Мультиагентные системы на основе больших языковых моделей: применение в роевом интеллекте

В работе исследуется интеграция больших языковых моделей (LLM) в мультиагентные симуляции посредством замены жестко заданных программ агентов промптами, управляемыми LLM. Предлагаемый подход демонстрируется на двух примерах сложных систем из области роевого интеллекта: добывании пищи муравьиной колонией и стайном полете птиц. Центральное место в исследовании занимает инструментальный комплекс, интегрирующий LLM с платформой моделирования NetLogo и использующий ее расширение для Python для обеспечения связи с GPT-4o через API OpenAI. Этот инструментальный комплекс поддерживает генерацию поведения на основе промптов, позволяя агентам адаптивно реагировать на данные об окружающей среде. Для обоих упомянутых примеров применения используются как структурированные промпты на основе правил, так и автономные промпты, основанные на знаниях. Работа демонстрирует, как этот инструментальный комплекс позволяет LLM исследовать процессы самоорганизации и порождать эмерджентное поведение в мультиагентных средах, открывая путь к новым подходам к изучению интеллектуальных систем и моделированию роевого интеллекта, вдохновленного природными явлениями. Исходный код, включая файлы симуляций и данные, доступен по адресу: https://github.com/crjimene/swarm_gpt.