我們能否創造一個世界？在那個世界里，機器人能夠像人類一樣生活、工作、社交，去復刻人類社會的方方面面。

這種想象，曾在影視作品《西部世界》的設定中被完美地還原出來：眾多預裝了故事情節的機器人被投放到一個主題公園內，它們可以像人類一樣行事，記得自己看到的東西、遇到的人、說過的話。每天，機器人都會被重置，回到它們的核心故事情節中。

《西部世界》劇照，左邊人物為預裝了故事情節的機器人。

再把想象力擴張一下：放在今天，如果我們想把 ChatGPT 這樣的大語言模型變成西部世界的主人，又會怎么做？

在最近爆火的一篇論文中，研究者們成功地構建了一個「虛擬小鎮」，25 個 AI 智能體在小鎮上生存，它們不僅能夠從事復雜的行為（比如舉辦情人節派對），而且這些行為比人類角色的扮演更加真實。

• 論文鏈接：https://arxiv.org/pdf/2304.03442v1.pdf
• Demo 地址：https://reverie.herokuapp.com/arXiv_Demo/

從《模擬人生》這樣的沙盒游戲到認知模型、虛擬環境等應用，四十多年來，研究者們一直設想去創建能夠實現可信人類行為的智能體。在這些設想中，由計算驅動的智能體的行為會與其過往經驗一致，并對環境做出可信的反應。這種人類行為的模擬可以用現實社會現象填充虛擬空間和社區，訓練「人們」去處理罕見但困難的人際關系、測試社會科學理論、制作理論和可用性測試的人類處理器模型、提供泛在計算應用和社交機器人動力，還能為在開放世界（Open World）中駕馭復雜人類關系的 NPC 角色奠定基礎。

但人類行為的空間是巨大而復雜的。盡管在大型語言模型可以模擬單個時間點上的可信人類行為，但要想確保長期一致性，通用智能體需要一個架構來管理不斷增長的記憶，因為新的互動、沖突和事件隨著時間推移而出現和消退，同時還要處理多個智能體之間展開的級聯社會動態。

如果一種方法能夠在很長一段時間內檢索相關的事件和互動，對這些記憶進行反思，并歸納和得出更高層次的推論，并應用這種推理來創建對當下和長期智能體行為有意義的計劃和反應，那么距離夢想實現就不遠了。

這篇新論文介紹了「Generative Agents」（生成式智能體），一種利用生成模型來模擬可信人類行為的智能體，并證明它們能產生可信的個人和突發群體行為的模擬：

• 能夠對自己、其他智能體和環境進行廣泛的推斷；
• 能夠創建反映自身特點和經驗的日常計劃，執行這些計劃，做出反應，并在適當的時候重新計劃；
• 能夠在終端用戶改變環境或用自然語言命令它們時做出反應。

「Generative Agents」背后是一個新的智能體架構，能夠存儲、合成和應用相關的記憶，使用大型語言模型生成可信的行為。

舉個例子，「Generative Agents」如果看到它們的早餐正在燃燒，會關掉爐子；如果浴室有人，會在外面等待；如果遇到想交談的另一個智能體，會停下來聊天。一個充滿「Generative Agents」的社會是以新興的社會動態為標志的，在這個社會中，新的關系被形成，信息被擴散，并在智能體之間產生協調。

具體而言，研究者在這篇論文中公布了幾點重要細節： 

• Generative Agents，是對人類行為的可信模擬，它以智能體不斷變化的經驗和環境為條件進行動態調整；
• 一個新穎的架構，使 Generative Agents 有可能記住、檢索、反思、與其他智能體互動，并通過動態演變的環境進行規劃。該架構利用了大型語言模型的強大 prompt 能力，并對這些能力進行了補充，以支持智能體的長期一致性、管理動態演變的記憶能力，以及遞歸地產生更多的世代；
• 兩項評估（對照評估和端到端評估），確定架構各組成部分的重要性的因果關系，以及確定因記憶檢索不當等原因而產生的故障；
• 討論了交互系統中 Generative Agents 的機會和倫理及社會風險。研究者認為應該對這些智能體進行調整，減輕用戶形成寄生社會關系的風險，對其進行記錄以減輕由 deepfake 和定制說服所帶來的風險，并在設計過程中以補充而非取代人類利益相關者的方式進行應用。

