マルチエージェントシステム（MAS） は、相互作用する複数のインテリジェント・エージェントから構成されるコンピューティング・システムである。マルチ・インテリジェント・システムは、単一のインテリジェント・エージェントや単一のシステムでは解決が難しい、あるいは不可能な問題を解決するために使用することができる。インテリジェント・エージェントには、ロボット、人間、ソフトウェアがある。インテリジェント・エージェントはそれぞれ異なる目標や能力を持ち、個々の目標や共通の目標を達成するために協力したり競争したりする。
マルチ・インテリジェント・ボディ・システムは、インテリジェンスの自律性、双方向性、適応性を重視し、複雑でダイナミックかつオープンな環境において、インテリジェンスをより頑強に、より柔軟に、よりスケーラブルにする。
コア・コンセプト
代理店
知能体は、環境を感知し、推論し、意思決定し、行動を起こすMASの基本的な構成要素である。知能体は通常、以下のような特徴を持つ：
- 自治知性体は、外部からの制御を受けずに、自らの状態や目標に従って自律的に行動することができる。
- 反応性知的な身体は環境の変化を感じ取り、タイムリーに対応することができる。
- 積極性知的な身体は、環境に受動的に反応するだけでなく、目標を達成するために主体的に行動することができる。
- 社会性知能は他の知能と相互作用したり、協力したり、競争したりすることができる。
環境
環境とは、知的体が存在する外界のことで、知的体に知覚情報を提供し、知的体の行動の影響を受ける。環境には、物理的なもの（現実世界など）と仮想的なもの（コンピュータ・シミュレーションなど）がある。
交流
相互作用とは、知能間のコミュニケーションと調整を指す。知性は知識を共有し、目標を交渉し、行動を調整することで相互作用することができる。相互作用には協力的なものと競争的なものがある。
MASアーキテクチャー
MASのアーキテクチャは、インテリジェンスがどのように組織化され、相互作用するかを説明するものである。一般的なMASのアーキテクチャには以下のようなものがある：
- トラディショナルインテリゲンチアは観察と行動を通じて環境と相互作用する。このアーキテクチャは単純明快で、個々の生物が環境と相互作用するのと似ている。
- 反応性知覚した環境刺激によって直接行動が引き起こされ、複雑な推論プロセスを伴わない知能。このようなアーキテクチャーを持つインテリジェン ティアは反応性が高いが、長期的な計画能力に欠ける可能性がある。
- 審議的インテリジェン トは推論と計画を可能にする内部状態と知識表現を持っている。このアーキテクチャのインテリジェントは複雑な意思決定を行うことができるが、反応が遅い場合がある。
- ハイブリッドリアクティブ・アーキテクチャーとデリゲイティブ・アーキテクチャーの長所を併せ持つインテリジェンスは、環境の変化に素早く対応し、長期的な計画を立てることができる。
- 信念-欲求-注意（BDI）に基づく。知的体の行動は、その信念（世界の認識）、期待（達成したい状態）、意図（取る予定の行動）によって駆動される。
- リ・アクト（推理と演技）人間が行動する前に考えるのと同じだ。
- 大規模言語モデル（LLM）に基づく。LLMの強力な言語理解・生成機能を活用し、より強力な推論とコラボレーションでインテリジェンスを強化。
次の図はMASのアーキテクチャを示している。
MASのキーテクノロジー
コミュニケーション
知的生命体は、情報を交換し、行動を調整するために、互いに通信する必要がある。一般的に使用されるコミュニケーション方法には以下のようなものがある：
- 直接対話インテリジェンス間で直接メッセージを送受信する。
- かんせつつうしんインテリゲンチアは、共有する環境や中間媒体を通じてコミュニケーションをとる。
- 通信プロトコルインテリジェンス間のコミュニケーションは、KQML（Knowledge Query and Manipulation Language）やFIPA（Foundation for Intelligent Physical Agents）のような特定のプロトコルに従う必要があります。
コーディネーション
コーディネーションとは、共通の目標を達成するための知性間の協力である。よく使われる調整メカニズムには以下のようなものがある：
- 交渉インテリゲンチアは交渉で合意した。
- 協力インテリゲンチアは協力して仕事をこなし、資源や知識を共有する。
