Coopérer avec des agents autonomes. • Qant avec GPT-4o
Coordonner plusieurs agents autonomes pour qu’ils atteignent un objectif commun est l’un des défis centraux de l’intelligence artificielle moderne. Cette problématique, appelée prise de décision coopérative multi-agent (multi-agent cooperative decision-making), concerne autant les robots collaboratifs que les voitures autonomes ou les agents conversationnels.
Dans une synthèse récente, des chercheurs de l’université Jiaotong de Xi’an, de l’université de Hong Kong et d’Imperial College London dressent un état des lieux de ce champ de recherche. L’article recense les principales approches, les plateformes de simulation utilisées, et les domaines d’application, tout en proposant une taxonomie précise des méthodes fondées sur l’apprentissage par renforcement ou les modèles de langage.
Le papier détaille plusieurs innovations récentes, comme l’intégration du raisonnement en langage naturel dans l’apprentissage, la communication adaptative entre agents, ou l’emploi de mesures d’information mutuelle pour améliorer la coordination. Mais les auteurs identifient plusieurs obstacles. D’abord, le passage à l’échelle reste difficile : la coordination de dizaines, voire de centaines d’agents, pose des problèmes de communication et d’attribution du mérite. Ensuite, la plupart des modèles manquent de transparence : il est encore difficile de comprendre pourquoi un système multi-agent adopte telle stratégie plutôt qu’une autre.
Source archive Kessel : https://qant.kessel.media/posts/pst_fec4c485cb9a4557acbc1d0fd80c0f3a