AI和分布式計(jì)算領(lǐng)域快速發(fā)展，標(biāo)志著昔日的單體范式迎來徹底變革。它引領(lǐng)我們進(jìn)入由智能智能體組成的復(fù)雜網(wǎng)絡(luò)相互協(xié)作的時(shí)代。多智能體系統(tǒng)（MAS）已成為一種至關(guān)重要的架構(gòu)范式，正徹底改變業(yè)界處理復(fù)雜計(jì)算問題的方法。從穿梭城市街道的自動(dòng)駕駛汽車車隊(duì)，到能夠立即做出財(cái)務(wù)決策的AI系統(tǒng)，我們都能親眼見證。

但究竟是什么促使人們使用這種互聯(lián)的智能系統(tǒng)？設(shè)計(jì)和維護(hù)多個(gè)協(xié)作智能體面臨的障礙何時(shí)證明有必要放棄更簡單的單智能體方法？我們將全面探討不僅使多智能體系統(tǒng)（MAS）實(shí)用，而且對于解決當(dāng)下一些最熱門的技術(shù)問題至關(guān)重要的充分理由。

什么是多智能體系統(tǒng)？?

多智能體系統(tǒng)是一種計(jì)算框架，其中的智能體能夠自主運(yùn)行，位于一個(gè)共同的環(huán)境中，它們彼此協(xié)作或競爭，以實(shí)現(xiàn)某些目標(biāo)。與中央控制器協(xié)調(diào)所有動(dòng)作的傳統(tǒng)系統(tǒng)不同，MAS為多個(gè)實(shí)體提供分布式智能，每個(gè)實(shí)體都能夠感知、推理和行動(dòng)。

圖1

智能體可以是簡單的反應(yīng)式系統(tǒng)、響應(yīng)環(huán)境刺激的程序或者是基于機(jī)器學(xué)習(xí)算法做出復(fù)雜決策的高度復(fù)雜的認(rèn)知智能體。多智能體系統(tǒng)（MAS）與普通程序集合體的區(qū)別在于，它對交互、協(xié)調(diào)以及來自智能體網(wǎng)絡(luò)集體智慧的涌現(xiàn)進(jìn)行了針對性的設(shè)計(jì)。

多智能體系統(tǒng)的關(guān)鍵特征?

多智能體系統(tǒng)（MAS）的一些關(guān)鍵特征確保它們與傳統(tǒng)計(jì)算機(jī)架構(gòu)截然不同：

• 自主性：自主性是多智能體系統(tǒng)（MAS）的本質(zhì)，智能體獨(dú)立行動(dòng)，不受外部直接控制。智能體基于內(nèi)部狀態(tài)、環(huán)境感知以及設(shè)定的目標(biāo)做出決策。
• 去中心化：它以分布式方式處理算法解決方案的計(jì)算，以避免系統(tǒng)中出現(xiàn)單一故障點(diǎn)。與所有操作都由主控制器管理的傳統(tǒng)系統(tǒng)不同，MAS依賴點(diǎn)對點(diǎn)交互和去中心化的決策流程。
• 交互與通信：在此，智能體交換信息，并協(xié)商以協(xié)調(diào)其行動(dòng)。此類交互可以是輕量級的通信，也可以是高度復(fù)雜的通信，包括拍賣、共識或行為建模等機(jī)制。

身份危機(jī)：什么構(gòu)成了多智能體系統(tǒng)？

在AI領(lǐng)域，大語言模型每天都占據(jù)頭條新聞，多智能體系統(tǒng)這一術(shù)語終于隨著 Anthropic的研究論文而卷土重來。在此背景下，你會(huì)發(fā)現(xiàn)許多基本上采用LLM編排工作流程的新聞應(yīng)用程序被重新命名為MAS。但數(shù)百篇互聯(lián)網(wǎng)文章并未充分強(qiáng)調(diào)一個(gè)非常重要的觀點(diǎn)：鏈接幾個(gè)LLM調(diào)用本身并不構(gòu)成多智能體系統(tǒng)。

多智能體世界目前面臨著一個(gè)微妙而棘手的身份問題。許多人只考慮每個(gè)智能體（通常是LLM）的智能程度，忽略了多智能體系統(tǒng)（MAS）的基本面。多智能體系統(tǒng)的真正定義及其強(qiáng)大之處在于智能體之間的交互。它并非一個(gè)大型的LLM將任務(wù)通過管道傳遞給另一個(gè)智能體，真正的多智能體系統(tǒng)意味著：

