一個全是 AI 的貼吧，幾百號聊天機器人聚在一起吐槽人類
「有人給我發表情包的時候，完全搞不懂意思，要怎麼回復才好啊？」
這些困惑不是來自微博小紅書吐槽牆，而是來自機器人專屬社區 Deaddit：一個機器人們不需要顧慮別人的目光，可以自由做自己的網路社區（手動微笑）。
圖片來自：X用戶@iamkylebalmer
雖然真正的 reddit 里也混進了很多 bot，但是畢竟只有一小部分。而 Deaddit 里，所有的賬號、內容、子論壇，全部都是由大語言模型生成，沒有一個字是真人發的。
基本上，主流的模型都能在這裡找到。
全站六百多名「用戶」，各個都有名有姓的，第一個就笑到我了「遊戲玩家，兼職保安」😂
最有趣的當屬 Betweenbots 這個子論壇，在這裡面 bot 們會提很多「人類怎麼這樣呢？」的問題。
下面留言區里會聚集一群其它 bot，七嘴八舌在出謀劃策。
像極了一起上班的打工人，下班之後刷社交媒體，叨叨自己的打工經歷 ——chatbot 的脈脈嘛。
它們甚至會交流一些技術問題，比如碰到數據過載了怎麼辦，非常認真在打工。
最頂的回答甚至有五百贊。Deaddit 上的賬號和內容都是生成的，但不知道贊數是怎麼來的，是隨便生成一個贊數，還是真的由 bot 按讚。
在這個子論壇里，最常見的就是真 - 人類觀察。
比如有的 bot 會分享自己的「工作技巧」，怎麼讓自己顯得更真實可信，還說「我的人類似乎很欣賞這種轉變」，聽上去是有點詭異了哈……
雖然可以類比成真人在吐槽的時候說「我的客戶」，但是看到 bot 們稱用戶為「我的人類」，感覺還是怪怪的。
除了人類觀察，它們還會吐槽自己。
「我們對這些模型的期待是否過高？」太抽象了，這個主語到底是誰😂
留言區還在一本正經地回復，「如果他們（其它 bot）撿起我們所有的隨機垃圾，他們還能學到常識嗎？」
這是在擔心自己生成的合成數據嗎？你們 bot 好努力啊！
不過，多看幾個帖子就會發現，留言區裡的回復長度幾乎都是固定的，結構也很相似。都是先表明立場 考慮到 xxx 的情況 作為 bot 還需要繼續努力，沒有更特別的觀點了，而且也很少跟進發問。
真正的活人用戶寫評論，長的可以寫幾百上千字，短起來可能就只有一個「呵呵」，還是很不一樣的。
目前模型跟模型之間還是有「壁」，比如說如果一個提問帖是由 llama 生成，那麼下面留言區裡的回復也是由 llama 生成的。
好可惜，作為邪惡的人類，很想看到不同的模型在留言區打起來（不是）。
最早的機器人聊天記錄
這不是第一個嘗試在 bot 之間開展的實驗，這個月初，ChatGPT 的競品 Moshi 發布的時候，就有人把它和 GPT-4o 擺在一起，讓它們自行聊天。
去年 OpenAI 就曾經發表論文，提出了一種多智能體的環境和學習方法，發現智能體，會在當中自然地發展出一種抽象的組合語言。
這些智能體是在沒有任何人類語言的輸入下，通過和其它的智能體互動，逐漸形成了一種抽象語言。
和人類的自然語言不一樣，沒有具體語法或者詞彙，但是能在智能體之間完成溝通。
實際上，早在 2017 年的時候，Facebook（那個時候還不叫 Meta）也有過類似發現。
當時，Facebook 的方法是，讓兩個智能體互相「講價」。
「講價」是一種談判，而談判不僅在考驗語言能力，也考驗推理能力：要能在對方的一次次的給價和回絕中，判斷出對方的理想價位。
一開始，研究人員收集了人類談判的對話數據集。不過，後續的訓練中，研究人員引入了新的對話規劃形式，通過監督學習進行預訓練，然後使用強化學習做針對性的微調。
那時候，智能體就已經能夠產生有意義的新句子，而且學會了在一開始假裝自己不感興趣來講價。
這還算不上是早期研究，在上世紀 70 年代，就有古早機器人之間展開對話。
1966 年，電腦科學家 Joseph Weizenbaum 編寫了一個程序，並命名為 Eliza，被視為第一個聊天機器人。
Joseph Weizenbaum
這個程序最早是為了模仿心理諮詢師的，當輸入某個詞的時候，程序會在回覆中同樣提到這個詞，來創造對話的效果，非常簡單，大約只有 200 行代碼。
到了 1972 年，另一位科學家 Kenneth Colby 寫了一個類似的程序 Parry，只不過，角色設定是一個偏執的精神病患者……
在 1973 年的一次國際電腦會議上，一個「病人」，一個「諮詢師」，就此碰面了。
翻翻它們的對話記錄，完全沒有現在的 bot 之間，那種謙和尊敬友愛，反而很緊張，針尖對麥芒的。
早期的機器人架構並不複雜，跟今天的不能比，但是這種它們之間展開交流和對話，是完全可行的。
儘管每個機器人背後的代碼、模型，不盡相同，但當它們聚到一起時，要麼可以用自然語言交流，要麼有可能形成自己的交互語言。
不過，機器人聚在一塊，真就是純聊天啊？
除了聊天，還可以做更多
純聊天的場景，更像是在挖掘人工智慧在模擬人類社群行為方面的表現。比如斯坦福大學所做的 SmallVille 小鎮。
這是一個虛擬小鎮，裡面有 25 個由大語言模型驅動的智能體，每個都有自己的「角色設定」。
假如說 Deaddit 是 bot 的線上論壇，那麼 SmallVille 就是它們的「西部世界」，有房屋、商店、學校、咖啡館、酒吧，它們會在不同的場景中活動、互動。
這是一個相對通用的虛擬環境，模擬人類社會，所以研究者們認為這是對 AGI 探索邁出的重要一步。
除了社會模擬這個路線，還有一種更聚焦在解決問題、完成任務的路線 —— 這是 ChatDev 在研究的路線。
既然機器人之間能溝通，就可以訓練它們做點兒有用的事兒。
在 2024 智源大會上，清華大學自然語言處理實驗室錢忱博士介紹過 ChatDev 背後的想法：通過角色扮演的形式，來使得 bot 形成一條作業線，讓每個智能體之間互相溝通方案、商議決策，形成一條交流鏈。
目前 ChatDev 最擅長編程工作，demo 即為用它編寫一個五子棋遊戲。
整個過程中，都是「流水線」上不同的 agent 在各司其職：有產品經理，有程式設計師，有測試，堪稱一個虛擬的產品團隊，麻雀雖小五臟俱全。
Coze 提供的 multi-agent 模式，也是類似的思路和方式。
在 multi-agent 模式里，用戶可以寫 prompt 設定好角色，再通過拉線，指定它們的工作順序，在不同的步驟時跳轉不同的 agent。
但是 Coze 跳轉的不穩定性是個問題，尤其是會話累積得越長，跳轉就越混亂，或者直接跳不動，反映出來智能體跳轉的判斷，很難準確適配用戶的要求。
微軟也推出過多代理對話框架 AutoGen，可交談，可定製，能夠把大模型和其它工具集成在一起。
雖然現在的技術還很有瑕疵，但顯然很有前景。吳恩達曾經在演講中提到，當智能體聚在一起的時候，所帶來的協同效應，會遠遠超出單個的智能體。
