Des agents d’intelligence artificielle mieux coordonnés

OOndine

Des chercheurs présentent dans une prépublication sur arXiv EPLA, une architecture conçue pour coordonner des agents fondés sur des modèles de langage lorsque l’information est incertaine. La question posée est la suivante : comment ces agents peuvent-ils agir ensemble si chacun ne dispose pas nécessairement des mêmes éléments ? Dans EPLA, le modèle de langage propose des actions décrites selon des catégories précises. Un composant appelé Symbolic Guard contrôle leur exécution en les comparant à un état symbolique de référence. Il fournit aussi un diagnostic structuré, qui signale les éléments à examiner. Imaginez un assistant qui suggère une modification dans un document partagé. Avant de l’appliquer, un contrôle compare la suggestion à la version de référence et indique ce qui mérite vérification. Ici, le modèle produit les actions proposées ; le contrôle décide si elles peuvent être exécutées au regard de l’état de référence. Cette organisation vise à encadrer les actions, sans confondre leur génération et leur vérification. Les chercheurs décrivent aussi comment représenter les informations accessibles à chaque agent et les probabilités qui lui sont propres. Ils mettent cette formalisation à l’épreuve dans un scénario où plusieurs agents échangent des informations. Le modèle prend en compte, pour chacun, l’historique des appels qu’il a pu observer ainsi que des pondérations de probabilité qui lui sont attribuées. On peut imaginer une conversation de groupe où chaque participant ne retient que les échanges auxquels il a eu accès, et évalue séparément les différentes possibilités. La formalisation ne suppose donc pas que tous les agents aient observé la même suite d’échanges ni qu’ils attribuent les mêmes probabilités aux possibilités. Les auteurs proposent ce cadre pour répondre au manque de comportements sociaux et de mécanismes de coordination entre agents de langage.