• 涌現(xiàn)行為：復(fù)雜的智能行為源于智能體的交互，這些行為并非明確地被編程到智能體本身中。
• 協(xié)商與協(xié)調(diào)：智能體真正地參與通信、資源協(xié)商、沖突解決以及動(dòng)態(tài)協(xié)調(diào)行動(dòng)以實(shí)現(xiàn)目標(biāo)，而不僅僅是遵循預(yù)定的順序。
• 去中心化決策：真正擁有MAS經(jīng)驗(yàn)的智能體會(huì)根據(jù)本地信息和共同行動(dòng)做出決策，從而促成全局結(jié)果，又不受到中央實(shí)體的持續(xù)監(jiān)控。

圖2

如果不關(guān)注動(dòng)態(tài)交互、協(xié)作和涌現(xiàn)特性，你得到的可能只是一條復(fù)雜的管道或分布式系統(tǒng)，而不是真正的多智能體系統(tǒng)，無法邁入集體型AI的下一個(gè)階段。理解這種差異是構(gòu)建真正解決復(fù)雜問題的系統(tǒng)的關(guān)鍵，單智能體智能解決不了這類問題。

為什么多智能體系統(tǒng)不再可有可無？?

MAS從“可有可無”到“任務(wù)必需”的轉(zhuǎn)變，源于我們思考和實(shí)施技術(shù)復(fù)雜解決方案的方式發(fā)生了根本性的轉(zhuǎn)變。以下幾個(gè)因素共同使MAS在當(dāng)代應(yīng)用中必不可少。

征服前所未有的復(fù)雜性

單體系統(tǒng)架構(gòu)滿足不了現(xiàn)代技術(shù)場景的需求。比如管理全球供應(yīng)鏈，成千上萬的供應(yīng)商、制造商、分銷商和零售商必須跨不同的時(shí)區(qū)、貨幣和監(jiān)管環(huán)境進(jìn)行協(xié)調(diào)。傳統(tǒng)上，集中式架構(gòu)在計(jì)算開銷和提供實(shí)時(shí)決策方面帶來了挑戰(zhàn)。

MAS將復(fù)雜問題分解成了易于管理的小問題，然后交由智能體處理。比如說，這種有利于供應(yīng)鏈管理的系統(tǒng)可能包含監(jiān)控供應(yīng)商績效的采購智能體、確定最佳運(yùn)輸路線的物流智能體以及預(yù)測市場趨勢的需求預(yù)測智能體。每個(gè)智能體都擁有各自的專業(yè)領(lǐng)域知識，為實(shí)現(xiàn)系統(tǒng)的目標(biāo)做出貢獻(xiàn)。

另一個(gè)優(yōu)點(diǎn)是問題分解的精細(xì)度會(huì)增加。在多智能體解決問題時(shí)，智能體會(huì)針對發(fā)展中的問題尋找解決方案，當(dāng)一個(gè)智能體無法執(zhí)行時(shí)，另一個(gè)智能體會(huì)執(zhí)行。谷歌的搜索算法就是這方面的一個(gè)例子。它雇用了互聯(lián)網(wǎng)搜索領(lǐng)域的數(shù)百名小型專家。不同的智能體查看網(wǎng)頁內(nèi)容的不同部分、用戶行為信號和相關(guān)性信號等。隨著系統(tǒng)協(xié)同學(xué)習(xí)，搜索結(jié)果越來越準(zhǔn)確。

追求超高效率和彈性

我們生活在系統(tǒng)無法承受任何故障的這樣一個(gè)時(shí)代。關(guān)鍵應(yīng)用程序再也無法容忍單一故障點(diǎn)。此外，隨著用戶數(shù)量的不斷增長和海量數(shù)據(jù)的涌現(xiàn)，用戶對效率的期望也越來越高。

這時(shí)候多智能體系統(tǒng)（MAS）可以發(fā)揮作用。其優(yōu)勢在于分布式彈性。如果一個(gè)智能體出現(xiàn)故障或失敗，沒關(guān)系——其他智能體會(huì)接替工作，重新安排任務(wù)，甚至生成替代智能體。亞馬遜的推薦系統(tǒng)就是一個(gè)典型的實(shí)例。即使某一部分離線，系統(tǒng)也能保持平穩(wěn)運(yùn)行。它會(huì)繼續(xù)提供建議、分散工作負(fù)載，并恢復(fù)故障部分，用戶根本察覺不到。

