来源｜新智元
准备好，此前曾轰动整个AI社区的斯坦福智能体小镇，现在已经正式开源！
项目地址：https://github.com/joonspk-research/generative_agents
在这个数字化的「西部世界」沙盒虚拟城镇中，有学校、医院、家庭。
25个AI智能体不仅能在这里上班、闲聊、social、交友，甚至还能谈恋爱，而且每个Agent都有自己的个性和背景故事。
不过，它们对于自己生活在模拟中，可是毫不知情。
英伟达高级科学家Jim Fan评论道——
斯坦福智能体小镇是2023年最激动人心的AI Agent实验之一。我们常常讨论单个大语言模型的新兴能力，但是现在有了多个AI智能体，情况会更复杂、更引人入胜。一群AI，可以演绎出整个文明的演化进程。
现在，首先受到影响的，或许就是游戏领域。
总之，前方有无限的新可能！

网友：众游戏厂商们，你们懂我意思吧？

很多人相信，斯坦福的这篇论文，标志着AGI的开始。
可以想象，各种RPG和模拟类游戏都会用上这种技术。
网友们也非常激动，脑洞大开。
有想看神奇宝贝的，有想看谋杀探案故事的，还有想看恋爱综艺的……
「我已经等不及看AI智能体之间的三角恋剧情了。」
「《动物之森》中重复、沉闷的对话，所有村民共有的一维人格系统，都太令人失望了。任天堂赶快学学吧！」
「可以让《模拟人生》移植一下这个吗？」
如果能在《神界》这样的经典RPG游戏中，看到AI在NPC上运行，整个游戏体验都会被颠覆！」
有人还畅想：这项技术在企业空间中也有很多应用场景，比如员工如何和不同的工作环境/流程变化互动。
当然，也有人表示，你们激动个啥？其实我们一直都生活在这样的模拟中，只不过我们的世界有更多的算力罢了。
是的，如果我们把这个虚拟世界放大到足够多倍，我们肯定能看到自己。
Karpathy：AI智能体，就是下一个前沿
此前，前特斯拉总监、OpenAI大牛Karpathy就表示，如今AI智能体才是未来最前沿的方向。
OpenAI的团队最近5年把时间花在了别的地方，但现在Karpathy相信，「Agent代表着AI的一种未来。」
如果某篇论文提出训练大语言模型的不同方法，OpenAI内部的Slack群组中就会有人说：「这个办法我两年半前尝试过，没什么用。」
然而每当有AI智能体从论文出现，所有同事都会很感兴趣。
Karpathy曾将AutoGPT称为快速工程的下一个前沿

「西部世界」中的25个AI智能体

在美剧《西部世界》中，被预设了故事情节的机器人被投放到主题公园，像人类一样行事，然后被重置记忆，在新一天再被投放进自己所在的核心故事情节。
而在今年4月，斯坦福和谷歌的研究者竟然构建出了一个虚拟小镇，让25个AI智能体在其中生存、从事复杂行为，简直堪称是《西部世界》走进现实。
论文地址：https://arxiv.org/pdf/2304.03442.pdf

架构

为了生成智能体，研究者提出了一种全新架构，它扩展了大语言模型，能够使用自然语言存储Agent的经历。
随着时间的推移，这些记忆会被合成为更高级别的反射，智能体可以动态检索它们，来规划自己的行为。
最终，用户可以使用自然语言和全镇的25个Agent都实现交互。
如上，生成式智能体的架构实现了一个「检索」功能。
这一功能将智能体的当前情况作为输入，并返回记忆流的一个子集传递给语言模型。
而检索功能有多种可能的实现方式，具体取决于智能体在决定如何行动时考虑的重要因素。
生成式智能体架构面临一个核心挑战，就是如何管理大量必须保留的事件和记忆。
为了解决这个问题，架构的核心是记忆流（memory stream），即一个记录智能体全部经验的数据库。
智能体可以从记忆流中检索相关记忆，这有助于它规划行动，做出正确反应，并且每次行动都会反馈记录到记忆流中，以便递归地改进未来行动。
另外，研究还引入了第二种类型的记忆——反思（reflection）。反思是智能体根据最近经历生成的高级抽象思考。
在这项研究中，反思是周期性触发的过程，只有当智能体判断最近一系列事件的重要性评分，累积超过设定阈值时，才会启动反思机制。
生成式智能体为了创建合理的规划，它们会自上而下递归生成更多的细节。
而这些规划最初只是粗略的描述了当日所要做的事情。
在执行规划的过程中，生成智能体会持续感知周围环境，并将感知到的观察结果存储到记忆流中。
通过利用观察结果作为提示，让语言模型决定智能体下一步行动：继续执行当前规划，还是做出其他反应。
在实验评估中，研究人员对这一框架进行了控制评估，以及端到端的评估。
控制评估是为了了解智能体能否独立产生可信个体行为。而端到端评估，是为了了解智能体的涌现能力以及稳定性。
比如，Isabella策划一个情人节party邀请大家来。12个智能体中，7个人还在考虑中（3个人有了别的计划，还有4个人没有想法）。
这一环节与人类相处模式很相似。

