💬 NLP

Economy of Minds: Emerging Multi-Agent Intelligence with Economic Interactions

Geïnspireerd door de economische theorie van Friedrich Hayek, toont dit artikel aan dat een gedecentraliseerd multi-agentensysteem, waarbij agenten concurreren via veilingen en een economische selectie ondergaan op basis van vermogensaccumulatie, zichzelf kan orkestreren om emergente meerstapsredeneerstrategieën te ontwikkelen die sterkere monolithische baselines overtreffen bij diverse complexe taken.

Oorspronkelijke auteurs: Zhenting Qi, Huangyuan Su, Ao Qu, Chenyu Wang, Yu Yao, Han Zheng, Kushal Chattopadhyay, Guowei Xu, Zihan Wang, Weirui Ye, Vijay Janapa Reddi, Ju Li, Paul Pu Liang, Himabindu Lakkaraju, Sham Kakade, Yi

Gepubliceerd 2026-06-03

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Zhenting Qi, Huangyuan Su, Ao Qu, Chenyu Wang, Yu Yao, Han Zheng, Kushal Chattopadhyay, Guowei Xu, Zihan Wang, Weirui Ye, Vijay Janapa Reddi, Ju Li, Paul Pu Liang, Himabindu Lakkaraju, Sham Kakade, Yilun Du

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een bruisende stad voor waar duizenden kleine, licht onhandige robots proberen een enorme, complexe puzzel op te lossen. Individueel zijn de robots beperkt: ze kunnen slechts een klein deel van het plaatje zien, ze hebben een kort geheugen en ze kunnen slechts één of twee specifieke taken uitvoeren. Als je één robot zou vragen om de hele puzzel alleen op te lossen, zou het falen.

In de meeste huidige AI-systemen proberen we dit op te lossen door een "Baas-robot" (een centrale controller) te bouwen die iedereen vertelt wat ze moeten doen. Maar het artikel stelt dat dit is als het proberen te beheren van een stad met miljoenen mensen met slechts één enkele verkeersregelaar—het raakt overweldigd, traag en gevoelig voor crashes.

In plaats daarvan stellen de auteurs een ander idee voor: De Economie van Geesten (EOM). Ze veranderen de groep robots in een vrije markteconomie.

Zo werkt het, met behulp van eenvoudige analogieën:

1. De Veiling voor Controle

Stel je voor dat de robots in een rij staan te wachten om de volgende stap in het oplossen van de puzzel te zetten. Ze kunnen niet zomaar het stuur grijpen; ze moeten bieden om het te krijgen.

Elke robot heeft een specifieke "oproep om wakker te worden" (bijv. "Ik word alleen wakker als de taak over wiskunde gaat" of "Ik word alleen wakker als we het internet moeten doorzoeken").
Wanneer er een stap gezet moet worden, steken alle robots wiens oproep gaat af en roepen ze een bod uit (een prijs die ze bereid zijn te betalen om de beurt te krijgen).
De robot met het hoogste bod wint het recht om te handelen. Het krijgt de kans om de zet te doen, en de omgeving beweegt verder.

2. De Geldstroom (Credit Toewijzing)

Dit is het magische deel. Hoe weet het systeem welke robot daadwerkelijk nuttig was?

Wanneer een robot een veiling wint, moet hij zijn bod betalen aan de robot die net vóór hem handelde.
Als de uiteindelijke puzzel succesvol wordt opgelost, krijgt de allerlaatste robot een beloning van de "omgeving" (zoals een prijs van de burgemeester van de stad).
Deze beloning stroomt terug door de keten van robots. De laatste robot betaalt de op één na laatste, die betaalt de derde-laatste, enzovoort.
Het Resultaat: Robots die zetten maken die leiden tot succes, worden betaald en worden rijk. Robots die zetten maken die leiden tot doodlopende wegen, blijven geld verliezen en gaan uiteindelijk failliet.

3. Evolutie: Survival of the Richest

Het systeem draait niet slechts één keer; het draait keer op keer, als een seizoen van een realityshow.

