Hur flera enkla agenter skapar framväxande komplexitet

Anmärkning: Inspirerad av att tänka på förlängningar till mestadels lucid.mockllmapi och material för (aldrig att släppas men jag gillar att tänka på det) sci-fi roman "Michael" om framväxande AI

Absurdfrågan

Tänk om medvetandet bara är mycket sofistikerat om-då uttalanden?

Jag vet, jag vet. Det låter reduktivt till den grad att förolämpa. Tanken att mänskligt tänkande – med all sin kreativitet, känsla och djup – är i grunden bara beslut träd staplade på beslut träd tills något som utseende som intelligens dyker upp.

Men så här är det: jag kan inte skaka den.

För när man tittar på hur enkla regler skapar komplexa beteenden i naturen, börjar man undra...

Vad den här serien utforskar

Det här är del 1 i en 9-dels undersökning av hur enkla regler skapar komplexa, intelligenta beteenden.

Del 1 (Du är här): Enkla regler, Komplext beteende Grunden - hur flera enkla agenter efter grundläggande mönster skapar framväxande komplexitet som inte uttryckligen programmerats.

Del 2: Kollektiv intelligens - När agenter kommunicerar Vad händer när agenter inte bara följer mönster, utan faktiskt pratar med varandra? Informationsdelning, förhandling och kollektiv problemlösning omvandlar enkla multiagentsystem till något kvalitativt annorlunda.

Del 3: Självoptimering - System som förbättrar sig själva När agenter kan mäta sin egen prestanda och justera sitt beteende, får du system som utvecklas utan mänsklig intervention. Återkoppling slingan blir motorn för förbättring.

Del 4: Uppkomsten - när optimering blir intelligens Vid vilken tidpunkt blir "följa optimeringsregler" "faktisk intelligens"? Vi utforskar den obekväma tröskeln där sofistikerad regelföljning blir oskiljaktig från tänkande.

Del 5: Evolution - Från optimering till gillen och kultur Agenter som optimerar kollektivt börjar bilda specialiserade roller, utveckla delad kunskap och skapa framväxande "kultur". Systemet utvecklar preferenser, mönster och kollektivt minne.

Del 6: Globalt samförstånd - styrd evolution och Planetarisk kognition Skala dessa mönster till tusentals eller miljoner agenter, lägga till mekanismer för global samordning, och du får något som ser ut som planet-skal intelligens.

Del 7: Den verkliga saken! - Experimentera med riktad syntetisk evolution Teori möter övning. En fungerande implementering av evolutionär kodgenerering med hjälp av multi-agent LLMs, RAG minne, och faktisk självförbättring. Koden är verklig, kör lokalt, och verkligen utvecklas.

Del 8: Verktyg hela vägen ner - Den självoptimerande verktygslådan Hur verktygen själva fungerar, spåra användning, utvecklas och bli smartare med tiden. Varje verktyg spår kallelser, lär sig av mönster, utvecklar implementationer, cache svar, förhandlar fitness kompromisser, och versioner själv automatiskt.

Del 9: Självläkande verktyg - Lineage-Aware Beskärning och återhämtning När verktyg bryter sig igenom evolutionen bör systemet komma ihåg varför och aldrig upprepa misstaget. Den här delen utforskar självläkande genom linjespårning, grenbeskärning, undvikande regler och automatisk återhämtning från fel. Verktyg utvecklar institutionellt minne av vad man inte ska göra.

Stiftelsen: Conways livsspel

Innan vi pratar om LLMs och AI, låt oss prata om Game of Life.

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 (överbefolkning)
4. En död cell med exakt 3 grannar blir levande

Av dessa fyra triviala regler får man:

• Stabila strukturer (block, bikupor)
• Oscillatorer (blinkers, pulsarer)
• Glidare som rör sig över rutnätet
• Vapnen som skjuter glidflygplan
• Mönster som växer för evigt

Du får komplexitet från enkelhetDu får beteende som inte uttryckligen programmerades in i de fyra reglerna.

Du får Uppkomst.

Mönstret: Flera enkla agenter

Föreställ dig nu istället för celler på ett rutnät, du har språkmodeller. Enkla sådana. Var och en med begränsad kapacitet.

Varje modell kan generera text, svara på frågor, men inget spektakulärt.

Men vad händer när du ansluter dem? När resultatet av en blir indata till en annan?

Mönster 1: Sekventiell förfining

Det enklaste mönstret: en kedja.

Fast Model → Quality Model → Validator Model

1. Snabb modell genererar grundläggande struktur (billig, snabb, tillräckligt bra)
2. Kvalitetsmodell lägger till detaljer och nyanser (slower, bättre på djupet)
3. Validator kontroller av fel och inkonsekvens (dyrt, fångster som andra missar)

Varje modell gör en sak. Kedjan gör något som ingen av dem kan göra ensam: producera högkvalitativ produktion snabbt och tillförlitligt.

Uppkomsten: Kedjan har egenskaper (hastighet + kvalitet + tillförlitlighet) som ingen enskild modell har.