文章一經發布，就引起了全網的熱議。本就看好「AutoGPT」方向的 Karpathy 連連贊嘆，認為「Generative Agents」比之前玩概念的「Open World」高了不是一點半點：

更有研究者斷言，這項研究的發布，意味著「大型語言模型實現了新的里程碑式進展」：

「Generative Agents」行為及其交互

為了使「Generative Agents」更加具體化，該研究將它們實例化為沙盒世界中的角色。

25 個智能體居住在名為 Smallville 的小鎮，每個智能體由一個簡單的化身表示。所有的角色都可以：

• 與別人和環境交流；
• 記住并回憶它們所做的和觀察到的事情；
• 反思這些觀察結果；
• 制定每天的計劃。

研究者用自然語言描述了每個智能體的身份，包括它們的職業以及與其他智能體的關系，并將這些信息作為種子記憶。舉例來說，智能體 John Lin 有如下描述（本文截取了一段）：

「John Lin 是一名藥店店主，他樂于助人。他一直在尋找使客戶更容易獲得藥物的方法。John Lin 的妻子是大學教授 Mei Lin ，它們和學習音樂理論的兒子 Eddy Lin 住在一起；John Lin 非常愛它的家人；John Lin 認識隔壁的老夫婦 Sam Moore 和 Jennifer Moore 好幾年了……」

身份設定好之后，接著就是智能體如何與世界交互了。

在沙盒的每個 step 內，智能體都輸出一個自然語言語句，以描述它們當前的動作，例如語句「Isabella Rodriguez 正在寫日記」、「Isabella Rodriguez 正在查看郵件」等。然后這些自然語言被轉化為影響沙盒世界的具體動作。動作以一組表情符號的形式顯示在沙盒界面上，這些表情符號提供了動作的抽象表征。

為了實現這一點，該研究采用了一種語言模型，可以將動作轉換為一組表情符號，這些表情符號出現在每個智能體化身上方的對話框中。例如，「Isabella Rodriguez 正在寫日記」顯示為 ，「Isabella Rodriguez 正在查看郵件」顯示為 。 除此以外，通過單擊智能體頭像可以訪問完整的自然語言描述。

智能體之間用自然語言進行交流，假如智能體意識到在其周圍有其他智能體，它們會思考要不要走過去進行聊天。例如 Isabella Rodriguez 和 Tom Moreno 就即將到來的選舉進行了對話：

除此以外，用戶還可以指定智能體扮演什么角色，例如，指定其中一個智能體為記者，你就可以向該智能體咨詢新聞方面的內容。

智能體與環境的交互

Smallville 小鎮有許多公共場景，包括咖啡館、酒吧、公園、學校、宿舍、房屋和商店。此外，每個公共場景還包括自身具有的功能以及對象，例如房子中有廚房、廚房中有爐子 (圖 2)。在智能體的生活空間中還有床、桌子、衣柜、架子，以及浴室和廚房。

智能體可以在 Smallville 內隨處走動，進入或離開一座建筑，導航前行，甚至去接近另一個智能體。智能體的移動由 Generative Agents 的架構和沙盒游戲引擎控制：當模型指示智能體移動到某個位置時，該研究會計算其在 Smallville 環境中到達目的地的步行路徑，然后智能體開始移動。

此外，用戶和智能體還可以影響該環境下其他物體的狀態，例如，當智能體睡覺時床是被占用的，當智能體用完早餐冰箱可能是空的。最終用戶還可以通過自然語言重寫智能體環境。例如用戶在 Isabella 進入浴室時將淋浴器狀態設置為漏水，之后 Isabella 會從客廳找到工具并嘗試修復漏水問題。

