文之后，乔源现在每天的任务就是偶尔跟有为的工程师对接，回答一些关于算法的问题。其他时间几乎都用在针对人工智能底层算法设计上。

当然，乔源也不是突然入手这一块。毕竞这本就是他很早之前的计划，对于现行的人工智能技术也有了一些了解。比如gpt之类主流人工智能所使用的transforr架构，又比如深度学习，神经网络，更早期的经典机器学习等等。不过在乔源的构想中，单一模式的训练显然无法支撑起他所要达到的目标一一分辨论文好坏。就好像一篇论文投给期刊，往往需要至少两位审稿人一样。

经过思考之后，乔源觉得想要评论一篇论文的好坏，也需要多智能体协同作战。

就好像一个ai学术委员会。

一个智能体负责校验逻辑，负责检查论文的数学推导、逻辑闭环、因果关系。

一个智能体负责打假，负责判定数据是否支撑结论，引用文献是否准确。

一个智能体负责定位，着重于判断论文的创新点是否存在，是微创新又或者颠覆性的创新。当然还可以加一个智能体负责处理排版、引用格式这些。

毕竟既然都打算做针对论文筛选的人工智能了，在筛选论文的同时，把一些标准格式化的东西直接校正，也是可以的。不同的智能体通过内部通讯进行交叉验证，然后通过不同的维度给一篇论文打分，最后得出一个比较接近论文水平的分数。这种框架的好处是，一旦设计出来，甚至随时可以框架内增添智能体，去完成不同的工作。比如还可以增加一个学术伦理智能体，又或者根据未来的发展，随时修改其中某个智能体的支撑算法。当然面对的问题也很难，那就是他还需要设计一套能让这些不同智能体无障碍相互交流跟协作的神经系统。四个功能不同的智能体，它们的模型不同、知识库不同、推论的方向不同……

在这一前提下，要保持通信与语义的一致性，显然是个挑战。

毕竟这种设计系统内部的交互日志会是海量的。没有靠谱的神经系统，自动化的定位纠错机制，系统维护成本都会高得吓人。处理这些问题的同时还要保证不同智能体调用外部资料库的优先级顺序，解决机器幻觉这些通病问题……没错，真正着手开始准备的时候，乔源发现到处都是亟待解决的问题。

不过话又说回来，这也让乔源看到了这么做的好处。

因为一旦他能设计出一套完整的多智能体交互网络神经体系，意味着可以开发出一个标准化多智能体的框架协议。通过提供标准化的接口，让所有适合多智能体协作的场景，都能够直接纳入这个框架之中。就好像一个能够容纳不同智能体进行无障碍交互的群体智能操作系统，说不定还能成为ai时代的基础设施……商不商业乔源并不关心，关键是真能做成的话，这东西会很有意思。

因为当这个框架真能被大范围承认并使用，想到无数的智能体开发者，在该协议下设计智能体，并嵌入进去。不同智能体之间的交互大概率会很有趣，甚至可能会产生竞争驱动型的ai进化路线，从而发展出一套真正的数字生态系统……互联网上信息本就杂乱，再有人工智能加持，说不定一切都会变得更加热闹有趣。

至于这些碰撞会产生什么样的火花，暂时完全

章节内容不完整，请退出阅读模式查看完整内容！