Avanços e Desafios em Agentes Fundamentais: Da Inteligência Inspirada no Cérebro a Sistemas Evolutivos, Colaborativos e Seguros

Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems

March 31, 2025

Autores: Bang Liu, Xinfeng Li, Jiayi Zhang, Jinlin Wang, Tanjin He, Sirui Hong, Hongzhang Liu, Shaokun Zhang, Kaitao Song, Kunlun Zhu, Yuheng Cheng, Suyuchen Wang, Xiaoqiang Wang, Yuyu Luo, Haibo Jin, Peiyan Zhang, Ollie Liu, Jiaqi Chen, Huan Zhang, Zhaoyang Yu, Haochen Shi, Boyan Li, Dekun Wu, Fengwei Teng, Xiaojun Jia, Jiawei Xu, Jinyu Xiang, Yizhang Lin, Tianming Liu, Tongliang Liu, Yu Su, Huan Sun, Glen Berseth, Jianyun Nie, Ian Foster, Logan Ward, Qingyun Wu, Yu Gu, Mingchen Zhuge, Xiangru Tang, Haohan Wang, Jiaxuan You, Chi Wang, Jian Pei, Qiang Yang, Xiaoliang Qi, Chenglin Wu

cs.AI

Resumo

O advento dos grandes modelos de linguagem (LLMs) catalisou uma mudança transformadora na inteligência artificial, abrindo caminho para agentes inteligentes avançados capazes de raciocínio sofisticado, percepção robusta e ação versátil em diversos domínios. À medida que esses agentes impulsionam cada vez mais a pesquisa e as aplicações práticas de IA, seu design, avaliação e melhoria contínua apresentam desafios complexos e multifacetados. Esta pesquisa oferece uma visão abrangente, enquadrando os agentes inteligentes dentro de uma arquitetura modular inspirada no cérebro que integra princípios da ciência cognitiva, neurociência e pesquisa computacional. Estruturamos nossa exploração em quatro partes interconectadas. Primeiro, mergulhamos na fundação modular dos agentes inteligentes, mapeando sistematicamente seus módulos cognitivos, perceptivos e operacionais em funcionalidades análogas do cérebro humano, e elucidando componentes centrais como memória, modelagem do mundo, processamento de recompensas e sistemas semelhantes a emoções. Segundo, discutimos mecanismos de autoaperfeiçoamento e evolução adaptativa, explorando como os agentes refinam autonomamente suas capacidades, adaptam-se a ambientes dinâmicos e alcançam aprendizado contínuo por meio de paradigmas de otimização automatizada, incluindo estratégias emergentes de AutoML e otimização impulsionada por LLMs. Terceiro, examinamos sistemas multiagentes colaborativos e evolutivos, investigando a inteligência coletiva que emerge das interações, cooperação e estruturas sociais dos agentes, destacando paralelos com a dinâmica social humana. Por fim, abordamos o imperativo crítico de construir sistemas de IA seguros, confiáveis e benéficos, enfatizando ameaças intrínsecas e extrínsecas à segurança, alinhamento ético, robustez e estratégias práticas de mitigação necessárias para uma implantação confiável no mundo real.

English

The advent of large language models (LLMs) has catalyzed a transformative shift in artificial intelligence, paving the way for advanced intelligent agents capable of sophisticated reasoning, robust perception, and versatile action across diverse domains. As these agents increasingly drive AI research and practical applications, their design, evaluation, and continuous improvement present intricate, multifaceted challenges. This survey provides a comprehensive overview, framing intelligent agents within a modular, brain-inspired architecture that integrates principles from cognitive science, neuroscience, and computational research. We structure our exploration into four interconnected parts. First, we delve into the modular foundation of intelligent agents, systematically mapping their cognitive, perceptual, and operational modules onto analogous human brain functionalities, and elucidating core components such as memory, world modeling, reward processing, and emotion-like systems. Second, we discuss self-enhancement and adaptive evolution mechanisms, exploring how agents autonomously refine their capabilities, adapt to dynamic environments, and achieve continual learning through automated optimization paradigms, including emerging AutoML and LLM-driven optimization strategies. Third, we examine collaborative and evolutionary multi-agent systems, investigating the collective intelligence emerging from agent interactions, cooperation, and societal structures, highlighting parallels to human social dynamics. Finally, we address the critical imperative of building safe, secure, and beneficial AI systems, emphasizing intrinsic and extrinsic security threats, ethical alignment, robustness, and practical mitigation strategies necessary for trustworthy real-world deployment.