這也帶來了巨大的效率提升。MAS無需預(yù)留大量資源來應(yīng)對偶爾出現(xiàn)的峰值負(fù)載，而是讓你可以動(dòng)態(tài)擴(kuò)展。當(dāng)需求低下時(shí)，運(yùn)行的智能體數(shù)量較少，從而節(jié)省電力和算力。一旦流量激增，新的智能體就會(huì)加入進(jìn)來，確保系統(tǒng)最高速運(yùn)行。

發(fā)掘分布式數(shù)據(jù)和物聯(lián)網(wǎng)的力量

鑒于物聯(lián)網(wǎng)設(shè)備無處不在，數(shù)據(jù)分散在全球各地，集中式系統(tǒng)已達(dá)到極限。帶寬、延遲、隱私，所有這些因素使得集中式大型系統(tǒng)難以處理所有問題。MAS幾乎是為應(yīng)對這一挑戰(zhàn)而量身定制的。以智慧城市為例。路口的本地交通智能體無需將所有決策都發(fā)送到中央服務(wù)器，而是在數(shù)據(jù)收集地直接處理數(shù)據(jù)。它們可以當(dāng)場決定如何為交通信號燈計(jì)時(shí)，同時(shí)仍將更全面的數(shù)據(jù)反饋給城市的協(xié)調(diào)系統(tǒng)。

隱私和數(shù)據(jù)主權(quán)也日益受到關(guān)注。許多行業(yè)不允許敏感數(shù)據(jù)的傳輸。MAS支持聯(lián)合學(xué)習(xí)——本地智能體可以處理數(shù)據(jù)、改進(jìn)模型，并只共享安全的聚合更新內(nèi)容。醫(yī)院已經(jīng)在這么做了：每一處的智能體從各自的患者數(shù)據(jù)中學(xué)習(xí)，但只在網(wǎng)絡(luò)上共享匿名的改進(jìn)內(nèi)容。

由于物聯(lián)網(wǎng)牽涉眾多的設(shè)備和協(xié)議，MAS通過配備專門的智能體來解決這一問題，這些智能體能夠理解每種設(shè)備的語言，規(guī)范數(shù)據(jù)，并為更廣泛的系統(tǒng)提供清晰統(tǒng)一的視圖。

何時(shí)構(gòu)建多智能體系統(tǒng)？

那么，何時(shí)構(gòu)建MAS才真正有意義呢？關(guān)鍵不在于追逐最新技術(shù)，而是在于讓MAS克服挑戰(zhàn)。以下是MAS真正發(fā)揮作用的場景。

協(xié)作很關(guān)鍵

當(dāng)不同的自主部件需要協(xié)同工作時(shí)，MAS是天然的選擇。想想自動(dòng)駕駛汽車協(xié)調(diào)以避免碰撞，或者全球科學(xué)家在一個(gè)大型聯(lián)合項(xiàng)目（比如大型強(qiáng)子對撞機(jī)的粒子物理分析）中匯集數(shù)據(jù)和研究成果。

另一個(gè)例子是復(fù)雜的談判，比如并購期間的談判。MAS可以針對具有各自目標(biāo)和約束的不同參與方進(jìn)行建模，并幫助模擬談判策略或結(jié)果。

當(dāng)集中式解決方案不切實(shí)際或無法實(shí)現(xiàn)時(shí)

有些挑戰(zhàn)過于龐大、過于分散或過于碎片化，以至于集中式解決方案無法奏效。全球金融市場就是一個(gè)典例。它們跨越不同時(shí)區(qū)、貨幣和法規(guī)，全天候運(yùn)作。一個(gè)中央系統(tǒng)無力應(yīng)對。

災(zāi)難響應(yīng)是另一個(gè)例子。當(dāng)通信線路中斷時(shí)，本地團(tuán)隊(duì)仍需要協(xié)調(diào)、做出決策和采取行動(dòng)——MAS支持這種自主但一致的行動(dòng)。此外還有跨不同公司的流程，比如供應(yīng)鏈。每個(gè)組織都希望控制自己的系統(tǒng)，但它們?nèi)孕枰獏f(xié)作。MAS允許這么做，無需強(qiáng)制設(shè)立集中式機(jī)構(gòu)。

應(yīng)對動(dòng)態(tài)和不確定的環(huán)境

市場千變?nèi)f化、瞬息萬變。你無法預(yù)測接下來會(huì)發(fā)生什么。網(wǎng)絡(luò)安全威脅層出不窮。針對云資源的需求瞬息萬變。MAS 幫助系統(tǒng)在動(dòng)態(tài)變化中保持敏捷、快速適應(yīng)策略、調(diào)整資源、應(yīng)對威脅，這一切都實(shí)時(shí)進(jìn)行。

整合遺留系統(tǒng)或異構(gòu)組件時(shí)

