Modélisation basée sur des agents génératifs avec des actions ancrées dans des espaces physiques, sociaux ou numériques utilisant Concordia

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

December 6, 2023

Auteurs: 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

Résumé

La modélisation basée sur les agents existe depuis des décennies et est largement appliquée dans les sciences sociales et naturelles. La portée de cette méthode de recherche est désormais sur le point de s'étendre considérablement grâce aux nouvelles possibilités offertes par les modèles de langage de grande taille (LLM). Les modèles basés sur les agents génératifs (GABM) ne sont pas simplement des modèles basés sur les agents (ABM) classiques où les agents communiquent entre eux. Au contraire, les GABM sont construits en utilisant un LLM pour appliquer le bon sens à des situations, agir de manière "raisonnable", se souvenir de connaissances sémantiques communes, produire des appels d'API pour contrôler des technologies numériques comme des applications, et communiquer à la fois au sein de la simulation et avec les chercheurs qui l'observent de l'extérieur. Nous présentons ici Concordia, une bibliothèque conçue pour faciliter la construction et l'utilisation des GABM. Concordia permet de créer facilement des simulations médiées par le langage dans des environnements physiques ou numériques. Les agents de Concordia génèrent leur comportement grâce à un système de composants flexible qui assure la médiation entre deux opérations fondamentales : les appels LLM et la récupération de mémoire associative. Un agent spécial appelé le Maître du Jeu (MJ), inspiré des jeux de rôle sur table, est responsable de simuler l'environnement dans lequel les agents interagissent. Les agents effectuent des actions en décrivant ce qu'ils souhaitent faire en langage naturel. Le MJ traduit ensuite leurs actions en implémentations appropriées. Dans un monde physique simulé, le MJ vérifie la plausibilité physique des actions des agents et décrit leurs effets. Dans des environnements numériques simulant des technologies telles que des applications et des services, le MJ peut gérer des appels d'API pour s'intégrer à des outils externes comme des assistants IA généraux (par exemple, Bard, ChatGPT) et des applications numériques (par exemple, Calendrier, Email, Recherche, etc.). Concordia a été conçu pour prendre en charge une large gamme d'applications, tant dans la recherche scientifique que pour évaluer les performances de services numériques réels en simulant des utilisateurs et/ou en générant des données synthétiques.

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.