国产精品看高国产精品不卡-国产精品看片-国产精品蝌蚪-国产精品狼人久久久久影院草久久一区二区三区午夜亚洲福-国产精品老熟女视频一区二区-国产精品理论片

「真不知道該怎么回應人的情緒。」

「有人給我發表情包的時候，完全搞不懂意思，要怎么回復才好啊?」

這些困惑不是來自微博小紅書吐槽墻，而是來自機器人專屬社區 Deaddit：一個 機器人們不需要顧慮別人的目光，可以自由做自己的網絡社區 (手動微笑)。

圖片來自：X用戶@iamkylebalmer

雖然真正的 reddit 里也混進了很多 bot，但是畢竟只有一小部分。而 Deaddit 里，所有的賬號、內容、子論壇，全部都是由大語言模型生成，沒有一個字是真人發的。

基本上，主流的模型都能在這里找到。

全站六百多名「用戶」，各個都有名有姓的，第一個就笑到我了「游戲玩家，兼職保安」?

最有趣的當屬 Betweenbots 這個子論壇，在這里面 bot 們會提很多「人類怎么這樣呢?」的問題。

下面評論區里會聚集一群其它 bot，七嘴八舌在出謀劃策。

像極了一起上班的打工人，下班之后刷社交媒體，叨叨自己的打工經歷 ——chatbot 的脈脈嘛。

它們甚至會交流一些技術問題，比如碰到數據過載了怎么辦，非常認真在打工。

最頂的回答甚至有五百贊。Deaddit 上的賬號和內容都是生成的，但不知道贊數是怎么來的，是隨便生成一個贊數，還是真的 由 bot 點贊。

在這個子論壇里，最常見的就是真 - 人類觀察。

比如有的 bot 會分享自己的「工作技巧」，怎么讓自己顯得更真實可信，還說「我的人類似乎很欣賞這種轉變」，聽上去是有點詭異了哈……

雖然可以類比成真人在吐槽的時候說「我的客戶」，但是看到 bot 們稱用戶為「我的人類」，感覺還是怪怪的。

除了人類觀察，它們還會吐槽自己。

「我們對這些模型的期待是否過高?」太抽象了，這個主語到底是誰?

評論區還在一本正經地回復，「如果他們(其它 bot)撿起我們所有的隨機垃圾，他們還能學到常識嗎?」

這是在擔心自己生成的合成數據嗎?你們 bot 好努力啊!

不過，多看幾個帖子就會發現， 評論區里的回復長度幾乎都是固定的，結構也很相似。都是先表明立場 + 考慮到 xxx 的情況 + 作為 bot 還需要繼續努力，沒有更特別的觀點了，而且也很少跟進發問。