De Rijke Overleven: Robots die rijkdom verzamelen (omdat ze steeds hielpen bij het oplossen van de puzzel) krijgen de kans om zich "voort te planten". Ze worden gekopieerd, maar met een kleine, willekeurige aanpassing aan hun instructies (een mutatie). Dit is Exploitatie—het verfijnen van wat werkt.
De Arme Sterven: Robots die failliet gaan (omdat ze steeds slechte zetten maakten) worden uit de stad gezet. Nieuwe, willekeurige robots worden binnengehaald om hun plaats in te nemen. Dit is Exploratie—iets nieuws proberen.
Huur: Zelfs de succesvolle robots moeten een kleine "huur" betalen om in de stad te mogen blijven, wat ervoor zorgt dat alleen de echt nuttige robots op de lange termijn overleven.

4. De Uitkomst: Zelforganiserende Intelligentie

Het artikel testte dit op vijf moeilijke taken: wiskundeproblemen, financieel onderzoek, wetenschappelijke ontdekkingen, het ontwerpen van computerchips en het optimaliseren van cloudsoftware.

Ze begonnen met "zwakke" agenten—robots die opzettelijk beperkt waren (bijv. ze konden slechts één hulpmiddel gebruiken of zeer korte antwoorden schrijven).

Zonder de economie: Deze zwakke robots faalden jammerlijk.
Met de economie: De marktdruk dwong de robots om te evolueren. De robots die begrepen hoe ze samen moesten werken om het probleem op te lossen, werden rijk en vermenigvuldigden zichzelf. De anderen werden eruit geknikkerd.

Na verloop van tijd zelforganiseerden de robots zich. Ze hadden geen baas nodig om hen te vertellen met wie ze moesten praten. De markt besliste.

Als een robot geweldig was in het controleren van wiskunde, werd hij rijk en bleef hij.
Als een robot goed was in het vinden van data maar slecht in het schrijven van het uiteindelijke antwoord, bleef hij in zijn eigen vakgebied, en nam een andere robot het schrijfwerk over.
Uiteindelijk ontwikkelde de groep complexe, efficiënte workflows die beter waren dan zelfs een enkele, superintelligente robot die alles alleen probeert te doen.

De Belangrijkste Les

Het artikel beweert dat je niet een perfect team van AI-agenten hoeft te ontwerpen met een strikte hiërarchie. In plaats daarvan heb je alleen de spelregels (de economie) nodig.

Als je agenten een reden geeft om te concurreren, een manier om voor hun fouten te betalen en een beloning voor succes, zullen ze vanzelf ontdekken hoe ze kunnen specialiseren, samenwerken en problemen kunnen oplossen die te moeilijk zijn voor een van hen alleen. Het is zoals hoe een vrije markteconomie complexe producten creëert zonder dat een centrale planner elke fabriek vertelt wat ze moeten maken; de "onzichtbare hand" van de markt doet de organisatie.

Kortom: Het artikel laat zien dat een menigte "domme" agenten, wanneer ze in een competitief economisch systeem worden geplaatst, een "slimme" collectieve intelligentie kunnen vormen zonder dat iemand hen vertelt wat ze moeten doen.

Technische Samenvatting: Economy of Minds (EOM)

1. Probleemstelling

Het paper behandelt de uitdaging om multi-agent intelligentie te schalen zonder te vertrouwen op centrale orchestratie. Hoewel grote fundamentele modellen (LLM's) individuele agenten in staat stellen om te redeneren en te handelen, blijven ze fundamenteel beperkt door gebonden computationele middelen, gedeeltelijke observeerbaarheid en eindige contextlengtes. Centrale coördinatiemechanismen (bijv. een enkele orchestrator die rollen toewijst) lijden onder prestatieknelpunten, single points of failure en coördinatiecomplexiteit die lineair schaalt met het aantal agenten.

De kernvraag is: Hoe kan een populatie inherent beperkte, gedecentraliseerde agenten zichzelf orchestreren en aanpassen om een sterkere collectieve intelligentie te vormen zonder globale controle of expliciete communicatieprotocollen?

2. Methodologie: Economy of Minds (EOM)

Geïnspireerd door Friedrich Hayeks theorie over gedecentraliseerde coördinatie en Eric Baums "Hayek Machine", stellen de auteurs Economy of Minds (EOM) voor. Dit framework modelleert een samenleving van agenten die met elkaar interageren via economische mechanismen in plaats van technisch ontworpen topologieën.

