DeLM จากสแตนฟอร์ด ลดต้นทุนการทำงานของระบบหลายเอเจนต์ลง 50% โดยไม่ต้องใช้ผู้ควบคุมกลาง

ในปัจจุบัน ระบบ AI ส่วนใหญ่มีการออกแบบโดยมีแนวคิดว่าต้องมีผู้ควบคุมกลางหรือ “บอส” เพื่อจัดการการทำงานของเอเจนต์ต่างๆ ซึ่งบอสนี้จะทำหน้าที่กำหนดทิศทาง, ส่งคำขอ และทำให้ระบบทั้งหมดทำงานได้อย่างมีระเบียบเรียบร้อย แต่การวิจัยใหม่จากมหาวิทยาลัยสแตนฟอร์ดได้เสนอว่าการมีผู้ควบคุมกลางอาจไม่จำเป็น และการใช้ระบบที่เรียกว่า Decentralized Language Model (DeLM) อาจเป็นทางเลือกที่ดีกว่า โดย DeLM จะช่วยลดต้นทุนในการประมวลผลและความล่าช้าในการประสานงานได้ถึง 50% โดยไม่ต้องมีการจัดการจากผู้ควบคุมกลาง.

DeLM ถูกออกแบบมาเพื่อให้เอเจนต์สามารถทำงานร่วมกันได้โดยตรง โดยไม่ต้องส่งการอัปเดตทุกอย่างผ่านผู้ควบคุมกลาง ซึ่งส่งผลให้เอเจนต์สามารถสร้างความก้าวหน้าจากข้อมูลที่มีการตรวจสอบแล้วได้ โดยที่ไม่จำเป็นต้องผ่านการรวม, กรอง, และส่งข้อมูลใหม่ผ่านเอเจนต์หลักอีกครั้ง นักวิจัย Yuzhen Mao และ Azalia Mirhoseini ได้อธิบายไว้ในเอกสารวิจัยของพวกเขาว่า ระบบนี้ไม่เพียงแต่เป็นไปได้ แต่ยังเป็นสิ่งที่ต้องการในบางกรณีด้วย โดยเอเจนต์สามารถใช้ข้อมูลจากการค้นพบก่อนหน้า, หลีกเลี่ยงความล้มเหลวที่เกิดซ้ำ, และเก็บรักษาข้อจำกัดต่างๆ ได้อย่างมีประสิทธิภาพ.

ในระบบหลายเอเจนต์ที่มีการควบคุมกลางแบบดั้งเดิมนั้น หน้าที่ของเอเจนต์หลักคือการแบ่งงานออกเป็นงานย่อย, มอบหมายให้กับเอเจนต์ย่อยหลายตัวทำงานพร้อมกัน, รอการตอบกลับ, รวมและสรุปความก้าวหน้าชั่วคราว, และจากนั้นจึงออกคำสั่งใหม่ตามข้อมูลที่ได้รวบรวมมา อย่างไรก็ตาม นักวิจัยจากสแตนฟอร์ดชี้ให้เห็นว่าระบบแบบนี้มีข้อจำกัดในการขยายตัว เนื่องจากทุกการค้นพบที่มีประโยชน์, การค้นพบบางส่วน, และความล้มเหลวต้องถูกส่งกลับไปยังเอเจนต์หลัก ซึ่งจะต้องตัดสินใจว่าข้อมูลใดจะถูกนำมารวมและส่งต่อไปยังเอเจนต์อื่นๆ ข้อจำกัดนี้ทำให้ผู้ควบคุมกลายเป็นจุดคอขวดในการสื่อสารและการรวมข้อมูลเมื่อจำนวนงานย่อยเพิ่มขึ้น.

การพัฒนา DeLM จึงถือเป็นก้าวสำคัญในวงการ AI ที่ช่วยให้การทำงานร่วมกันของเอเจนต์มีความคล่องตัวมากขึ้น และลดต้นทุนการดำเนินงานลงอย่างมีนัยสำคัญ โดยเฉพาะในสถานการณ์ที่ต้องการความรวดเร็วและประสิทธิภาพในการดำเนินการ ซึ่งจะเป็นประโยชน์อย่างมากต่อการพัฒนาเทคโนโลยี AI ในอนาคต.