多智能体AI是否会产生‘群体思维’问题，阻碍卓越个体智能体的涌现？
摘要
本文探讨了多智能体AI系统是否可能导致群体思维，其中智能体思维趋同，阻碍了卓越个体智能体的涌现，并质疑了多个交互智能体与单一超级智能体之间的权衡。
许多多智能体AI在结构上类似于基于代理的模型：许多个体智能体交互、共享信息，并产生集体结果。但如果这些智能体不断相互学习或纠正，这是否会导致从众行为、相关错误以及思维趋同？是否更有价值以更独立的方式训练一些智能体，让它们拥有自己的记忆、反馈和决策历史，从而发展出不同的策略？在这样的世界中，是否可能有一个个体智能体最终变得远胜于其他智能体——相当于一个‘Einstein’智能体？我不明白为什么我们要让成千上万的智能体交互，而不是构建一个超级智能的个体来独立决策。
相似文章
多智能体系统可能被过度使用了
文章认为多智能体系统在AI应用中经常被过度使用，并建议单个智能体，配备良好的工具、严格的状态和清晰的停止条件，对于许多工作流程来说更高效、更易调试且更经济。
@rohanpaul_ai: Anthropic的新研究发现，相同或相似的智能体可能趋同于同一个错误决策，将个体错误转化为……
Anthropic的新研究发现，相同或相似的AI智能体可能趋同于同一个错误决策，将个体错误变成系统级故障；而且更强的智能体并不会自动地更好地协调，这表明需要制度性层级来协调智能体。
为何集中式 AI 遭遇瓶颈
本文认为，集中式 AI 模型难以应对动态、大规模的问题空间，提出使用轻量级智能体与 stigmergy（痕迹通信）的群体智能作为替代方案。文章涵盖 ACO、PSO、ABC 等算法，指出它们的失效场景，并询问多智能体框架的相关看法。
你是使用AI组织而非单个AI助手吗？
一个思维实验，提出一个由多个专业智能体（CEO、CTO等）组成的AI组织，这些智能体在不同项目上自主协作，而不是使用单个AI助手。作者寻求反馈：这个概念是解决了实际问题，还是增加了不必要的复杂性。
我认为我们在AI代理上重蹈了早期微服务的覆辙
作者将早期的微服务热潮与当前的多智能体系统热潮进行了类比，认为工程实践——而非更好的模型——可能是实现可靠多智能体系统的关键。