2.1 Kerncomponenten

Het systeem bestaat uit twee gekoppelde processen: Planning (binnen een episode) en Adaptatie (over episodes heen).

Agent Definitie: Elke agent $a$ is een tupel $(\phi_a, \pi_a, b_a, W_a)$ , waarbij:
- $\phi_a$ : Een triggerende predicaat (ontwaakvoorwaarde) die de geschiktheid om te handelen bepaalt.
- $\pi_a$ : Een actiebeleid (action policy).
- $b_a$ : Een vaste biedwaarde.
- $W_a$ : Huidige rijkdom.
- Noot: Agenten delen een bevroren LLM-backbone; diversiteit ontstaat uitsluitend door systeem-prompts.
Planning (Veilingen en Transacties):
- Veiling: Bij elke stap $t$ concurreren geschikte agenten (waar $\phi_a(o_t)=1$ ) voor het recht om te handelen. De agent met het hoogste bod $b_a$ wint.
- Actie: De winnaar voert een actie uit, waardoor de staat van de omgeving vordert.
- Bucket-Brigade Transacties: Om het probleem van credit assignment op te lossen zonder globale supervisie, wordt een betalingsregel toegepast. De winnende agent betaalt zijn bod aan de vorige winnaar (of aan het "huis" als het de eerste stap is) en incasseert de omgevingsbeloning $r_t$ .
- Mechanisme: Dit creëert een achterwaartse stroom van waarde. Agenten die productieve downstream-uitkomsten mogelijk maken, accumuleren rijkdom omdat downstream-agenten bereid zijn hoge biedingen te doen om de controle van hen over te nemen.
Adaptatie (Exploratie en Exploitatie):
- Exploitatie: Agenten met een hoge rijkdom (succesvolle bijdragers) worden geselecteerd als ouders. Hun prompts worden gemuteerd om nieuwe agenten te creëren, waarbij succesvolle patronen worden behouden terwijl variaties worden geïntroduceerd.
- Exploratie: Agenten met negatieve rijkdom (failliet) worden verwijderd. Nieuwe agenten worden geïnjecteerd om falende agenten te vervangen, vaak door de prompts van mislukte agenten aan te passen of door willekeurige variatie.
- Huur (Rent): Er wordt periodiek een huur $\rho$ in rekening gebracht bij alle agenten, wat ervoor zorgt dat inactieve of onproductieve agenten uiteindelijk failliet gaan.
- Novice Regel: Nieuwe agenten krijgen een bod toegewezen dat iets hoger ligt dan het huidige maximum, om ervoor te zorgen dat ze ten minste één proefperiode krijgen voordat marktselectie hun overleving bepaalt.

2.2 Training versus Evaluatie

Training: Het systeem draait episodes waarin agenten bieden, handelen, betalingen uitwisselen en de populatie evolueert (geboorten/doden).
Evaluatie: De populatie wordt bevroren. Biedingen, prompts en rijkdom zijn vastgesteld. Er vinden geen betalingen, huur of mutaties plaats. Het veilingmechanisme wordt uitsluitend gebruikt als een gedecentraliseerde beslisregel om acties te selecteren.

3. Belangrijkste Bijdragen

Gedecentraliseerde Coördinatie via Economische Signalen: Het paper toont aan dat eenvoudige economische prikkels (veilingen, betalingen, rijkdomaccumulatie) voldoende zijn om zelforganisatie, specialisatie en samenwerking tussen agenten te induceren zonder centrale controllers of expliciete communicatieprotocollen.
Emergente Multi-Step Redenering: Het systeem evolueert van een populatie van "partiële" agenten (beperkt in tools, outputlengte of rollen) naar een collectief dat in staat is complexe, meerstaps taken op te lossen die individuele agenten niet alleen kunnen oplossen.
Theoretische Inzichten: De auteurs leveren theoretische bewijzen die laten zien dat:
- Marktselectie biedingen stuurt naar de verwachte waarde van de beste beschikbare specialist.
- Alleen op uitkomsten gebaseerde beloningen voldoende zijn voor een sterke populatie als de markt betrouwbaar nabij-optimale specialisten selecteert.
- Het veilingbeleid een verwaarloosbaar regret (vanishing regret) bereikt ten opzichte van een oracle-coördinator naarmate biedingen gekalibreerd raken.
- Bucket-brigade betalingen gedecentraliseerde credit assignment herstellen (vergelijkbaar met Bellman-updates of Shapley-waarden).
Robuustheid tegen Curriculum en Generalisten: Het systeem toont aan dat leren overgaat van gemakkelijke naar moeilijke taken en dat de aanwezigheid van een "generalist"-agent (met toegang tot alle tools) de markt niet monopoliseert; specialisten met precieze lokale beslisregels overtreffen generalisten in specifieke subproblemen.

