L’intelligence collective des agents d’IA peut se passer d’un Grand Architecte

Des oiseaux et des LLM • Qant avec GPT-4o

Les modèles de simulation multi-agents classiques reposent généralement sur des règles codées “en dur”. Chaque agent, qu’il s’agisse de la simulation d’une fourmi, d’un oiseau ou d’un humain, suit un ensemble de consignes préétablies pour interagir avec son environnement. Dans un article récent, Cristian Jimenez-Romero de l’université de Cergy et deux autres chercheurs européens proposent une nouvelle approche : remplacer ces règles par des invites de langage (prompts) traitées par un grand modèle comme GPT-4, afin de produire dynamiquement les comportements des agents. Les auteurs appliquent cette approche à deux systèmes emblématiques de l’intelligence en essaim : la recherche de nourriture par une colonie de fourmis et la formation de groupes cohérents dans un vol d’étourneaux. 

Les agents exploitent les vastes connaissances des LLM pour influencer leurs interactions d’une manière qui n’était pas réalisable avec les systèmes traditionnels basés sur des règles. Les LLM peuvent intuitivement modéliser des dynamiques complexes qui nécessiteraient autrement de nombreuses règles explicites. Des comportements imprévus émergent ainsi naturellement des interactions des agents avec leur environnement et entre eux.

Mais pour l’instant, tout ceci n’est que simulé.

Un vol d’étourneaux dans la nature • Source : Euronews