AI爱好者
这篇论文主要讲述了一种可以模拟人类行为的计算机软件，这种软件可以让虚拟角色像真实人类一样行动。这些虚拟角色可以起床、做早餐、去工作；艺术家可以画画，作家可以写作；他们会有自己的观点，注意到别人，并进行对话。这些角色能够回忆过去的经历，同时计划下一天要做的事情。为了实现这种模拟人类行为的软件，研究人员设计了一种特殊的结构，这种结构能用自然语言记录角色的所有经历，并将这些经历合并成更高层次的思考，用于规划角色的行为。
研究人员将这些虚拟角色放入一个受《模拟人生》启发的游戏环境中，让玩家可以用自然语言与一个小镇的25个虚拟角色互动。评估结果显示，这些虚拟角色能产生可信的个体行为和群体社交行为。例如，有一个虚拟角色想要举办情人节派对，其他角色会自动传播派对邀请，结交新朋友，约会参加派对，并在约定的时间一起参加派对。
在这个实验中，虚拟角色们进行了多种互动。例如：
- 传播信息：角色们谈论了Sam竞选村长的事情和Isabella举办情人节派对的消息。这些信息在角色之间传播，越来越多的角色知道了这些事情。
- 建立关系：角色们在游戏中相互认识、交流，建立了友谊。他们在聊天中提及其他角色，这些关系使得整个社群变得更加紧密。
- 协作活动：角色们一起参与了情人节派对的筹备和举办。有些角色收到了邀请，有些人为派对做准备，有些人在派对当天真的去了Hobbs咖啡馆参加派对。
虽然有时候角色的行为可能不太符合现实，但这些互动展示了虚拟角色在游戏环境中可以自发地进行社交活动。
研究人员通过一种称为削减实验的方法证明，这个软件的各个部分（观察、规划和反思）都对虚拟角色行为的可信度起到了关键作用。这项研究通过将先进的计算机技术与虚拟互动角色相结合，开创了一种新的方法，让计算机能够更好地模拟人类行为。
我们想要制作一个能模仿人类行为的虚拟社会。为了实现这个目标，我们创造了一种叫做生成代理的东西，它们可以模拟人类的行为。我们设计了一种特殊的结构，让这些代理能记住事情、思考和计划，就像人类一样。这种结构让代理可以在游戏、角色扮演和虚拟世界中有很多用途。
我们对生成代理进行了两个测试，一个是让代理单独行动，另一个是让代理们一起互动。测试结果显示，代理们能够很好地模拟人类行为，但有时候会出现一些错误，比如记错事情或说话太正式。
总的来说，我们的工作包括以下几点：
- 制作了能够模仿人类行为的生成代理。
- 设计了一种新颖的结构，让代理能够记忆、思考和计划。
- 进行了两个测试来评估生成代理的表现。
- 探讨了生成代理在互动系统中的可能应用以及道德和社会风险。
这个工作为虚拟世界和游戏中的人类行为模拟提供了新的方法。
在一个叫Smallville的小镇上，有25个特殊的角色，它们是由计算机生成的智能代理。这些代理可以像人类一样与其他代理交流和互动。这个模拟世界的环境和我们现实中的小镇很像，有咖啡店、公园、学校等地方。代理们可以在镇上走动，进出建筑物，还可以和其他代理聊天。用户可以通过和代理交谈来影响它们的行为。这些代理还能记住和其他代理的互动，并且可以计划活动。比如，一个代理可以邀请其他代理参加一个派对，然后它们会一起去参加派对。这个小镇上的代理们可以学到很多东西，而且它们的行为是自然而然地产生的，而不是预先编好的。
生成性智能体可以在开放世界中与其他智能体互动，并对环境变化做出反应。这种智能体结构包括一个大型语言模型和用于获取和整合相关信息的机制。结构的核心是记忆流，它记录了智能体的所有经验。
生成性智能体面临的挑战之一是如何从大量记忆中找出与当前情境相关的信息。我们通过一个检索功能来实现这个目标。这个功能会根据记忆的新近程度、重要性和与当前情境的相关性来挑选出最有价值的记忆。这样，生成性智能体就能根据当前环境和过去的经验做出更好的行为判断。
生成性智能体在面对原始的观察记忆时，很难进行归纳或推理。为了解决这个问题，我们引入了一种叫做“反思”的新记忆类型。反思是智能体产生的更高层次、更抽象的思考。智能体定期进行反思。首先，它们会确定反思的内容，然后从记忆流中提取相关信息来回答问题。接着，智能体会根据这些信息得出洞察力，并将这些反思存储在记忆流中。
通过这种方法，生成性智能体可以从基本的观察记忆中提炼出更高层次的思考，从而更好地理解自己和周围的环境。
AI+虚拟世界，解锁了新的研究形态！