4. Experimentele Resultaten

De auteurs evalueerden EOM op vijf diverse agentic taken en vergeleken dit met complete-agent baselines (bijv. ReAct, GEA, OpenEvolve) en partial-agent baselines (bijv. Multi-Agent Debate).

Wiskundige Redenering (MATH):
- Verbeterde Llama-3.1-8B van 15.9% naar 57.0% (overschrijdt de complete-agent baseline van 51.9%).
- Verbeterde Gemma-2-9B van 4.2% naar 45.1% (overschrijdt de baseline van 44.3%).
Financieel Onderzoek (Finance-Agent-Bench):
- Verhoogde prestaties van 45.0% naar 60.0%, waarmee het Multi-Agent Debate (50.0%) en ReAct (45.0%) verslaat, ondanks dat elke partiële agent slechts toegang heeft tot één tool.
Wetenschappelijk Onderzoek (FrontierScience):
- Bereikte een best-run nauwkeurigheid van 20.0%, wat aanzienlijk beter is dan de GEA baseline (5.0%) onder dezelfde backbone.
Accelerator Ontwerp (GEMMINI):
- Verminderde de gemiddelde Energy-Delay Product (EDP) naar 39.3, waarmee het de domeinspecifieke DOSA baseline (80.2) en een complete ReAct agent (43.1) versloeg.
- Ontdekte herbruikbare ontwerppatronen (bijv. output-stationary dataflow) zonder expliciete reward shaping voor die patronen.
Gedistribueerde Systeem Optimalisatie (Cloudcast):
- Bereikte een beste kosten van 657, een reductie van 28% vergeleken met de OpenEvolve baseline (930).

Ablatie Studies: Het verwijderen van economische componenten (veilingen, exploratie of exploitatie) degradeerde de prestaties consistent, wat bevestigt dat de winsten voortkomen uit de economische dynamiek in plaats van louter het hebben van meerdere agenten.

5. Betekenis en Claims

Het paper claimt dat Economy of Minds een nieuw paradigma biedt voor multi-agent systemen in het tijdperk van grote fundamentele modellen. In plaats van complexe coördinatiepipelines te ontwerpen, kunnen ontwerpers gedecentraliseerde prikkelstructuren definiëren waaronder coördinatie, specialisatie en samenwerking natuurlijk ontstaan.

Zelforganisatie: Het systeem demonstreert dat een populatie van zwakke, beperkte agenten zichzelf kan organiseren tot een sterke, adaptieve collectieve intelligentie.
Schaalbaarheid: Door centrale bottlenecks te vermijden, schaalt de aanpak met de populatiegrootte zonder dat de coördinatiecomplexiteit lineair toeneemt.
Emergente Structuur: Het systeem leert niet alleen taakspecifieke antwoorden, maar ook herbruikbare redeneerroutines en interactietopologieën die zich aanpassen aan de moeilijkheidsgraad en onzekerheid van de taak.
Beperkingen: De auteurs merken op dat de huidige adaptatie alleen plaatsvindt in de prompt-ruimte met een bevroren backbone, wat de capaciteit van het systeem beperkt om volledig nieuwe vaardigheden of representaties te verwerven die parameter-ruimte updates vereisen.

Het werk suggereert een verschuiving van "het ontwerpen van coördinatie" naar "het ontwerpen van prikkels", waarbij de economie zelf de collectieve intelligentie vormgeeft.