智能體一天的生活

從一段描述開始，智能體開始計劃一天的生活。隨著時間在沙盒世界中的流逝，智能體的行為隨著彼此之間的交互以及與世界的互動、自身建立的記憶等逐漸改變。下圖為藥店店主 John Lin 一天的行為。

在這個家庭中，John Lin 早上七點第一個起床，然后刷牙、洗澡、穿衣服、吃早餐，接著在客廳的餐桌旁瀏覽新聞。早上 8 點，John Lin 的兒子 Eddy 也跟著起床準備上課。他臨出門時和 John 進行對話，內容為：

Eddy 出發后不久，他的媽媽 Mei 也醒了過來，Mei 問起兒子，John 回憶起它們剛剛的對話，然后有了下面對話

社交能力

除此以外，「Generative Agents」還表現出社會行為的涌現。通過相互交互，「Generative Agents」在 Smallville 環境下交換信息，形成新的關系。這些社會行為是自然產生的，而不是預先設定好的。例如當智能體注意到對方的存在時，可能會進行一場對話，對話信息可以在智能體之間傳播。

讓我們看幾個例子：

信息傳播。當智能體注意到對方，它們可能會進行對話。當這樣做時，信息可以從智能體傳播到另一智能體。例如，在 Sam 和 Tom 在雜貨店的對話中，Sam 告訴了 Tom 他在當地選舉中的候選資格：

當天晚些時候，在 Sam 離開后，從另一個渠道聽到消息的 Tom 和 John 討論了 Sam 贏得選舉的機會：

漸漸地，Sam 的候選資格成為了鎮上的話題，有人支持他，也有人猶豫不決。

關系記憶。隨著時間的推移，小鎮上的智能體形成了新的關系，并記住了它們與其他智能體的互動。例如，Sam 一開始并不認識拉 Latoya Williams。在約翰遜公園散步時，Sam 碰到了 Latoya，互相做了自我介紹，Latoya 提到自己正在進行一個攝影項目：「我在這里為正在進行的一個項目拍攝照片。」在后來的互動中，Sam 與 Latoya 的互動表明了對這件事的記憶，Sam 問道：「Latoya，你的項目進展如何？」Latoya 回答：「進展得很好！」

協調能力。Isabella Rodriguez 經營一家 Hobbs 咖啡館，打算在 2 月 14 日下午 5 點到 7 點舉辦一場情人節派對。從這個種子開始，當 Isabella Rodriguez 在 Hobbs 咖啡館或其他地方遇到朋友和顧客時，就會發出邀請。13 日下午，Isabella 開始裝飾咖啡館。Isabella 的常客和密友 Maria 來到咖啡館。Isabella 請求 Maria 幫忙布置派對，Maria 同意了。Maria 的角色描述是它喜歡 Klaus。那天晚上，Maria 邀請它的暗戀對象 Klaus 一起參加派對，Klaus 欣然接受。

情人節那天，包括 Klaus 和 Maria 在內的五名智能體在下午 5 點出現在 Hobbs 咖啡館，它們享受著慶祝活動（圖 4）。在這個場景中，終端用戶只設置了 Isabella 舉辦派對的初始意圖和 Maria 對 Klaus 的迷戀：傳播信息、裝飾、約對方、到達派對以及在派對上互動的社交行為 ，由智能體架構發起。

架構

Generative Agents 需要一個框架來指導其在開放世界中的行為，旨在讓 Generative Agents 能夠與其他智能體進行交互并對環境變化做出反應。

Generative Agents 將其當前環境和過去的經驗作為輸入，生成行為作為輸出。Generative Agents 的架構將大型語言模型和合成與檢索相關信息的機制結合到一起，以調節語言模型的輸出。

