Self-Evolving Software Agents
本論文は、経験に基づいて目標、推論、実行可能コードを自律的に更新するためにBDI推論と大規模言語モデルを統合する自己進化型ソフトウェアエージェントアーキテクチャを導入し、動的なマルチエージェント環境におけるLLM駆動型ソフトウェア進化の実現可能性と現在の限界の両方を示す。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
ロボット料理人を想像してみてください。過去には、この料理人にケーキの焼き方を学ばせたい場合、人間のプログラマーが座って料理人のレシピ帳を書き直す必要がありました。料理人は指示を完璧に実行できましたが、自ら新しいレシピを「発明」することはできませんでした。それは、組み立てられた時点で与えられた目標とスキルに縛られていたのです。
この論文は、単にレシピに従うだけでなく、新しいレシピを書き、自らの調理哲学を変え、作業中に新しい調理器具さえも構築できるような「自己進化型」の新しいソフトウェアエージェントを紹介しています。
ここで、著者であるマルコ・ロボルとパオロ・ジョルジーニが、この画期的な成果について説明します。
課題：「硬設定」ロボット
現在、ほとんどのスマートなコンピュータプログラム（エージェント）は、GPS システムのようです。渋滞があれば経路を変更できます（環境に適応できます）が、目的地を変更したり、そこへ至る新しい方法を発明したりすることはできません。その目標とルールは、開始前に人間によって「ハードコード」されています。彼らは適応できますが、真に「進化」することはできません。
解決策：二重脳システム
著者たちは、2 つの強力なアイデアを組み合わせたシステムを提案しています。
- BDI（信念・欲求・意図）: これはエージェントの「日常脳」と考えてください。それは絶えず世界を観察し、何をするかを決め、それを実行する計画を選びます。
- LLM（大規模言語モデル）: これは「創造的な建築家」です。これは AI の言語を理解し、新しいアイデアを想像し、コードを記述できる部分です。
魔法は、日常脳 alongside して動作する特別な「進化モジュール」を追加することで起こります。
仕組み：「夜間学校」の比喩
エージェントが日中に働く学生（BDI ループ）だと想像してください。取っ手がないドアを開けようとするなど、解決できない問題に直面したとき、それは単に諦めるわけではありません。
代わりに、一時停止して「夜間学校」（進化モジュール）を呼び出します。このモジュールは、次のように言う教師の役割を果たします。
- 「あなたは道具がないから失敗したのです」
- 「新しい目標を作りましょう：『ドアを開ける方法を見つける』」
- 「新しい計画を書き、それを行うための新しい道具（コード）さえも作りましょう」
その後、エージェントはこの新しい計画を試みます。うまくいけば、新しい道具と新しい目標を恒久的な記憶に保持します。失敗すれば、そのアイデアを捨てます。時間の経過とともに、エージェントは人間のプログラマーがコードに触れることなく、自らの「DNA」を変えながら、自らの発明品のライブラリを構築していきます。
実験：ゼロからの学習
チームはプロトタイプを構築し、忙しい変化の激しいデジタル世界（フードデリバリーアプリに触発された）に投入しました。彼らはエージェントに、世界の基本的な説明といくつかの単純な道具以外、ほとんど何も与えず、何をするべきかを指示しませんでした。
結果：
- 成功: エージェントは、特定の作業（例えば荷物を配達するなど）を行う必要があることを自ら見抜き、それを行うためのコードを記述しました。それは、ほぼゼロの事前知識から新しい目標を発見し、新しい行動様式を創造しました。
- 課題: この論文は、システムはまだ完璧ではないと認めています。時々、環境が複雑になりすぎると、エージェントは以前の成功した手技を思い出すこと、あるいは新しい行動様式を安定して維持することに苦労します。新しい数学の公式を学ぶが、基本的な足し算のやり方を忘れる学生のようなものです。
結論
この論文は、命令に従うだけでなく、新しいスキルを自ら教え、自らの取扱説明書を書き換えることができるソフトウェアを構築できることを示しています。これはまだ、いくつかの成長の痛み（特に安定性と過去の教訓の記憶に関する点）を伴うプロトタイプですが、自ら進化するというソフトウェアの概念が可能であることを証明しています。次のステップは、これらのエージェントが混乱した状況でも教訓を忘れずに保持できるように、より良い保持方法を教えることです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。