Towards Traffic Modelling of Multi-Agent Systems: The Role of Coordination Topology

In de digitale wereld worden netwerken vaak beschouwd als pijpleidingen die berichten van de ene persoon naar de andere dragen. Decennialang hebben ingenieurs deze systemen ontworpen op basis van een eenvoudige aanname: het verkeer arriveert in een enigszins voorspelbaar ritme, gedreven door menselijke gebruikers die op knoppen klikken, e-mails versturen of webpagina's laden. Wanneer een persoon een moment wacht voordat hij het volgende bericht verzendt, ziet het netwerk een gat. Wanneer veel mensen tegelijkertijd handelen, ziet het netwerk een drukte. Dit door mensen gedreven patroon vormde de basis voor het plannen van de hoeveelheid capaciteit die een netwerk nodig heeft om de belasting aan te kunnen.

Echter, een nieuw soort digitale werker komt op: de autonome agent. Dit zijn softwareprogramma's aangedreven door grote taalmodellen die zelfstandig kunnen denken, plannen en handelen. In tegen tegenstelling tot een mens, die even pauzeert om na te denken voordat hij een antwoord typt, kan een dergelijke agent een complexe keten van interne acties genereren om één enkel probleem op te lossen. Eén gebruiker kan een vraag stellen, maar de agent kan besluiten om een hulpmiddel aan te roepen, een collega-agent om advies te vragen, een database te controleren en vervolgens een antwoord te synthetiseren. Dit alles gebeurt automatisch, wat een stroom van verzoeken creëert die het netwerk moet dragen. De vraag voor netwerkingenieurs is of de oude regels nog wel van toepassing zijn wanneer het verkeer niet langer wordt gedreven door menselijke handen, maar door de interne logica van deze digitale teams.

Een team onderzoekers zette zich schouder aan schouder om precies te meten hoe deze nieuwe systemen zich gedragen. Ze richtten zich op een specifiek aspect van netwerkverkeer: de tijd die verstrijkt tussen de ene aanvraag en de volgende. In de wereld van de netwerktechniek is dit gat een cruciale aanwijzing. Als de gaten willekeurig en verspreid zijn, gedraagt het systeem zich op een manier die gemakkelijk te voorspellen is. Als de gaten zich clusteren of een specifiek patroon volgen, gedraagt het systeem zich anders, wat potentieel knelpunten veroorzaakt die standaardontwerpen niet kunnen aanpakken. De onderzoekers wilden zien of de manier waarop deze agenten georganiseerd zijn — hoe ze met elkaar communiceren — het ritme van het verkeer dat zij genereren, verandert.

Om het antwoord te vinden, bouwde het team een gecontroleerde omgeving waarin ze dezelfde taak honderden keren konden uitvoeren met verschillende teamstructuren. Ze testten drie verschillende manieren om de agenten te organiseren. In de eerste opstelling werkten de agenten één na de ander, zoals bij een estafette waarbij elke hardloper wacht tot de vorige klaar is voordat hij start. In de tweede opstelling wijsde een centrale leider taken toe aan verschillende werkers tegelijkertijd, zoals een manager die opdrachten uitdeelt aan een groep werknemers op hetzelfde moment. In de derde opstelling kon elke agent direct met elke andere agent praten, wat een dicht web van communicatie creëerde. Ze voerden elk van deze scenario's 500 keer uit om een enorme hoeveelheid gegevens te verzamelen over hoe de verzoeken stroomden.

De resultaten onthulden dat de manier waarop agenten georganiseerd zijn, de aard van het verkeer fundamenteel verandert. Wanneer de agenten in een eenvoudige lijn werkten, één na de ander, was de tijd tussen de verzoeken relatief constant en voorspelbaar. Echter, wanneer de onderzoekers parallel werk introduceerden, veranderde het patroon drastisch. In de opstellingen waar agenten tegelijkertijd samenwerkten, werd het verkeer "bimodaal", wat betekent dat er twee verschillende gedragingen tegelijkertijd plaatsvonden. Het ene gedrag was een plotselinge uitbarsting van activiteit waarbij veel verzoeken bijna onmiddellijk arriveerden, gescheiden door minuscule fracties van een seconde. Dit gebeurde omdat het systeem meerdere commando's op exact hetzelfde moment verzond. Het andere gedrag was een langzamer, meer bedachtzaam ritme dat optrad terwijl de agenten daadwerkelijk informatie verwerkten en nadachten over hun taken.

De onderzoekers ontdekten dat het oude idee dat netwerkverkeer willekeurig arriveert, zoals regendruppels die op een dak vallen, niet past bij deze nieuwe systemen. Ze testten een standaard wiskundig model dat ervan uitgaat dat verzoeken onafhankelijk van elkaar arriveren, en stelden vast dat dit model beslist onjuist was voor alle onderzochte agent-opstellingen. In plaats daarvan volgde de tijd die de agenten nodig hadden om te denken en te redeneren tussen de verzoeken door, een ander patroon, dat beter beschreven kan worden door een curve die rekening houdt met hoe taken variëren in tijd afhankelijk van de complexiteit. Dit betekent dat de interne logica van de software een specifiek, gestructureerd ritme creëert dat zeer verschillend is van menselijk gedrag.

Deze bevindingen zijn van belang omdat ze laten zien dat het ontwerp van het agententeam zelf fungeert als een generator van verkeer. Als een systeem zo is ontworpen dat veel agenten tegelijkertijd met elkaar communiceren, zal het scherpe, intense uitbarstingen van netwerkactiviteit creëren die servers kunnen overbelasten, zelfs als het totale aantal taken gelijk blijft. De onderzoekers ontdekten dat in de meest verbonden opstelling, waar elke agent met elke andere agent kon praten, de tijd tussen de verzoeken daalde tot slechts enkele milliseconden voor een groot deel van het verkeer, wat een golf creëerde die bijna 600 procent sneller was dan de sequentiële opstelling. Deze golf is geen foutje; het is een structureel kenmerk van hoe het systeem werkt.

De studie benadrukte ook dat deze veranderingen doorwerken in het hele netwerk. De manier waarop de agenten coördineren, beïnvloedt niet alleen de applicatielaag, maar ook de onderliggende dataconnecties en de belasting op de servers die de verzoeken verwerken. De onderzoekers maten hoeveel datapakketten werden verzonden en hoeveel geheugen werd gebruikt, en vonden dat de grillige aard van de parallelle opstellingen leidde tot hogere pieken in het netwerkgebruik. Dit suggereert dat het simpelweg tellen van het totale aantal verzoeken niet genoeg is om de belasting te begrijpen; ingenieurs moeten ook kijken naar hoe die verzoeken in de tijd verspreid zijn.

Uiteindelijk geeft dit werk het eerste heldere beeld van hoe de structuur van een multi-agent systeem het verkeer vormt dat het creëert. Het laat zien dat naarmate we bewegen naar een toekomst waarin software-agenten samenwerken om problemen op te lossen, de netwerken die hen ondersteunen, ontworpen moeten worden met deze nieuwe patronen in het achterhoofd. De oude modellen, gebouwd voor menselijke gebruikers, kunnen het gedrag van deze digitale teams niet accuraat voorspellen. Door te begrijpen dat de coördinatiestijl van de agenten specifieke, meetbare patronen in het verkeer creëert, kunnen ingenieurs systemen bouwen die robuust genoeg zijn om het unieke ritme van de autonome toekomst aan te kunnen. De onderzoekers hebben hun tools en gegevens publiekelijk beschikbaar gesteld, in een uitnodiging aan anderen om deze patronen verder te verkennen naarmate de technologie blijft evolueren.