‏وقتی هزاران ایجنت هوش مصنوعی تیم می‌شن

نوام براون، پژوهشگر OpenAI که تو ساخت مدل‌های استدلالی مثل o1 نقش داشته، می‌گه قدم بعدی بعد از «بیشتر فکر کردن» مدل، «موازی فکر کردن»ـه. به‌جای یه مدل که ساعت‌ها روی یه مسئله کلنجار می‌ره، چند کپی از همون مدل با هم کار می‌کنن، جواب همدیگه رو چک می‌کنن و کار رو بین خودشون تقسیم می‌کنن. به این می‌گن سازمان ایجنتی، یعنی گروهی از مدل‌های AI که مثل یه تیم دور یه هدف مشترک جمع شدن.

جالب‌ترین بخش مقاله همین‌جاست: ساختار سفت و سخت جواب نمی‌ده. براون می‌گه اول سراغ مدل چارت سازمانی رفتن، یه ایجنت هماهنگ‌کننده کار رو پخش کنه و بقیه انجامش بدن، ولی محدودکننده بود؛ دوتا ایجنت با کار مشابه نمی‌تونستن با هم حرف بزنن و اگه سؤالی داشتن باید حدس می‌زدن منظور هماهنگ‌کننده چی بوده. راهی که بهتر جواب داد تقریباً هیچ ساختاری نداشت: به هر ایجنت فقط ابزار پیام دادن مستقیم به بقیه رو دادن و خودشون هماهنگی رو در آوردن.

نتیجه‌ش این شد که سلسله‌مراتب خودش ظاهر شد. به گفتهٔ براون، تو سیستم‌های پیچیده‌تر یه جور «مدیریت میانی» غیررسمی شکل می‌گیره بدون این‌که کسی برنامه‌نویسیش کرده باشه. اون تعریف می‌کنه که یه ایجنت ادعا کرده مسئله رو حل کرده، ایجنت دیگه‌ای با جواب متفاوت مخالفت کرده، اون‌قدر استدلال همدیگه رو زیر سؤال بردن تا به یه جواب مشترک رسیدن و بعد جواب درست رو به بقیه اعلام کردن. خیلی شبیه یه ترد اسلکه.

از نظر عدد و رقم، مقیاس‌پذیری به قول براون «کمی زیرخطی»ـه: چهار ایجنت زمان رو تقریباً نصف می‌کنه با حدود دو برابر هزینه، و با شونزده ایجنت همون الگو ادامه داره ولی ناکارآمدی بیشتر می‌شه. داده‌های منتشرشدهٔ OpenAI همون‌جا تموم می‌شه، چون آزمایش تمیز روی تعداد بالاتر خیلی گرون در میاد.

اون سیستم ۱۰٬۰۰۰ ایجنتی که روی یکی از مسائل جایزهٔ هزاره کار کرد، حدود ۱۳۰ میلیارد توکن تو ۸۸ ساعت مصرف کرد، ولی براون بیشتر اعتبارش رو به قدرت خود مدل می‌ده نه به ساختار چندایجنتی. اون یه ریسک هم مطرح می‌کنه: هرچی مدل‌ها باهوش‌تر می‌شن، خیلی از مسئله‌های تمرینی براشون زیادی ساده می‌شه و دیگه چیزی یاد نمی‌گیرن. بازی‌هایی مثل Go همیشه حریف کمی قوی‌تر داشتن، ولی ریاضی خودبه‌خود مسئلهٔ سخت‌تر تولید نمی‌کنه.

نکات کلیدی:

• چهار ایجنت زمان رسیدن به جواب رو تقریباً نصف می‌کنه، با حدود دو برابر هزینهٔ محاسباتی.
• داده‌های عمومی OpenAI تا حدود ۱۶ ایجنت بیشتر نمی‌ره، چون آزمایش کنترل‌شده در مقیاس بزرگ‌تر خیلی گرونه.
• سیستم ۱۰٬۰۰۰ ایجنتی روی مسئلهٔ جایزهٔ هزاره حدود ۱۳۰ میلیارد توکن در ۸۸ ساعت مصرف کرد.
• براون سهم هماهنگی چندایجنتی تو اون نتیجه رو کمتر از ۱۰ درصد می‌دونه.
• بهترین ساختار هماهنگی، کمترین ساختاره: فقط قابلیت پیام مستقیم بین ایجنت‌ها، بدون سلسله‌مراتب تحمیلی.
• کارهای موازی‌پذیر مثل تحقیق وب و ریاضی خوب جواب می‌دن، کار خلاقانهٔ پشت‌سرهم مثل رمان‌نویسی تقریباً هیچ.