譯者 | 布加迪

審校 | 重樓

AI和分布式計算領域快速發展，標志著昔日的單體范式迎來徹底變革。它引領我們進入由智能智能體組成的復雜網絡相互協作的時代。多智能體系統（MAS）已成為一種至關重要的架構范式，正徹底改變業界處理復雜計算問題的方法。從穿梭城市街道的自動駕駛汽車車隊，到能夠立即做出財務決策的AI系統，我們都能親眼見證。

但究竟是什么促使人們使用這種互聯的智能系統？設計和維護多個協作智能體面臨的障礙何時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（MAS）實用，而且對于解決當下一些最熱門的技術問題至關重要的充分理由。

什么是多智能體系統？

多智能體系統是一種計算框架，其中的智能體能夠自主運行，位于一個共同的環境中，它們彼此協作或競爭，以實現某些目標。與中央控制器協調所有動作的傳統系統不同，MAS為多個實體提供分布式智能，每個實體都能夠感知、推理和行動。

圖1

智能體可以是簡單的反應式系統、響應環境刺激的程序或者是基于機器學習算法做出復雜決策的高度復雜的認知智能體。多智能體系統（MAS）與普通程序集合體的區別在于，它對交互、協調以及來自智能體網絡集體智慧的涌現進行了針對性的設計。

多智能體系統的關鍵特征

多智能體系統（MAS）的一些關鍵特征確保它們與傳統計算機架構截然不同：

• 自主性：自主性是多智能體系統（MAS）的本質，智能體獨立行動，不受外部直接控制。智能體基于內部狀態、環境感知以及設定的目標做出決策。
• 去中心化：它以分布式方式處理算法解決方案的計算，以避免系統中出現單一故障點。與所有操作都由主控制器管理的傳統系統不同，MAS依賴點對點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，并協商以協調其行動。此類交互可以是輕量級的通信，也可以是高度復雜的通信，包括拍賣、共識或行為建模等機制。

身份危機：什么構成了多智能體系統？

在AI領域，大語言模型每天都占據頭條新聞，多智能體系統這一術語終于隨著 Anthropic的研究論文而卷土重來。在此背景下，你會發現許多基本上采用LLM編排工作流程的新聞應用程序被重新命名為MAS。但數百篇互聯網文章并未充分強調一個非常重要的觀點：鏈接幾個LLM調用本身并不構成多智能體系統。

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

• 涌現行為：復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。
• 協商與協調：智能體真正地參與通信、資源協商、沖突解決以及動態協調行動以實現目標，而不僅僅是遵循預定的順序。
• 去中心化決策：真正擁有MAS經驗的智能體會根據本地信息和共同行動做出決策，從而促成全局結果，又不受到中央實體的持續監控。

圖2

如果不關注動態交互、協作和涌現特性，你得到的可能只是一條復雜的管道或分布式系統，而不是真正的多智能體系統，無法邁入集體型AI的下一個階段。理解這種差異是構建真正解決復雜問題的系統的關鍵，單智能體智能解決不了這類問題。

為什么多智能體系統不再可有可無？

MAS從“可有可無”到“任務必需”的轉變，源于我們思考和實施技術復雜解決方案的方式發生了根本性的轉變。以下幾個因素共同使MAS在當代應用中必不可少。

征服前所未有的復雜性

單體系統架構滿足不了現代技術場景的需求。比如管理全球供應鏈，成千上萬的供應商、制造商、分銷商和零售商必須跨不同的時區、貨幣和監管環境進行協調。傳統上，集中式架構在計算開銷和提供實時決策方面帶來了挑戰。

MAS將復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，這種有利于供應鏈管理的系統可能包含監控供應商績效的采購智能體、確定最佳運輸路線的物流智能體以及預測市場趨勢的需求預測智能體。每個智能體都擁有各自的專業領域知識，為實現系統的目標做出貢獻。

另一個優點是問題分解的精細度會增加。在多智能體解決問題時，智能體會針對發展中的問題尋找解決方案，當一個智能體無法執行時，另一個智能體會執行。谷歌的搜索算法就是這方面的一個例子。它雇用了互聯網搜索領域的數百名小型專家。不同的智能體查看網頁內容的不同部分、用戶行為信號和相關性信號等。隨著系統協同學習，搜索結果越來越準確。

追求超高效率和彈性

我們生活在系統無法承受任何故障的這樣一個時代。關鍵應用程序再也無法容忍單一故障點。此外，隨著用戶數量的不斷增長和海量數據的涌現，用戶對效率的期望也越來越高。

這時候多智能體系統（MAS）可以發揮作用。其優勢在于分布式彈性。如果一個智能體出現故障或失敗，沒關系——其他智能體會接替工作，重新安排任務，甚至生成替代智能體。亞馬遜的推薦系統就是一個典型的實例。即使某一部分離線，系統也能保持平穩運行。它會繼續提供建議、分散工作負載，并恢復故障部分，用戶根本察覺不到。

這也帶來了巨大的效率提升。MAS無需預留大量資源來應對偶爾出現的峰值負載，而是讓你可以動態擴展。當需求低下時，運行的智能體數量較少，從而節省電力和算力。一旦流量激增，新的智能體就會加入進來，確保系統最高速運行。