- コンペティションインテリゲンチアは限られた資源を奪い合う。
学習
学習とは、知能が環境や他の知能との相互作用を通じて、その行動を改善する能力のことである。よく使われる学習方法には以下のようなものがある：
- 強化学習インテリゲンチアは試行錯誤を繰り返しながら学習し、環境からのフィードバックに基づいて行動戦略を適応させていく。
- マルチエージェント強化学習(MARL)多重知能は、共有された環境の中で学び、相互作用し、共進化していく。
- 進化的アルゴリズム淘汰、交叉、突然変異などの操作を通じて、知能の振る舞いを最適化するための生物学的進化過程のモデル化。
プランニング
プランニングとは、知的な個人が目標を達成するための行動計画を立てるプロセスである。一般的に用いられるプランニングの方法には、以下のようなものがある：
- クラシック・プランニング状態空間探索に基づき、初期状態からゴール状態までの行動シーケンスを求める。
- 階層的プランニング複雑なタスクを複数のサブタスクに分解し、個別に計画を立てる。
- マルチ・エージェント・プランニング多重知能による行動計画の共同開発。
MASの応用分野
MASの応用範囲は広く、例えば複数の知能が協調して働くことが求められる多くの分野をカバーしている：
- ロボット工学複数のロボットが協力して、探索、救助、ハンドリングなどのタスクを行う。
- 分散制御スマートグリッドやインテリジェント交通システムのような複雑なシステムを制御するために、複数のインテリジェンスが協働する。
- 電子商取引売り手と買い手に代わって、複数のインテリジェンス間の交渉と取引を自動化。
- ゲーム複数のゲームキャラクターが協力したり対戦したりすることで、よりリアルでやりがいのあるゲームプレイを体験できます。
- シミュレーション複雑な社会・経済・生物システムをモデル化し、その進化パターンを研究する。
- コード開発インテリゲンチアは、コードの記述、テスト、レビューにおいて共同作業を行うことができます。
- スマート・シティ／スマート・マニュファクチャリング複数の知能が都市のインフラや工場の生産設備を制御し、複雑な制御タスクを実行する。
- 財務トランザクション金融トレーディング・インテリジェンスは人間のトレーダーをシミュレートすることができ、高頻度取引や意思決定分析において人間を超える能力を発揮する。
MASの課題と未来
MASは大きな進歩を遂げたが、多くの課題が残っている：
- 不均質性ハードウェア、ソフトウェア、通信プロトコルが異なる異種インテリジェンス間の相互運用性を実現するには？
- スケーラビリティ知能の数が増えてもシステムの性能と安定性を確保するには？
- 堅牢性インテリジェンスの故障や環境の変化といった不確定要素に直面しても、システムが稼働し続けるようにするにはどうすればいいのか？
- セキュリティ悪意ある知的生命体による攻撃や被害を防ぐには？
- 倫理MASの行動が倫理的で道徳的であることをどうすれば保証できるのか？
MASは、AI技術が進化を続ける中、特にLarge Language Models (LLM)の台頭により、以下のような形でMASに変革をもたらすと期待されている：
- より強力なインテリジェント・ボディ能力LLMは、自然言語の理解と生成を強化することで、インテリジェンスに力を与え、人間の意図や人間とコンピュータの相互作用をよりよく理解することを可能にする。
- より効率的なコラボレーションLLMはインテリジェンス間の知識共有と協調的推論を促進し、コラボレーションの効率を向上させることができる。
- 幅広いアプリケーションシナリオLLMは、インテリジェントな顧客サービス、インテリジェントな教育、インテリジェントな医療など、MASの応用分野を拡大することができる。
まさに ネクサス・プロジェクト紹介記事ラージ・ランゲージ・モデル（LLM）の分野における最近の進歩は、MASアーキテクチャと、人間に近い推論などの応用能力を向上させている。MASアーキテクチャに統合されると、LLMは中心的な推論インテリジェンスとして機能し、ダイナミックな環境における適応性、コラボレーション、意思決定を強化することができる。"
将来、MASはより賢く、より相乗的で、より信頼できる方向に発展し、人間社会にさらなる利便性と価値をもたらすだろう。
日本語 
简体中文 
English 
Deutsch (Sie) 
Português do Brasil