Naukowcy opracowali nowy sposób, w którym wiele agentów AI może wspólnie wykonywać złożone polecenia, korzystając z abstrakcyjnych sekwencji działań zwanych makroakcjami oraz z mechanizmu zwanego value cancellation. To oznacza skok w kierunku bardziej inteligentnej współpracy między sztucznymi systemami, które dotychczas miały problemy z koordynacją przy trudniejszych zadaniach. Zamiast каżdy agent działał na poziomie poszczególnych, prostych ruchów, mogą teraz myśleć w kategoriach wyższego rzędu - całych bloków działań. Pozwala to na bardziej naturalne i efektywne uzgadnianie się między nimi.
Value cancellation to kluczowy element proponowanej metody - polega na tym, że agenty mogą eliminować redundantne lub konfliktujące wartości w swoich decyzjach, co zmniejsza szumy i pozwala skupić się na tym, co naprawdę istotne dla rozwiązania problemu. Dzięki temu systemy mogą komunikować się bardziej oszczędnie i skuteczniej. Badacze pokazują, że gdy wieloagentowe zespoły pracują na poziomie makroakcji zamiast na poziomie mikroskopijnych operacji, znacznie łatwiej im koordynować się ze sobą i osiągać cele.
Znaczenie tego podejścia jest trudne do przesadzenia dla przyszłości systemów sztucznej inteligencji. Coraz częściej musimy rozwiązywać problemy, które są zbyt skomplikowane dla pojedynczego agenta - od logistyki i planowania po symulacje wspomagające decyzje biznesowe. Jeśli uda nam się sprawić, że wieloagentowe systemy będą kooperować bardziej sprawnie poprzez abstrakcję i eliminację redundancji, otworzymy drzwi do znacznie bardziej zaawansowanych zastosowań AI. Ta praca tworzy fundament dla przyszłych systemów zdolnych do rozwiązywania rzeczywiście trudnych wyzwań wymagających współpracy.