikation omvandlar allting
• Del 3: Själva -Optimering - System som förbättrar sig själva
• Del 4: Kriget - När optimering blir intelligens
• Del 5: Evolution - Från optimering till guilds och kultur
• Del 6: Global konsensus - Inriktad evolution och planeterkänning
• Del 7: Den verkliga saken! - Att faktiskt bygga den och se hur den utvecklas
• Del 8: verktyg hela vägen ner - En självoptimerande verktygslåda