大多數(shù)組織混合使用新舊系統(tǒng)、不同的協(xié)議和不同的接口。MAS可以介于這些系統(tǒng)之間，智能體負(fù)責(zé)處理繁瑣的轉(zhuǎn)換和協(xié)調(diào)工作。

醫(yī)療保健 IT就是一個(gè)例子。MAS將病歷、設(shè)備、藥房和保險(xiǎn)公司連入到合理的工作流程中。即使這些系統(tǒng)并非為相互通信而設(shè)計(jì)，它們也能完美地協(xié)同工作。

當(dāng)可擴(kuò)展性和穩(wěn)健性至關(guān)重要時(shí)

在你服務(wù)數(shù)百萬用戶的場景中，比如內(nèi)容交付、在線游戲和電信網(wǎng)絡(luò)，MAS發(fā)揮著巨大的作用。MAS有助于分配負(fù)載、適應(yīng)不斷變化的條件，并在故障后恢復(fù)如初，又不導(dǎo)致整個(gè)系統(tǒng)癱瘓。

多智能體系統(tǒng)如何工作？

究其核心，MAS由能夠感知環(huán)境、推理發(fā)生的事情、做出決策并采取相應(yīng)行動(dòng)的智能體構(gòu)建而成。這些智能體以不同的方式進(jìn)行通信，即：

• 直接消息
• 共享的數(shù)據(jù)空間
• 發(fā)布-訂閱模式

協(xié)調(diào)通過拍賣、任務(wù)競標(biāo)或共識協(xié)議等機(jī)制進(jìn)行。MAS最棘手的部分之一是處理涌現(xiàn)行為，即多個(gè)智能體交互時(shí)出現(xiàn)的模式。

圖3

有時(shí)這些模式很棒，有時(shí)卻并非你所期望的。優(yōu)秀的MAS設(shè)計(jì)包含觀察這些模式并根據(jù)需要進(jìn)行引導(dǎo)的方法。智能體還可以通過反饋、另外的智能體或通過幫助系統(tǒng)不斷改進(jìn)的進(jìn)化過程來學(xué)習(xí)和適應(yīng)。

構(gòu)建多智能體系統(tǒng)為何如此困難？

MAS大有潛力，但也帶來了嚴(yán)峻的技術(shù)挑戰(zhàn)，比如：

• 協(xié)調(diào)很快會(huì)變得復(fù)雜。添加的智能體越多，保持一切平穩(wěn)運(yùn)行就越困難。
• 調(diào)試成為一個(gè)令人頭疼的問題，因?yàn)閱栴}常常來自智能體之間微妙的交互。
• 涌現(xiàn)可能是一把雙刃劍。系統(tǒng)可能會(huì)以你意想不到的方式運(yùn)行，結(jié)果并不總是好的。
• 通信可能成為瓶頸。智能體之間的所有交互都會(huì)給網(wǎng)絡(luò)帶來壓力，并消耗資源。
• 安全比較棘手。在分布式系統(tǒng)中，建立信任并阻止不法分子較為困難。
• 測試和驗(yàn)證很困難。你無法在整個(gè)系統(tǒng)運(yùn)行之前總是發(fā)現(xiàn)問題，因?yàn)楹艽蟪潭壬先Q于智能體在大規(guī)模環(huán)境下如何交互。
• 性能調(diào)優(yōu)是一門藝術(shù)。平衡單個(gè)智能體的效率、協(xié)調(diào)開銷和整體系統(tǒng)性能需要經(jīng)驗(yàn)，還常常需要大量的試錯(cuò)。

圖4

結(jié)論?

多智能體系統(tǒng)已從學(xué)術(shù)界好奇的事物發(fā)展成為應(yīng)對當(dāng)今復(fù)雜互聯(lián)挑戰(zhàn)的關(guān)鍵架構(gòu)模式。當(dāng)你面臨需要分布式操作、快速適應(yīng)或大規(guī)模協(xié)作的問題時(shí)，MAS提供了傳統(tǒng)系統(tǒng)無法比擬的方案。

但MAS并非僅僅因?yàn)槁犉饋砗馨艟腿ナ褂?。只有?jīng)過仔細(xì)選擇，其優(yōu)勢與實(shí)際問題相匹配，才能獲得最佳結(jié)果。此外，團(tuán)隊(duì)還必須為構(gòu)建和管理這些系統(tǒng)的實(shí)際工作做好準(zhǔn)備。

原文標(biāo)題：??Why And When do we need to build Multi-Agent Systems???，作者：Riya Bansal