Comment de multiples agents simples créent une complexité émergente

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 question absurde

Qu’arrive-t-il si la conscience est tout simplement très sophistiquée?

Je sais.0, je sais.1 Il semble réduisant au point d’insulter.2 L’idée que la pensée humaine, avec toute sa créativité, emotion et profondeur, est fondamentalement des arbres de décisions empilés sur des arbres jusqu’à ce qu’une chose aperçus comme l’intelligence apparaît.

Mais ici, c’est ce que je peux faire.

Parce que lorsque vous voyez comment des règles simples créent un comportement complexe dans la nature, vous commencez à vous demander

Ce que cette série étudie

C’est une partie 1 d’une exploration de la façon dont des règles simples créent des règles complexes.

Partie 1 (Vous êtes ici): Règles simplesM SK3 comportement complexe Le fondement - de la façon dont plusieurs agents simples suivant des patrons fondamentaux créent une complexité émergente qui n’était pas explicitement programmée

Partie 2: Renseignement collectif - Quand les agents communiquent Que se passe-t-il lorsque les agents ne suivent pas seulement des modèles mais qu’ils discutent entre eux?

Partie 3: Automne-Optimisation - Systèmes qui s'améliorent eux-mêmes Lorsque les agents peuvent mesurer leur propre rendement et adapter leur comportement, on obtient des systèmes qui évoluent sans intervention humaine.

Partie 4: L’émergence - Quand l’optimisation devient une intelligence À quel point "suite des règles d’optimisation" devient "intelligence réelleM SK3 Nous étudions le seuil incommode où une règle sophistiquéeMSC4le suivi devient indistinguible du penséeMST5

Partie 5: Évolution - De l'optimisation aux guilds et à la culture Les agents qui optimisent collectivement commencent à former des rôles spécialisés, à développer les connaissances partagées , et à créer une culture émergente M SK2culture M SK3 Le système développe des préférences, patrons , et la mémoire collectiveMSC6

Partie 6: Consensus mondial - Évolution dirigée et cognition planétaire Évaluez ces modèles à des milliers ou des millions d’agents.

Partie 7: L'enjeu réel! - Expérimentation avec l'évolution synthétique dirigée La théorie correspond à la pratique. Une mise en œuvre opérationnelle de la génération d'un code évolutif utilisant plusieurs agents LLMs, mémoire RAG , et l'auto-action réelle.

Partie 8: Outils tout au long de la route - L'auto-outil Comment fonctionnent les outils eux-mêmes, Utilisation des voies de cheminement, ÉvoluerM SK2 et devenir plus intelligent au fil du temps . Chaque outil suit les invocations , Apprentissage à partir des modèles MSC5 Évolution des mises en oeuvres

Partie 9: Self-Outils d'épuration - LineageM SK3Aware Pruning and Recovery Lorsque les outils se détruisent par l’évolution, le système doit se rappeler pourquoi et ne répéter jamais l’erreur.

La fondation: Conway' le jeu de la vie

Avant de parler des LLM et de l’AI, laissez-nous parler du jeu de la vie.

Quatre règles. Celle-ci ' c'est celaM SK2 Quatre simples règles sur les cellules dans un réseau:

1. Une cellule vivante avec des voisins 2-3 survivt
2. Une cellule vivante avec <2 des voisins décède.
3. Une cellule vivante avec des >3 voisins décède.
4. Une cellule morte avec exactement 3 des voisins devient vivante

À partir de ces quatre règles triviales, vous obtiendrez :

• Structures stables (blocs,beehivesM SK2
• Oscillateurs (blinkers, pulsarsM SK2
• Gliders qui se déplacent à travers la grille
• Pistols qui tirent des gliders
• Modèle qui croît pour toujours

Vous obtenez complexité à partir de la simplicité. Vous obtiendrez un comportement qui n’était pas explicitement programmé dans ces quatre règles.

Vous obtenez émergence.

Le modèle: Agents simples multiples

Imaginez maintenant que, au lieu de cellules sur une grille, vous avez des modèles langagiques.

Alone, chaque modèle estM SK1 fine. Il peut générer du texte . Réponse aux questions M SK4 Mais rien de spectaculaireMSC5

Mais ce qui se passe quand vous les connectez? Lorsque la sortie d'une devient l'entrée à une autre?

Modèle 1: Refinement séquentiel

Le modèle le plus simple : une chaîne.

Fast Model → Quality Model → Validator Model

1. Modèle rapide génére la structure de base :
2. Modèle de qualité Ajout de détails et de nuances (lower, mieux à la profondeurM SK2
3. Validateur vérification des erreurs et de l’incohérence (prixM SK1 capte ce que les autres manquent

Chaque modèle fait une seule chose. La chaîne fait quelque chose qu'aucun d'entre eux ne pourrait faire seuls : produire un produit de qualité élevée

L’émergence La chaîne possède des propriétés (speed + qualité + fiabilitéMSC3 qu'aucun modèle individuel n'a

Pattern 2: Specialisation parallèle

Divers agents travaillent simultanément sur différents aspects:

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

Chaque spécialiste est simple. Mais ensemble, ils créent une couverture globale qui prendrait beaucoup plus de temps pour produire un modèle généraliste — et d’une qualité inférieure dans chaque domaine .