Mönster 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 omfattande täckning som skulle ta en generalistisk modell mycket längre tid att producera – och med lägre kvalitet i varje domän.

Uppkomsten: Expertis genom arbetsfördelning. Ingen enskild modell är expert, men kollektivet agerar som en.

Mönster 3: Valideringsklossar

En agent genererar, en annan validerar, och om validering misslyckas, en tredje korrigerar:

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

Detta skapar ett självkorrigeringssystem. Ingen enskild modell är särskilt bra på att undvika fel, men mönstret fångar och fixar dem.

Uppkomsten: Tillförlitlighet från opålitliga komponenter.

Mönster 4: Smart routing

Analysera komplexiteten i en begäran, sedan rutt till lämplig agent:

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

Uppkomsten: Kostnadseffektivitet. Systemet "lär" (genom programmerade regler) när man ska spendera resurser och när man ska spara dem.

Nyckelinsikten: 1 + 1 > 2

Ingen av dessa modeller är särskilt smart. Var och en följer bara sin programmering – besvara denna fråga, kontrollera denna utgång, rutt baserat på denna poäng.

Men det är jag inte. kombination uppvisar egenskaper som ser väldigt mycket ut som:

• Dom (vägbeslut)
• Kvalitetskontroll (valideringsslingor)
• Effektivitet (parallellbearbetning)
• Expertis (specialisering)

På samma sätt fyra regler om cellgrannar skapar glidflygplan och kanoner, fyra mönster av modellinteraktion skapar beteende som ser sofistikerad ut.

Den obehagliga implikationen

Om dessa enkla mönster skapar växande komplexitet...

Om system som bara "följer regler" börjar visa egenskaper som ser ut som omdöme och expertis...

Var är linjen?

Vid vilken tidpunkt blir "sofistisk regelefterlevnad" "faktisk intelligens"?

En praktisk grund

Låt mig stryka under detta i verkligheten innan vi blir alltför 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 funktion kallar. Det är allt. Men beteendet som uppstår – snabb högkvalitativ generation – finns inte i någon enda funktion.

Det är i interaktionsmönster.

De fyra byggnadsblocken

Dessa mönster är grunden:

1. Sekventiell förbättring - Data flödar genom steg, var och en lägger till förfining
2. Parallell specialisering - Olika agenter hanterar olika aspekter samtidigt
3. Valideringsloopar - Generera, kontrollera, korrekt, upprepa tills kvalitetströskeln uppnåtts
4. Hierarkisk routing - Analysera komplexitet, väg till lämplig kapacitetsnivå

Enkla mönster. Ingen individuell modell är särskilt imponerande.

Men här är vad som håller mig uppe på natten: dessa samma mönster – specialisering, parallell bearbetning, validering, smart routing – är hur mänskliga organisationers arbete.

Ett företag har specialister. Team arbetar parallellt. Kvalitetskontroll validerar. Chefer rutt uppgifter till lämpliga färdighetsnivåer.

Är företag intelligenta? Eller är de bara sofistikerade regelföljande system som uppvisar växande komplexitet?

Det kanske är samma sak.

Vad detta innebär

Dessa mönster skapar system som:

• Fatta beslut (routing)
• Visa expertis (specialisering)
• Självkorrekt (validering)
• Optimera resurser (kostnadsmedveten routing)

Från utsidan ser det ut som intelligens, sofistikerat beteende, smarta system.

Från insidan är det bara enkla regler som interagerar.

Frågan är: Finns det en grundläggande skillnad mellan dessa två åsikter? Eller är "intelligens" precis vad vi kallar tillräckligt komplex regelefterlevnad?

Var vi går härifrån

Vi har flera agenter som följer enkla mönster, beteendet är sofistikerat men mekanismen är deterministisk.

Men vad händer när vi tillsätter ytterligare en ingrediens?

Vad händer när agenterna inte bara arbetar i följd eller parallellt utan faktiskt kommunicera?

När de delar sammanhang. Förhandla. Bilda tillfälliga koalitioner för att lösa problem.

När information flödar inte i förutbestämda mönster, men dynamiskt Baserat på det aktuella problemet?

Det är då det blir riktigt intressant.

Eftersom kommunikation skapar en annan typ av uppkomst. Inte bara sofistikerat beteende från enkla regler, men Kollektiv underrättelseverksamhet som finns i själva nätverket.

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, och varför kollektivet kan vara smartare än någon individ.

---

Serienavigering:

• Del 1: Enkla regler, komplicerat beteende ← Du är här
• Del 2: Kollektiv underrättelseverksamhet - Kommunikation förändrar allt
• Del 3: Självoptimering - System som förbättrar sig själva
• Del 4: Uppkomsten - När optimering blir intelligens
• Del 5: Utveckling - Från optimering till gillen och kultur
• Del 6: Globalt samförstånd - Riktad evolution och planetarisk kognition
• Del 7: Den verkliga saken! - Att bygga den och se den utvecklas.
• Del 8: Verktyg hela vägen ner - Den självoptimerande verktygslådan