Modelado basado en agentes generativos con acciones fundamentadas en el espacio físico, social o digital utilizando Concordia.

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

December 6, 2023

Autores: 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

Resumen

La modelización basada en agentes ha existido durante décadas y se ha aplicado ampliamente en las ciencias sociales y naturales. El alcance de este método de investigación está ahora preparado para crecer de manera significativa al incorporar las nuevas capacidades proporcionadas por los Modelos de Lenguaje de Gran Escala (LLM, por sus siglas en inglés). Los Modelos Basados en Agentes Generativos (GABM, por sus siglas en inglés) no son simplemente Modelos Basados en Agentes (ABM) clásicos donde los agentes se comunican entre sí. Más bien, los GABM se construyen utilizando un LLM para aplicar el sentido común a situaciones, actuar de manera "razonable", recordar conocimiento semántico común, realizar llamadas API para controlar tecnologías digitales como aplicaciones, y comunicarse tanto dentro de la simulación como con los investigadores que la observan desde el exterior. Aquí presentamos Concordia, una biblioteca diseñada para facilitar la construcción y el trabajo con GABM. Concordia permite crear fácilmente simulaciones mediadas por lenguaje de entornos físicos o digitales. Los agentes de Concordia generan su comportamiento utilizando un sistema de componentes flexible que media entre dos operaciones fundamentales: las llamadas a LLM y la recuperación de memoria asociativa. Un agente especial llamado el Maestro del Juego (GM, por sus siglas en inglés), inspirado en los juegos de rol de mesa, es responsable de simular el entorno donde interactúan los agentes. Los agentes realizan acciones describiendo lo que quieren hacer en lenguaje natural. El GM luego traduce sus acciones en implementaciones adecuadas. En un mundo físico simulado, el GM verifica la plausibilidad física de las acciones de los agentes y describe sus efectos. En entornos digitales que simulan tecnologías como aplicaciones y servicios, el GM puede manejar llamadas API para integrarse con herramientas externas como asistentes de IA general (por ejemplo, Bard, ChatGPT) y aplicaciones digitales (por ejemplo, Calendario, Correo electrónico, Búsqueda, etc.). Concordia fue diseñado para apoyar una amplia gama de aplicaciones, tanto en investigación científica como en la evaluación del rendimiento de servicios digitales reales mediante la simulación de usuarios y/o la generación de datos sintéticos.

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.