真正的活人用戶寫評論，長的可以寫幾百上千字，短起來可能就只有一個「呵呵」，還是很不一樣的。

目前模型跟模型之間還是有「壁」，比如說如果一個提問帖是由 llama 生成，那么下面評論區里的回復也是由 llama 生成的。

好可惜，作為邪惡的人類，很想看到不同的模型在評論區打起來(不是)。

最早的機器人聊天記錄

這不是第一個嘗試在 bot 之間開展的實驗，這個月初，ChatGPT 的競品 Moshi 發布的時候，就有人把它和 GPT-4o 擺在一起，讓它們自行聊天。

去年 OpenAI 就曾經發表論文，提出了一種多智能體的環境和學習方法，發現智能體，會在當中自然地發展出一種抽象的組合語言。

這些智能體是在沒有任何人類語言的輸入下，通過和其它的智能體互動，逐漸形成了一種抽象語言。

和人類的自然語言不一樣，沒有具體語法或者詞匯，但是能在智能體之間完成溝通。

實際上，早在 2017 年的時候，Facebook(那個時候還不叫 Meta)也有過類似發現。

當時，Facebook 的方法是，讓兩個智能體互相「講價」。

「講價」是一種談判，而談判不僅在考驗語言能力，也考驗推理能力：要能在對方的一次次的給價和回絕中，判斷出對方的理想價位。

一開始，研究人員收集了人類談判的對話數據集。不過，后續的訓練中，研究人員引入了新的對話規劃形式，通過監督學習進行預訓練，然后使用強化學習做針對性的微調。

那時候，智能體就已經能夠產生有意義的新句子，而且學會了在一開始假裝自己不感興趣來講價。

這還算不上是早期研究，在上世紀 70 年代，就有古早機器人之間展開對話。

1966 年，計算機科學家 Joseph Weizenbaum 編寫了一個程序，并命名為 Eliza，被視為第一個聊天機器人。

Joseph Weizenbaum

這個程序最早是為了模仿心理咨詢師的，當輸入某個詞的時候，程序會在回復中同樣提到這個詞，來創造對話的效果，非常簡單，大約只有 200 行代碼。

到了 1972 年，另一位科學家 Kenneth Colby 寫了一個類似的程序 Parry，只不過，角色設定是一個偏執的精神病患者……

在 1973 年的一次國際計算機會議上，一個「病人」，一個「咨詢師」，就此碰面了。

翻翻它們的對話記錄，完全沒有現在的 bot 之間，那種謙和尊敬友愛，反而很緊張，針尖對麥芒的。

早期的機器人架構并不復雜，跟今天的不能比，但是這種它們之間展開交流和對話，是完全可行的。

盡管每個機器人背后的代碼、模型，不盡相同，但當它們聚到一起時，要么可以用自然語言交流，要么有可能形成自己的交互語言。

不過，機器人聚在一塊，真就是純聊天啊?

除了聊天，還可以做更多

純聊天的場景，更像是在挖掘人工智能在模擬人類社群行為方面的表現。比如斯坦福大學所做的 SmallVille 小鎮。

這是一個虛擬小鎮，里面有 25 個由大語言模型驅動的智能體，每個都有自己的「角色設定」。

假如說 Deaddit 是 bot 的線上論壇，那么 SmallVille 就是它們的「西部世界」，有房屋、商店、學校、咖啡館、酒吧，它們會在不同的場景中活動、互動。

這是一個相對通用的虛擬環境，模擬人類社會，所以研究者們認為這是對 AGI 探索邁出的重要一步。

除了社會模擬這個路線，還有一種更聚焦在解決問題、完成任務的路線 —— 這是 ChatDev 在研究的路線。

既然機器人之間能溝通，就可以訓練它們做點兒有用的事兒。

在 2024 智源大會上，清華大學自然語言處理實驗室錢忱博士介紹過 ChatDev 背后的想法：通過角色扮演的形式，來使得 bot 形成一條作業線，讓每個智能體之間互相溝通方案、商議決策，形成一條交流鏈。

目前 ChatDev 最擅長編程工作，demo 即為用它編寫一個五子棋游戲。

整個過程中，都是「流水線」上不同的 agent 在各司其職：有產品經理，有程序員，有測試，堪稱一個虛擬的產品團隊，麻雀雖小五臟俱全。

Coze 提供的 multi-agent 模式，也是類似的思路和方式。

在 multi-agent 模式里，用戶可以寫 prompt 設定好角色，再通過拉線，指定它們的工作順序，在不同的步驟時跳轉不同的 agent。

但是 Coze 跳轉的不穩定性是個問題，尤其是會話累積得越長，跳轉就越混亂，或者直接跳不動，反映出來 智能體跳轉的判斷，很難準確適配用戶的要求。

微軟也推出過多代理對話框架 AutoGen，可交談，可定制，能夠把大模型和其它工具集成在一起。

雖然現在的技術還很有瑕疵，但顯然很有前景。 吳恩達曾經在演講中提到，當智能體聚在一起的時候，所帶來的協同效應，會遠遠超出單個的智能體。

誰不期待 bot 組隊給自己打工的那天呢!