像真人一样交互

在这个名为Smallville的沙盒世界小镇中，区域会被标记。根节点描述整个世界，子节点描述区域（房屋、咖啡馆、商店），叶节点描述对象（桌子、书架）。
智能体会记住一个子图，这个子图反映了他们所看到的世界的各个部分。
研究者编写了一段自然语言，来描述每个智能体的身份，包括它们的职业、与其他智能体的关系，作为种子记忆。
比如，智能体John Lin的种子记忆就是这样的——
John Lin是一名药店店主，十分乐于助人，一直在寻找使客户更容易获得药物的方法。John Lin的妻子Mei Lin是大学教授，儿子Eddy Lin正在学习音乐理论，他们住在一起，John Lin非常爱他的家人。John Lin认识隔壁的老夫妇Sam Moore和Jennifer Moore几年了，John Lin觉得Sam Moore是一个善良的人。John Lin和他的邻居山本百合子很熟。John Lin知道他的邻居TamaraTaylor和Carmen Ortiz，但从未见过他们。John Lin和Tom Moreno是药店同事，也是朋友，喜欢一起讨论地方政治等等。
以下就是John Lin度过的一天早晨：6点醒来，开始刷牙、洗澡、吃早餐，在出门工作前，他会见一见自己的妻子Mei和儿子Eddy。
就这样，当模拟开始时，每个智能体都有属于自己的种子记忆。
这些智能体相互之间会发生社会行为。当他们注意到彼此时，可能会进行对话。
随着时间推移，这些智能体会形成新的关系，并且会记住自己与其他智能体的互动。
一个有趣的故事是，在模拟开始时，一个智能体的初始化设定是自己需要组织一个情人节派对。
随后发生的一系列事情，都可能存在失败点，智能体可能不会继续坚持这个意图，或者会忘记告诉他人，甚至可能忘了出现。
幸运的是，在模拟中，情人节派对真实地发生了，许多智能体聚在了一起发生了有趣的互动。

配置环境

在配置环境之前，首先需要生成一个包含OpenAI API密钥的utils.py文件，并下载必要的软件包。

步骤1. 生成 Utils 文件

在reverie/backend_server文件夹中（reverie.py所在的文件夹），新建一个utils.py文件，并将下面的内容复制粘贴到文件中：
# Copy and paste your OpenAI API Keyopenai_api_key = "<Your OpenAI API>"# Put your namekey_owner = "<Name>"maze_assets_loc = "../../environment/frontend_server/static_dirs/assets"env_matrix = f"{maze_assets_loc}/the_ville/matrix"env_visuals = f"{maze_assets_loc}/the_ville/visuals"fs_storage = "../../environment/frontend_server/storage"fs_temp_storage = "../../environment/frontend_server/temp_storage"collision_block_id = "32125"# Verbose debug = True
将 <Your OpenAI API> 替换为你的OpenAI API密钥，将 <name> 替换为你的姓名。

步骤 2. 安装requirements.txt

安装requirements.txt文件中列出的所有内容（强烈建议先设置一个虚拟环境）。
目前，团队已在Python 3.9.12上进行了测试。

运行模拟

要运行新的模拟，你需要同时启动两个服务器：环境服务器和智能体模拟服务器。

步骤 1. 启动环境服务器

由于环境是作为Django项目实现的，因此需要启动Django服务器。
为此，首先在命令行中导航到environment/frontend_server（manage.py所在的位置）。然后运行以下命令：
python manage.py runserver
然后，在你喜欢的浏览器中访问http://localhost:8000/。
如果看到「Your environment server is up and running」这个提示，意思就是服务器运行正常。确保环境服务器在运行模拟时持续运行，因此请保持这个命令行标签打开。
（注意：建议使用Chrome或Safari。Firefox可能会出现一些前端故障，但应该不会影响实际模拟。）