如果沒有合成與檢索機制，大型語言模型可以輸出行為，但 Generative Agents 可能不會根據智能體過去的經驗做出反應，以至于無法做出重要的推理，也可能無法保持長期的連貫性。即使使用當前性能最好的模型（例如 GPT-4），長期規劃和連貫性方面的挑戰仍然存在 。

由于 Generative Agents 會產生大量必須保留的事件和記憶流（memory stream），因此其架構的核心挑戰是確保在需要時檢索和合成智能體記憶中最相關的部分。

Generative Agents 的架構中心是記憶流 —— 一個全面記錄智能體經驗的數據庫。智能體會從記憶流中檢索相關記錄，以規劃智能體的動作行為并對環境做出適當反應，并且每次行為都會被記錄以遞歸合成更高級別的行為指導。Generative Agents 架構中所有的內容都被記錄下來并以自然語言描述的形式來進行推理，從而使智能體能夠利用大型語言模型的推理功能。

當前，該研究實現了使用 ChatGPT 的 gpt3.5-turbo 版本。研究團隊預計 Generative Agents 的架構基礎 —— 記憶、規劃和反思 —— 可能會保持不變。較新的語言模型（例如 GPT-4）擁有更好的表達能力和性能，這會進一步擴展 Generative Agents。

記憶與檢索

Generative Agents 的架構實現了一個檢索功能，該功能將智能體的當前情況作為輸入并返回記憶流的一個子集以傳遞給語言模型。檢索功能有多種可能的實現方式，具體取決于智能體在決定如何行動時考慮的重要因素。

反思

該研究還引入了第二種類型的記憶，稱為「反思」。反思是由智能體生成的更高層次、更抽象的思想。反思是周期性產生的，在該研究中，只有當智能體對最近事件的重要性分數總和超過某個閾值，智能體才會開始反思。

實際上，該研究提出的 Generative Agents 每天大約反思兩到三次。反思的第一步是讓智能體確定要反思的內容，方法是根據智能體最近的經歷確定可以提出的問題。

規劃與反應

規劃被用于描述智能體未來行動的順序，并幫助智能體隨著時間的推移保持行為一致。規劃應該包含位置、開始時間和持續時間。

為了創建合理的規劃，Generative Agents 會自上而下遞歸地生成更多細節。第一步是制定一個計劃，粗略地概述當天的「日程」。為了創建初始規劃，該研究向語言模型 prompt 智能體的總體描述（例如，姓名、特征和它們最近經歷的摘要等等）。

在執行規劃的過程中，Generative Agents 會感知周圍環境，感知到的觀察結果會存儲在它們的記憶流中。該研究用這些觀察 prompt 語言模型來決定智能體是應該繼續它們的現有規劃，還是做出其他反應。

實驗及評估

該研究對 Generative Agents 進行了兩項評估：一項是控制評估，以測試智能體是否能獨立地產生可信的個體行為；另一項是端到端評估，其中多個 Generative Agents 在兩天的游戲時間內開放式交互，這是為了了解智能體的穩定性和涌現（emergent）社會行為。

比如，伊莎貝拉計劃舉辦一場情人節派對。她傳播了這個信息，在模擬結束時，12 個角色已經知道了這件事。其中 7 個人「猶豫不決」——3 個人已有其他計劃，4 個人沒有表露想法，這和人類的相處一樣。

在技術評估層面，該研究通過用自然語言「采訪」智能體，來評估智能體保持「性格」、記憶、規劃、反應和準確反思的能力，并進行了消融實驗。實驗結果表明，這些組成部分中的每一個對于智能體在任務中的出色表現都至關重要。

在實驗評估中，智能體出現的最常見錯誤包括：

• 其未能檢索相關記憶；
• 對智能體記憶進行捏造修飾；
• 從語言模型中「繼承」過于正式的言語或行為。

感興趣的讀者可以閱讀論文原文，了解更多研究細節。