L’émergence L’expertise par la division du travail. Aucun modèle unique n’est un expert, mais le collectif agite comme un seul modèleM SK2

Pattern 3: Loops de validation

Un agent génère, un autre valide, et si la validation est manquée , un troisième corrigeM SK3

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

Cela crée un système de correction autonome.

L’émergence La fiabilité des composants non fiables.

Pattern 4: Routage intelligent

Analyser la complexité d’une demande, puis passer à l’agent approprié:

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

L’émergence Coût-efficienceM SK1 Le système "prend des leçons " (par l’entremise de règles programméesMSC5 quand dépenser les ressources et quand les économiser

Le point de vue clef: M SK1 ≥+ ≤1 > 2

Aucun de ces modèles n’est particulièrement intelligent.

Mais les combinaison affiche des propriétés qui ressemblent beaucoup à:

• Décision (décisions de roulementM SK1
• Contrôle de la qualité (roues de validationM SK1
• Efficacité (traitement parallèleM SK1
• Expertise (spécialisationM SK1

De la même façon, quatre règles sur les voisins cellulaires créent des gliders et des fusils.

Les répercussions incommodes

Si ces modèles simples créent une complexité émergente...

Si les systèmes qui sont simplement "conformément aux règlesM SK1 commencent à présenter des propriétés semblables au jugement et à l’expertise...

Où'est la ligneM SK1

À quel point "règle sophistiquéeM SK1suite " devient-il "intelligence réelle"?

Un fondement pratique

Permettez-moi de concrétiser cela avant que nous ne soyons trop philosophiques.

Vous pouvez construire ces modèles aujourd’hui. Le code est simple:

// 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;
}

Trois fonctions appellent :

Il n’y a pas de Le modèle d'interaction.

Les quatre blocs de bâtiment

Ces modèles sont les fondements:

1. Amélioration séquentielle - Les données s’écoulent par étapesM SK1 chacune en ajoutant des raffinements
2. Spécialisation parallèle - Différents agents traitent simultanément différents aspects
3. Loops de validation - générer , vérifier M SK2 corriger , répéter jusqu'à ce que le seuil de qualité soit atteint
4. Routage hiérarchique - Analyser la complexitéM SK1 la voie jusqu’à un niveau de capacité approprié

Modèles simples. Aucun modèle individuel n’est particulièrement impressionnantM SK1

Mais ici, ce qui m'arrête à la nuit, c'est le ', les mêmes patrons, la spécialisation, le traitement parallèle, la validation, l'acheminement intelligent, le suivi par roulement et le suivi en temps réel. les activités des organisations humaines;.

Une entreprise a des spécialistes. Les équipes travaillent en parallèle. Le contrôle de la qualité valideM SK2 Les gestionnaires orientent les tâches vers les niveaux de compétences appropriés .

Les entreprises sont-elles intelligentes?

Peut-être que ce soit la même chose.

Qu'est-ce que cela signifie

Ces modèles créent des systèmes qui

• Prendre des décisions (routing)
• Présenter l'expertise (spécialisation)
• auto-correct M SK1validation)
• Optimiser les ressources (costM SK1aware routing)

Sur le plan extérieur, ça ressemble à l’intelligence. comportement sophistiqué . systèmes intelligentsM SK3

De l’intérieur, c’est seulement des règles simples qui interagissent avec '

La question: Y a-t-il une différence fondamentale entre ces deux points de vue?

Où allons-nous de là?

Jusqu’à présent, nous avons des agents multiples qui suivent des modèles simples. Le comportement est sophistiqué, mais le mécanisme est déterministe.

Mais ce qui se passe quand nous ajoutons un autre ingrédient?

Qu’arrive-t-il lorsque ces agents ne travaillent pas seulement en séquence ou parallèlement, mais plutôt communication?

Quand ils partagent le contexte. NégocierM SK1 Former des coalitions temporaires pour résoudre les problèmes.

Lorsque l’information ne circule pas dans des patrons prédéterminés, mais de façon dynamique basé sur le problème à la main?

C’est là que les choses se font vraiment intéressantes.

Parce que la communication crée un autre type d’émergence. intelligence collective qui existe dans le réseau lui-même.

Aucun agent unique ne comprend la solution.

---

Continuer à Partie 2: Renseignement collectif - Quand les agents communiquent

Lorsque nous étudions ce qui se passe lorsque des agents simples commencent à parler l’un avec l’autre , et pourquoi le groupe peut être plus intelligent que n’importe quel individu .

---

Navigation de série:

• Partie 1: Règles simples , comportement complexe ← Vous êtes ici
• Partie 2: Intelligence collective - La communication transforme tout
• 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