Generative agentenbasierte Modellierung mit Handlungen, die im physischen, sozialen oder digitalen Raum verankert sind, unter Verwendung von Concordia.

Generative agent-based modeling with actions grounded in physical, social, or digital space using Concordia

December 6, 2023

Autoren: Alexander Sasha Vezhnevets, John P. Agapiou, Avia Aharon, Ron Ziv, Jayd Matyas, Edgar A. Duéñez-Guzmán, William A. Cunningham, Simon Osindero, Danny Karmon, Joel Z. Leibo

cs.AI

Zusammenfassung

Agentenbasierte Modellierung existiert seit Jahrzehnten und wird in den Sozial- und Naturwissenschaften weit verbreitet eingesetzt. Der Anwendungsbereich dieser Forschungsmethode steht nun kurz davor, sich dramatisch zu erweitern, da sie die neuen Möglichkeiten nutzt, die durch Large Language Models (LLMs) bereitgestellt werden. Generative Agentenbasierte Modelle (GABMs) sind nicht einfach klassische Agentenbasierte Modelle (ABMs), bei denen die Agenten miteinander kommunizieren. Vielmehr werden GABMs mithilfe eines LLMs konstruiert, um gesunden Menschenverstand in Situationen anzuwenden, „vernünftig“ zu handeln, allgemeines semantisches Wissen abzurufen, API-Aufrufe zur Steuerung digitaler Technologien wie Apps zu erzeugen und sowohl innerhalb der Simulation als auch mit Forschern, die sie von außen betrachten, zu kommunizieren. Hier stellen wir Concordia vor, eine Bibliothek zur Erleichterung der Konstruktion und Arbeit mit GABMs. Concordia macht es einfach, sprachvermittelte Simulationen von physisch oder digital verankerten Umgebungen zu erstellen. Concordia-Agenten erzeugen ihr Verhalten mithilfe eines flexiblen Komponentensystems, das zwischen zwei grundlegenden Operationen vermittelt: LLM-Aufrufen und dem Abruf assoziativer Erinnerungen. Ein spezieller Agent, der sogenannte Game Master (GM), der von Tabletop-Rollenspielen inspiriert wurde, ist für die Simulation der Umgebung verantwortlich, in der die Agenten interagieren. Agenten handeln, indem sie in natürlicher Sprache beschreiben, was sie tun möchten. Der GM übersetzt dann ihre Aktionen in geeignete Implementierungen. In einer simulierten physischen Welt überprüft der GM die physikalische Plausibilität der Aktionen der Agenten und beschreibt deren Auswirkungen. In digitalen Umgebungen, die Technologien wie Apps und Dienste simulieren, kann der GM API-Aufrufe verarbeiten, um sich mit externen Tools wie allgemeinen KI-Assistenten (z. B. Bard, ChatGPT) und digitalen Apps (z. B. Kalender, E-Mail, Suche usw.) zu integrieren. Concordia wurde entwickelt, um eine Vielzahl von Anwendungen sowohl in der wissenschaftlichen Forschung als auch zur Bewertung der Leistung realer digitaler Dienste durch die Simulation von Benutzern und/oder die Generierung synthetischer Daten zu unterstützen.

English

Agent-based modeling has been around for decades, and applied widely across the social and natural sciences. The scope of this research method is now poised to grow dramatically as it absorbs the new affordances provided by Large Language Models (LLM)s. Generative Agent-Based Models (GABM) are not just classic Agent-Based Models (ABM)s where the agents talk to one another. Rather, GABMs are constructed using an LLM to apply common sense to situations, act "reasonably", recall common semantic knowledge, produce API calls to control digital technologies like apps, and communicate both within the simulation and to researchers viewing it from the outside. Here we present Concordia, a library to facilitate constructing and working with GABMs. Concordia makes it easy to construct language-mediated simulations of physically- or digitally-grounded environments. Concordia agents produce their behavior using a flexible component system which mediates between two fundamental operations: LLM calls and associative memory retrieval. A special agent called the Game Master (GM), which was inspired by tabletop role-playing games, is responsible for simulating the environment where the agents interact. Agents take actions by describing what they want to do in natural language. The GM then translates their actions into appropriate implementations. In a simulated physical world, the GM checks the physical plausibility of agent actions and describes their effects. In digital environments simulating technologies such as apps and services, the GM may handle API calls to integrate with external tools such as general AI assistants (e.g., Bard, ChatGPT), and digital apps (e.g., Calendar, Email, Search, etc.). Concordia was designed to support a wide array of applications both in scientific research and for evaluating performance of real digital services by simulating users and/or generating synthetic data.