探秘“机器人社会”：智能体协作向自然取经

本文围绕智能体技术进入爆发期展开，介绍了通用群体智能在人工智能领域的重要地位和发展前景，探讨了大模型幻觉问题及群体智能的协同挑战，还提及向自然界群体智能学习来解决相关难题。

近来，国内外多个智能体产品如雨后春笋般密集发布，这一现象宛如一颗信号弹，标志着智能体技术已然进入了爆发期。人工智能学术界和产业界的目光，早已不仅仅停留在当下的智能体发展，而是开始思索智能体的下一步进化方向。他们期望让那些各具专长的“机器人”能够实现协同进化，从而为人类完成诸如科学发现、社会互动模拟等更为复杂艰巨的任务。

在今日举行的“通用群体智能学术论坛”上，上海人工智能实验室主任、首席科学家周伯文发表了重要观点。他认为，群体智能作为人工智能领域中极具潜力和活力的研究方向，意义非凡。它既是通用人工智能发展的重大目标，也是通向通用人工智能的有效路径之一。他感慨道：“人工智能的浪潮正以前所未有的速度重塑人类文明，通用群体智能即将赋能千行百业。”

市科委副主任屈炜也表达了自己的看法。他指出，当前人工智能正在经历一场范式变革，通用群体智能已成为抢占人工智能战略制高点的一个重要技术选择方向。上海正全力打造人工智能的高地，通过推动通用群体智能的系统攻关，筑牢相关理论与生态基础，有望推动我国人工智能实现跨越发展，为构建全球领先的人工智能体系奠定坚实基础。

未来通用群体智能或将媲美人类社会

大模型出现幻觉这一现象似乎难以避免，这究竟是为何呢？北京航空航天大学教授吴文峻给出了解释。他认为这与基础模型的局限性密切相关。他形象地比喻道：“无法与环境交互的基础模型就好像‘缸中之脑’，要与环境互动才能消除幻觉。”他进一步介绍，当大模型与信息系统交互就发展出软件智能体，而与物理环境交互就是具身智能体。

吴文峻教授在论坛上做报告

随着教育、医疗、自动驾驶、工业等领域的智能体越来越多，学术界和产业界都敏锐地意识到，将它们有效组织起来，将大幅提升智能体解决复杂任务的能力。上海人工智能实验室青年科学家白磊在报告中提到，群体智能目前已获得产业界的广泛关注，并展现出了重要的应用价值。他大胆预测：“未来通用群体智能或将可媲美人类社会。”

上海人工智能实验室青年科学家白磊

过去一年，上海人工智能实验室在通用群体智能的多个方面进行了积极探索，并取得了多项显著进展。例如，他们开发的科学群体智能已表现出超越人类专家的水平。其化学反应优化多智能体系统让某创新药物前体的合成反应在催化剂用量降低10倍的同时，产率提升20倍。此外，他们还研发了通用大规模智能体社会模拟平台OASIS，能够对羊群效应、留言传播等多种社会现象进行模拟，可支持百万量级智能体的交互模拟。

吴文峻还提到，目前群体智能已从最初的“群而不智”，逐步向基于生成式AI的通用群体智能发展，未来将逐步形成具有自适应性的“机器人社会”。他举例说：“将来一个人类操作员可以同时指挥很多无人机，它们大多会自行根据任务和周围环境自动做出决策，只有少数无人机在遇到解决不了的问题时，才会与人类操作员对话寻求帮助。”

从“踩死蚂蚁”中学习自然界群体智能

当智能体逐渐融入社会各行各业，“机器人团队”的规模将可能从几个、几十个，呈指数级发展到成千上万个。如此大规模的智能体该如何协同，这无疑是一个巨大的挑战，甚至可能超出了我们现有的认知框架。

当群体中的智能体数量不断增加，基于语言大模型的多智能体系统已经暴露出一系列局限性，如通信效率遭遇瓶颈、协同决策复杂性骤增、资源消耗失衡等。南京大学高阳教授在报告中列举了多智能体失效的案例，比如在一些救援任务中，无人机群因算力不足、通信障碍，导致部分智能体与群体“失联”，未能按既定目标完成任务。

南京大学高阳教授在论坛上演讲

高阳教授认为，学习自然界中群体智能的组织方式，或许能给人类带来宝贵的启迪。他举例说，如果不小心踩死几只蚂蚁，整个蚁群并不会受到太大影响，它们只需通过局部调整，就能继续推进搬运、觅食、筑巢等任务。他强调：“蚁群群体智能所具有的分布式决策、自适应和快速重构等特征，或许正是值得我们借鉴的。”

数万只候鸟迁徙、几十万条鱼类洄游……这些自然界的群体行为背后，群体架构是如何组织的？内部通信又是如何进行的呢？在高阳看来，这些群体智能具有群体易扩展、任务自分配、交互低复杂、容错自适应等特点。他指出：“即使智能个体能力较弱，也可能通过适当的群体组织，达到更强的能力。”

不过，当前通用群体智能还缺乏一套统一的理论基础。高阳认为，当务之急是尽快构建起机器人世界的“通用语”，让智能体之间能够实现协同协商，从而实现能力“涌现效果”。例如，让不同领域的“医生智能体”通过协作投票、交流意见，并整合多轮讨论结果，最终实现更好的诊断推理能力。

本文围绕智能体技术爆发展开，介绍了通用群体智能在人工智能领域的重要地位和发展潜力，探讨了大模型幻觉问题及群体智能协同的挑战，还提出向自然界群体智能学习的思路。尽管通用群体智能发展前景广阔，但仍面临理论基础缺失等问题，需要进一步研究和探索。