發掘分布式數據和物聯網的力量

鑒于物聯網設備無處不在，數據分散在全球各地，集中式系統已達到極限。帶寬、延遲、隱私，所有這些因素使得集中式大型系統難以處理所有問題。MAS幾乎是為應對這一挑戰而量身定制的。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送到中央服務器，而是在數據收集地直接處理數據。它們可以當場決定如何為交通信號燈計時，同時仍將更全面的數據反饋給城市的協調系統。

隱私和數據主權也日益受到關注。許多行業不允許敏感數據的傳輸。MAS支持聯合學習——本地智能體可以處理數據、改進模型，并只共享安全的聚合更新內容。醫院已經在這么做了：每一處的智能體從各自的患者數據中學習，但只在網絡上共享匿名的改進內容。

由于物聯網牽涉眾多的設備和協議，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備的語言，規范數據，并為更廣泛的系統提供清晰統一的視圖。

何時構建多智能體系統？

那么，何時構建MAS才真正有意義呢？關鍵不在于追逐最新技術，而是在于讓MAS克服挑戰。以下是MAS真正發揮作用的場景。

協作很關鍵

當不同的自主部件需要協同工作時，MAS是天然的選擇。想想自動駕駛汽車協調以避免碰撞，或者全球科學家在一個大型聯合項目（比如大型強子對撞機的粒子物理分析）中匯集數據和研究成果。

另一個例子是復雜的談判，比如并購期間的談判。MAS可以針對具有各自目標和約束的不同參與方進行建模，并幫助模擬談判策略或結果。

當集中式解決方案不切實際或無法實現時

有些挑戰過于龐大、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典例。它們跨越不同時區、貨幣和法規，全天候運作。一個中央系統無力應對。

災難響應是另一個例子。當通信線路中斷時，本地團隊仍需要協調、做出決策和采取行動——MAS支持這種自主但一致的行動。此外還有跨不同公司的流程，比如供應鏈。每個組織都希望控制自己的系統，但它們仍需要協作。MAS允許這么做，無需強制設立集中式機構。

應對動態和不確定的環境

市場千變萬化、瞬息萬變。你無法預測接下來會發生什么。網絡安全威脅層出不窮。針對云資源的需求瞬息萬變。MAS 幫助系統在動態變化中保持敏捷、快速適應策略、調整資源、應對威脅，這一切都實時進行。

整合遺留系統或異構組件時

大多數組織混合使用新舊系統、不同的協議和不同的接口。MAS可以介于這些系統之間，智能體負責處理繁瑣的轉換和協調工作。

醫療保健 IT就是一個例子。MAS將病歷、設備、藥房和保險公司連入到合理的工作流程中。即使這些系統并非為相互通信而設計，它們也能完美地協同工作。

當可擴展性和穩健性至關重要時

在你服務數百萬用戶的場景中，比如內容交付、在線游戲和電信網絡，MAS發揮著巨大的作用。MAS有助于分配負載、適應不斷變化的條件，并在故障后恢復如初，又不導致整個系統癱瘓。

多智能體系統如何工作？

究其核心，MAS由能夠感知環境、推理發生的事情、做出決策并采取相應行動的智能體構建而成。這些智能體以不同的方式進行通信，即：

• 直接消息
• 共享的數據空間
• 發布-訂閱模式

協調通過拍賣、任務競標或共識協議等機制進行。MAS最棘手的部分之一是處理涌現行為，即多個智能體交互時出現的模式。

圖3

有時這些模式很棒，有時卻并非你所期望的。優秀的MAS設計包含觀察這些模式并根據需要進行引導的方法。智能體還可以通過反饋、另外的智能體或通過幫助系統不斷改進的進化過程來學習和適應。

構建多智能體系統為何如此困難？

MAS大有潛力，但也帶來了嚴峻的技術挑戰，比如：

• 協調很快會變得復雜。添加的智能體越多，保持一切平穩運行就越困難。
• 調試成為一個令人頭疼的問題，因為問題常常來自智能體之間微妙的交互。
• 涌現可能是一把雙刃劍。系統可能會以你意想不到的方式運行，結果并不總是好的。
• 通信可能成為瓶頸。智能體之間的所有交互都會給網絡帶來壓力，并消耗資源。
• 安全比較棘手。在分布式系統中，建立信任并阻止不法分子較為困難。
• 測試和驗證很困難。你無法在整個系統運行之前總是發現問題，因為很大程度上取決于智能體在大規模環境下如何交互。
• 性能調優是一門藝術。平衡單個智能體的效率、協調開銷和整體系統性能需要經驗，還常常需要大量的試錯。

圖4

結論

多智能體系統已從學術界好奇的事物發展成為應對當今復雜互聯挑戰的關鍵架構模式。當你面臨需要分布式操作、快速適應或大規模協作的問題時，MAS提供了傳統系統無法比擬的方案。

但MAS并非僅僅因為聽起來很棒就去使用。只有經過仔細選擇，其優勢與實際問題相匹配，才能獲得最佳結果。此外，團隊還必須為構建和管理這些系統的實際工作做好準備。

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