MAPS: Modeling Co-Existing Subjective Perspectives and Shared Meaning in Multi-Agent Cognitive Dialogue
本文介绍了 MAPS，这是一个新颖的多智能体框架，它通过利用领域加权画像、动态记忆和可解释注意力机制，在对话中平衡个体主观视角与共享意义，从而使具有认知差异的智能体能够在不牺牲多样性的情况下实现语义对齐。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个这样的世界：说话不仅仅是像交换卡片一样交换事实，而是分享这些事实对不同的人而言意味着怎样的“感受”。这就是人工智能领域的核心，特别是研究如何教计算机进行对话的分支。长期以来，科学家们一直试图构建听起来像人类一样的聊天机器人。他们发现，真正的人类不仅仅是逻辑机器；我们拥有记忆、偏见以及看待世界的独特方式。有时，两个人在同一个事实上可以达成一致，但解释的方式却完全不同，因为一个人可能正感到悲伤，而另一个人则感到兴奋。研究人员提出的重大问题是：我们能否构建出一种 AI，它不仅是在模仿人类，而且在理解对方所说内容的同时，还能保持自己独特的“认知视角”？如果我们能做到这一点，我们未来与计算机的对话可能会更具共情力、创造力，且不再那么机械化。
由此，MAPS（多智能体视角空间，Multi-Agent Perspective Spaces）诞生了。这是一个旨在解决大多数 AI 系统失败之处的新型框架：它们强迫每个人都以完全相同的方式思考。想象一个教室，老师要求每个学生同时举手并说出完全相同的句子。这就是许多现有 AI 系统的工作方式；它们通过抹杀个性来确保每个人都达成一致。但在现实生活中，一场对话更像是一场爵士即兴演奏会。每个人都在演奏同一首歌（共享的意义），但每个人都在用自己的风格、乐器和情绪进行即兴创作（其主观视角）。
MAPS 的研究人员构建了一个系统，旨在证明多个 AI 智能体可以在达成“共享意义”的同时，并不坍缩或丢失各自独特的“主观认知视角”。为了直观地说明这些不同的认知视角，研究者使用了“个性”这一概念。这就像一群朋友在计划旅行：其中一个朋友是“精神型”的，他关心旅程的意义和涉及的情感；而另一个是“理性型”的，他关心预算、日程和事实。在普通的 AI 聊天中，这两者最终会达成一个通用的计划并失去个性。但在 MAPS 模拟中，他们保持了各自的视角。 “精神型”的朋友可能会说：“这里的日落感觉像是一个新的开始，”而“理性型”的朋友会说：“日落时间是下午 6:42，这给了我们 45 分钟的时间来收拾行李。”他们都对时间和地点达成了一致（共享的意义），但他们通过各自独特的视角来表达。
论文指出，MAPS 通过赋予每个智能体三种特殊的工具来实现这一点。首先，他们共享一个“共同基础”，在这里他们对对话的基本事实达成共识。其次，他们有一个“视角适配器”，就像一副有色眼镜，将共享的事实染上各自个性的色彩（比如让一切看起来更具情感色彩或更具逻辑色彩）。第三，他们有一个“动态记忆”，能够记住过去的想法和说过的话，因此他们的视角会随着聊天的进行而演变。
当研究人员测试这个系统时，他们发现智能体确实可以在不丢失主观视角的情况下达成共同理解。在利用充满情感故事和任务导向型对话的数据集进行的实验中，智能体成功降低了它们的“语义偏差”（意味着它们更好地理解了彼此），同时保持了较高的“主观性”（意味着它们听起来依然各具特色）。例如，在一次测试中，两个智能体都同意某人“离开了”，而情感型智能体关注的是失去带来的悲伤，而逻辑型智能体则关注缺席这一事实。论文表明，这种平衡是可能的，这说明我们不必在智能、连连贯的 AI 与多样化、类人的 AI 之间做出选择。
然而，作者谨慎地指出，这仍处于开发阶段。智能体的“个性”是由研究人员手动设置的，目前尚未实现由计算机自动学习。此外，该系统目前只能记住当前聊天会话中的内容，而不是长达数月或数年的整个关系历史。虽然研究结果令人鼓舞，展示了一条前进的道路，但论文将其定义为一个证明了某种新可能性的“模拟实验”，而非一个准备好取代互联网上所有聊天机器人的成品。这是一个概念验证，它在说：“嘿，AI 朋友们可以拥有不同的思维方式却依然可以和谐地达成共识，这是可能的。”这为未来的系统打开了大门，这些系统或许有一天能学会自己的视角，并长久地记住我们。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。