DeepMind让AI当「上帝」，导演一场只有AI演员的「西部世界」

AIGC动态23小时前发布 almosthuman2014

113 0 0

文章摘要

剧本杀作为一种经典的桌上角色扮演游戏（TTRPG），其核心角色是游戏主持人（GM），负责掌控游戏环境、讲述故事背景并扮演非玩家角色（NPC）。设想用生成式 AI 担任 GM，同时玩家也由 AI 担任，这将开启全新的应用场景。这些应用包括科学模拟、互动叙事和 AI 评估。科学模拟可用于构建虚拟社会，观察群体行为的涌现；互动叙事则通过 AI 智能体扮演角色，共同演绎剧情；AI 评估则通过设计特定场景来测试 AI 的推理、协作和沟通能力。

然而，科学性、戏剧性和公平性这三种需求差异巨大，甚至相互冲突。为了解决这一问题，Google DeepMind 和多伦多大学的研究人员提出了 Concordia 软件库，灵感源自 TTRPG 和现代游戏引擎。Concordia 的设计基于「实体-组件」架构，将 AI 玩家和 GM 视为基础实体，其能力由可插拔的组件决定。这种方式将工程师和设计师的角色分开，工程师负责创造组件，设计师则通过组合组件快速构建复杂场景，几乎无需编写底层代码。

实体-组件架构为构建多角色生成式 AI 系统提供了灵活的基础。实体是带有唯一标识符的轻量级对象，其行为与属性由挂载的组件决定。组件通过结合 Python 代码与 LLM 调用来实现，提供了最大的灵活性与表现力。开发者可以自主实现特定功能，也可以让 GM 根据 LLM 自由发挥或严格遵循预设规则。实体支持 observe 和 act 两种调用方式，分别触发组件的 preobserve、postobserve、preact 和 postact 函数。

这种架构模式特别适用于生成式 AI 智能体。智能体的思维可由多个组件构成，如 Memory、Planning 和 Beliefs 组件。组织实体也可由代表部门、政策及内部沟通结构的组件组合而成。通过配置不同的组件组合，可以为不同智能体赋予差异化的认知架构。GM 本身也是一个实体，其职能和逻辑可根据多智能体系统的需求灵活调整，无论是执行评估协议、引导叙事发展还是维护因果一致性。

Concordia 框架还支持不同的交互动态，根据 Edwards 的定义，TTRPG 可分为游戏型、叙事型和模拟型。生成式 AI 的动机可分为评估型、戏剧型、模拟型和创建合成训练数据的目标。评估型用户将多角色系统视为评估框架，关注公平竞争环境和明确的成功指标。戏剧型用户则关注通过 AI 角色互动生成引人入胜的叙事，优先考虑叙事一致性、情感共鸣和动态人物发展。

Concordia 框架的灵活性和模块化设计为多角色生成式 AI 系统的开发提供了强大的工具。它不仅支持复杂的科学模拟和互动叙事，还为 AI 评估提供了标准化的场景和明确的成功指标。通过组合不同的组件，开发者可以快速构建功能各异的实体，满足不同应用场景的需求。这一架构模式为未来生成式 AI 的发展提供了新的可能性。