生成式智能体如何在模拟小镇中生活

Google 和 Stanford 的一个项目让我非常兴奋：他们将人工智能引入沙盒世界。这里的角色能形成记忆、反思经历，并用这些记忆影响未来的行为。我认为非玩家角色有望拥有自己的生活，而不是站在原地等待玩家互动。

这篇论文名为《生成式智能体：人类行为的交互式模拟》。它描述了一套架构，让角色借助语言模型，在用户输入很少的情况下与环境和彼此互动。研究人员为每个智能体提供大约一段文字来描述其身份，模拟就从这个起点发展下去。

例子中的智能体会起床、做早餐、上班、画画或写作。它们注意到彼此，形成看法并主动交谈。尤其有意思的是，它们在计划下一步行动时会记住并反思此前的经历。

这套架构用自然语言记录经历，随时间综合出更高层次的反思，并检索记忆来帮助规划行为。它让人看到一种不同于静态 NPC 的游戏角色，尽管这仍是研究原型，还不是成品游戏。

其中一个例子从给智能体设定筹办情人节派对的意图开始。在接下来的两个模拟日里，智能体传播邀请、结识新朋友、邀请彼此约会，并协调一起到场。Berman 惊讶于相对简单的初始指令竟能引出如此多的社交活动。

挑战在于，随着互动和事件不断发生，记忆持续增长，社交动态也会在智能体之间层层传播。系统需要检索相关经历、形成更高层次的推断，并利用这些信息作出既符合眼前情境又符合较长期行为轨迹的反应。

游戏是最让我兴奋的应用，但论文也提到了通过角色扮演排练困难对话，比如准备面试，以及制作社交平台原型。模拟智能体可以在人们使用新平台之前先与之互动，或许能暴露出值得设计者调查的问题。

研究人员建立了名为 Smallville 的沙盒小镇，里面有公园、共享居住空间、酒吧、咖啡馆，以及带有常见房间的住宅。镇上住着 25 个智能体，每个都由一个简单的精灵图表示。它们各自从一段描述身份、职业和关系的文字开始，这些文字构成初始记忆。

居民 John Lin 被描述为一位喜欢帮助顾客的药店店主。初始描述还包括他担任大学教授的妻子、正在上学的儿子和邻居，其中一位熟人会与他讨论当地政治。这些细节为互动建立了起始背景。

智能体用自然语言交流。在一个例子中，Isabella 与 Tom 讨论选举，Tom 表达了对候选人 Sam Moore 的负面看法。这些对话由模拟中的角色生成，而不是预先写好的固定 NPC 对白。

运行模拟的用户可以通过与智能体交谈，或以其内心独白的形式发出指令来干预。例如，一个表达想画画的灵感的提示，可以影响智能体之后的计划。智能体还可能形成日常作息，比如起床、洗漱、吃早餐、和朋友聊近况，然后开始工作。

架构图从感知开始：事件被记录在记忆流中。智能体检索记忆，并在决定下一步行动前利用这些记忆反思或规划。记忆流按时间记录观察结果，例如房间里的物品处于闲置状态，或 Isabella 正在打扫厨房。

当被问及最期待什么时，Isabella 可以检索到自己正在 Hobbs Café 筹办情人节派对这一事实。检索机制会综合考虑新近程度、重要性和相关性。论文中的图示追踪了 Isabella 如何告诉其他智能体，后者又如何继续传播邀请；其中一条链路从 Isabella 经 Sam 到 Jennifer。

研究人员还提供了一个演示。这里展示的是预先录制的运行过程，并非实时模拟，但观众可以看到角色在 Smallville 的部分区域移动，并查看各个智能体。

选择 Francisco Lopez 后，界面会显示他的位置、当前活动——吃午饭——以及他是否正在交谈。选择 Sam Moore 后，则能看到他与 LaToya 的对话。Berman 用这个界面展示 25 个智能体如何在模拟世界中活动和互动。

我可以想象这样的思路改变 The Sims、RimWorld、Skyrim 或 GTA 等游戏。未来游戏中的角色或许不再只是站着说固定台词，而是可以让智能体的活动与玩家的行动一起影响不断变化的世界。这是对研究应用的设想，并不表示这些游戏已经以这种方式运作。