多智能體系統(tǒng)并非總能提高效率，谷歌與麻省理工研究揭示真相

　　近日，谷歌研究院、谷歌 DeepMind 與麻省理工學(xué)院聯(lián)合發(fā)布了一項研究，挑戰(zhàn)了 “更多智能體意味著更好結(jié)果” 的傳統(tǒng)觀點。研究團隊通過180項控制實驗，探討了多智能體系統(tǒng)在不同任務(wù)中的表現(xiàn)，結(jié)果顯示性能波動極大，有的任務(wù)提升達到81%，而有的任務(wù)則下降了70%。

　　研究表明，任務(wù)的類型對多智能體系統(tǒng)的效果有顯著影響。在一些并行任務(wù)中，例如金融分析，采用集中式的多智能體協(xié)調(diào)能夠顯著提升性能。不同的智能體能夠獨立分析銷售趨勢、成本結(jié)構(gòu)和市場數(shù)據(jù)，然后將結(jié)果匯總，最終實現(xiàn)了近81% 的性能提升。

　　然而，在一些需要順序進行的任務(wù)中，如 Minecraft 的規(guī)劃任務(wù)，多智能體的設(shè)置反而會使性能下降39% 到70%。這是因為每個制作動作都會影響到后續(xù)動作所依賴的庫存狀態(tài)，任務(wù)之間的順序依賴性使得信息在智能體之間傳遞時可能會丟失或被分割。

　　研究發(fā)現(xiàn)，影響多智能體系統(tǒng)性能的主要因素有三個:首先，任務(wù)涉及的工具越多，像網(wǎng)絡(luò)搜索或編碼等任務(wù)就越容易受到多智能體系統(tǒng)的負(fù)面影響。其次，當(dāng)單個智能體的成功率超過45% 時，添加更多智能體通常會導(dǎo)致收益遞減或負(fù)收益，協(xié)調(diào)成本會抵消增益。最后，錯誤的累積在多智能體環(huán)境中會加速，缺乏信息共享的情況下，錯誤會比單個智能體環(huán)境中快17倍。