新型需求驱动智能体：更自然地模拟人类日常活动与社会互动

研究人员开发了一种全新的欲望驱动智能体（D2A），该智能体能够生成更加类似于人类自然活动的行为序列。与传统的基于明确目标和角色档案的方法（如LLMob、ReAct和BabyAGI）不同，这种新的智能体模型通过将需求理论转化为可计算模型，使用内在的价值系统替代了传统模型中的外部任务系统，从而使得智能体能够更灵活地生成类似人的行为模式。 研究团队通过大量的分析发现，D2A生成的行为序列能够有效地降低成本，降低各种欲望的未满足程度（即更为合乎人性），并且在多样性上与人类驱动模式表现出较高的一致性。此外，该研究还将D2A扩展到多智能体环境中进行实验，发现在生成更加丰富自我的活动序列方面，D2A相比基线方法表现出了更高的创造性和灵活性。 研究人员表示，这项研究为智能体提供了全新自我驱动的方法，基于自身的价值评估进行不同的活动。这些智能体可以设计特定的价值维度，从而适应不同的研究领域。例如，可以通过构造多个具有不同需求和个性的智能体，在大型社会模拟器中进行社会实验，有望改变社会科学研究的传统方式。此外，它们还可以用于创建更具互动性的服务，模拟用户当前的状态，提供个性化服务。甚至在互动游戏的非玩家控制角色（NPC）中也可以看到这一技术的应用潜力，使NPC展现出更加自然、动态和个性化的交互行为，增强游戏的沉浸感和可玩性。 这项工作最初提出时并未立即引起广泛关注，论文初版评分仅为5553，低于接收标准线。不过团队随后补充了更多场景下的实验数据，并讨论了设计理念背后的巨大潜力和跨学科应用前景，最终说服了四位审稿人达成一致，将评分提升至6666以上，最终获得了同行评审的认可。虽然目前模型还比较简单，没有考虑各种价值观层间的复杂结构，也未深入考虑人类更为复杂的心理机制平衡，但这些将是未来研究探索的重要方向。 业内专家认为，这是人工智能领域的一个重要突破，不仅展示了AI模拟人类多层面需求和情感状态的潜力，也为社会科学研究带来了新的可能性。该项目的研究小组来自知名科研机构，致力于通过创新算法推动智能体技术的发展。这一技术的成熟与应用，预计将在未来的游戏设计、社会模拟等多个领域产生深远影响。