Yapay zeka sistemlerinin birlikte çalışması gereken durumlarda karşılaştığımız en büyük zorluklardan biri koordinasyon problemidir. Çok ajanlı pekiştirmeli öğrenme (MARL) sistemlerinde ajanların nasıl işbirliği yapacağını belirlemek kritik öneme sahiptir.
Geleneksel yaklaşımlar bu sorunu çözmek için üç temel yöntem kullanır: elle tasarlanmış ağ yapıları, yakınlık temelli basit kurallar veya tamamen deneyim yoluyla öğrenme. Ancak bu yöntemlerin hepsi farklı zayıflıklara sahip - ya çok katı, ya anlamsız ya da çok fazla veri gerektiriyor.
Yeni araştırma, büyük dil modellerinin bu soruna yenilikçi bir çözüm sunabileceğini ortaya koyuyor. Araştırmacılar, LLM'lerin minimal doğal dil açıklamalarını kullanarak ajanların gözlemlerinden koordinasyon kalıplarını çıkarabileceğini gösterdi.
Bu yaklaşımda, dil modelinden elde edilen öncül bilgiler, graf sinir ağları tabanlı bir sistemin içine entegre ediliyor. Graf konvolüsyon katmanları sayesinde ajanlar arasındaki ilişkiler daha anlamlı hale geliyor.
Araştırma ekibi, yöntemlerini Multi-Agent Particle Environment (MPE) kıyaslama testlerinde dört farklı işbirliği senaryosunda değerlendirdi. Sonuçlar, dil modeli destekli koordinasyon yaklaşımının geleneksel yöntemlere kıyasla daha etkili olduğunu gösteriyor.