步骤 2. 启动模拟服务器

打开另一个命令行窗口（你在步骤 1 中使用的仍在运行环境服务器，需要保持不动）。导航到reverie/backend_server并运行reverie.py来启动模拟服务器：
python reverie.py
此时，会出现一个命令行提示询问以下内容：「Enter the name of the forked simulation: 」。
举个例子，现在我们要启动一个包含Isabella Rodriguez、Maria Lopez和Klaus Mueller这3个智能体的模拟，那么就是输入以下内容：
base_the_ville_isabella_maria_klaus
然后，提示将会询问：「Enter the name of the new simulation: 」。
这时只需要随意输入一个名称来表示当前的模拟即可（例如「test-simulation」）。
test-simulation
保持模拟器服务器运行。此阶段，它会显示以下提示：「Enter option」

步骤 3. 运行和保存模拟

在浏览器中访问http://localhost:8000/simulator_home，并保持标签打开。
现在你会看到小镇的地图，以及地图上活跃的智能体列表，并且可以使用键盘箭头在地图上移动。
要运行模拟，需要在提示「Enter option」的模拟服务器中输入以下命令：
run <step-count>
请注意，需要将上述的 <step-count> 替换为一个整数，表示要模拟的游戏步数。
例如，如果要模拟100步游戏，就输入run 100。其中，一个游戏步骤表示游戏中的10秒。
现在，模拟就会开始运行，你可以在浏览器中看到智能体在地图上移动。
一旦运行完成，「Enter option」提示会再次出现。此时，你可以通过重新输入run命令并指定所需的游戏步数来继续模拟，或者输入exit退出但不保存，输入fin则是保存并退出。
下次运行模拟服务器时，只要提供模拟的名称就可以访问已保存的模拟。这样，你就可以从上次离开的位置重新启动模拟。

Step 4. 重放模拟

只需运行环境服务器，并在浏览器中访问到以下地址，即可重放已运行的模拟：http://localhost:8000/replay/<simulation-name>/<starting-time-step>。
其中，需要将<simulation-name>替换为重放的模拟的名称，将<starting-time-step>替换开始重放的整数时间步。

Step 5. 演示模拟

你可能会发现，重放中所有角色的Sprite看起来都是一样的。这是因为重放功能主要用于调试，并不优先考虑优化模拟文件夹的大小或视觉效果。
要正确演示带有角色Sprite的模拟，首先需要压缩模拟。为此，请使用文本编辑器打开位于reverie目录中的compress_sim_storage.py文件。然后，执行压缩函数，并将目标模拟的名称作为输入。这样，模拟文件就会被压缩，从而可以进行演示。
启动演示，请在浏览器中打开以下地址：http://localhost:8000/demo/<simulation-name>/<starting-time-step>/<simulation-speed>。
注意，<simulation-name>和<starting-time-step>与上述提到的含义相同。<simulation-speed>可用于控制演示速度，其中1表示最慢，5表示最快。

定制模拟

你有两种可选方式来自定义模拟。

方法1：编写并加载智能体历史

第一种是在模拟开始时初始化具有独特历史记录的智能体。
为此，你需要执行以下操作：1）使用其中一个基本模拟开始，2）编写和加载智能体历史记录。
步骤1. 启动基本模拟
存储库中包含两个基本模拟：base_the_ville_n25（25个智能体）和base_the_ville_isabella_maria_klaus（3个智能体）。可以按照上述步骤加载其中一个基本模拟。
步骤2. 加载历史文件
然后，在提示输入「Enter option」时，需要使用以下命令加载智能体历史记录：
call -- load history the_ville/<history_file_name>.csv
其中，需要将<history_file_name>替换为现有历史文件的名称。
存储库中包含两个示例历史文件：agent_history_init_n25.csv（针对base_the_ville_n25）和agent_history_init_n3.csv（针对base_the_ville_isabella_maria_klaus）。这些文件包含了每个智能体的内存记录列表。
步骤3. 进一步的定制
要通过编写自己的历史文件来定制初始化，请将文件放在以下文件夹中：environment/frontend_server/static_dirs/assets/the_ville。
自定义的历史文件的列格式必须与附带的示例历史文件一致。因此，作者建议通过复制和粘贴存储库中已有的文件来开始该过程。

方法2：创建新的基本模拟

如果想要更深度地定制，就需要编写自己的基本模拟文件。
最直接的方法是复制和粘贴现有的基本模拟文件夹，然后根据自己的要求进行重命名和编辑。
参考资料：
https://github.com/joonspk-research/generative_agents
https://twitter.com/DrJimFan/status/1689315683958652928
一场聚集人工智能产业头部公司与顶级资本的对话
点击下方图片即可报名参加活动
品玩招聘作者，资深作者及编辑，并长期开放实习生招聘。

世界不平静，我们希望在变动的技术周期和商业周期里继续我们的探索，不熄灭眼里的光。
为了和更多个优秀的你一起记录和改变这个激动人心的时代，做更多有价值的报道，品玩现开放招聘。
岗位信息：全职：4人。实习生长期招聘。工作地点：北京。
一句话总结我们在招聘的岗位的工作内容，就是：
报道最重要的商业和技术新闻，并抽丝剥茧地解释给读者它们为什么重要。
一些共同的岗位要求：
1. 尊重常识。
2.对好内容有感知，有选题发明能力。
3.掌握快速搜索梳理信息的方法，有较强的文献阅读能力，能独立拓展相关资源。
4 英文流利。有阅读英文内容的习惯，可以用英文完成沟通。
5.对真实世界有感知，心智成熟，有职业精神，沟通界面良好稳定。
在招岗位：
-新经济作者、新技术作者
新经济作者负责报道互联网商业领域最新动态；新技术作者负责报道新技术领域（AI，芯片，机器人等）最新动态；
追踪钱的流动，人的变化，商业世界的竞争与合作以及科技的变革，并把它们讲述给我们的读者；
不限工作经验，不限专业背景，我们欢迎不同背景的候选人。
-资深作者/编辑
对互联网商业领域或新技术领域有自己的研究和积累；
有自己获取信息的方法体系，有持续学习的能力；
能发明选题，撰写深度文章，同时也可以辅导初级作者。
长期招募实习生
我们为实习生提供与全职同样的指导与工作支持，并提供留用机会。
或者，以上的描述都不能定义你，但你认为你是我们需要的那个人，也可以发邮件给我们，介绍你自己。
以上岗位应聘者，请将简历及作品发送至：[email protected] 。（请标明应聘岗位）
同时，我们也在招聘其他岗位：
运营部门
岗位信息：全职：3人。实习生长期招聘。工作地点：北京。
内容运营
能够敏锐的捕捉互联网热点，并将其转化为出色的内容；
富有创新意识和强烈的主观能动性，重视流量在工作中的重要性；
有自己独特的数据分析方法论，能发现庞杂数据中的关键点，并反哺内容创作。
视频运营
具备视频的全流程的创作能力；
对各个内容平台均有深刻理解，能抓住平台规则红利；
有自己独特的数据分析方法论，能发现庞杂数据中的关键点，并反哺内容创作。
社区运营
有过国内外成熟知名社区的运营经验；
能够独立承担运营策略、节奏设计，结合运营目标、节点资源等因素制定精细化的社区运营规划；
对UGC的热点、流行趋势、话语体系有充分理解，能够通过创意、热点玩法、活动策划激发UGC参与。
长期招募实习生
我们为实习生提供与全职同样的指导与工作支持，并提供留用机会。
运营岗位应聘者，请将简历及作品发送至：[email protected] 。（请标明应聘岗位）
商务部门
销售总监/高级销售经理
岗位职责：
1. 负责品玩线上广告、线下活动类、品牌营销、市场公关、以及定制方案的商务拓展与销售工作，通过对目标行业客户的销售完成指定收入目标；
2. 对目标行业客户进行研究、识别、接洽、需求、分析、产品演示、方案规划、谈判与签约；
3. 管理与维护指定客户(包括新客户与现有客户)，提供优秀的售前与售后服务，建立长期、稳定的合作关系，对客户产品和需求进行持续性的研究与开发；
4. 与各部门保持紧密合作，回馈客户需求与最新行业动向，协助优化产品与服务；
5. 积极参加行业商务与社交活动，拓展人脉资源，持续了解与提升行业知识和洞察力
任职要求：
1. 互联网销售经验2年以上，销售经验5年以上优先;
2. 做事严谨、细心，较强的沟通协调能力;
3. 有市场营销、品牌方或者市场公关乙方工作经历优先；
4. 自我驱动，有很强的学习行业知识及专业知识的能力；
5. 具备应变能力，团队协作能力，能适应多任务处理及工作压力；
6. 拥有intel、华为、华为云、阿里、阿里云、高通等互联网行业直客资源者优先。
更多招聘信息，可以进入官网招聘页面获取。
期待品玩有你的加入。
继续阅读
阅读原文