MetaMind: Kognitive Weltmodelle für Multi-Agenten ohne zentrale Kontrolle

In der Welt der Multi-Agenten-Systeme stellt die Fähigkeit, die dynamischen Wechselwirkungen zwischen Agenten zu verstehen, deren gemeinsame Bewegungen vorherzusagen und langfristige Pläne zu erstellen, ohne zentrale Steuerung oder explizite Kommunikation, eine enorme Herausforderung dar. MetaMind, ein neues, generelles und kognitives Weltmodell, begegnet dieser Aufgabe mit einem neuartigen Meta-Theorie-of-Mind-Framework.

Durch MetaMind lernt jeder Agent nicht nur, seine eigenen Überzeugungen zu prognostizieren und zu planen, sondern kann auch aus seinem eigenen Verhalten Ziele und Überzeugungen anderer Agenten rückwärts ableiten. Dieser selbstreflektierende, bidirektionale Inferenzschleife verleiht jedem Agenten eine metakognitive Fähigkeit, die vollständig selbstüberwacht erlernt wird.

Die Forschung zeigt, dass MetaMind diese metakognitive Kompetenz von der ersten Person auf die dritte Person überträgt, indem es analoges Denken nutzt. Damit kann ein Agent in einem Multi-Agenten-System die Ziele und Überzeugungen anderer Agenten aus begrenzten, beobachtbaren Verhaltensspuren im Zero-Shot-Modus erkennen und sich anschließend an emergente kollektive Intentionen anpassen – und das ohne explizite Kommunikationsmechanismen.

Erweiterte Simulationen in vielfältigen Multi-Agenten-Aufgaben demonstrieren, dass MetaMind die Aufgabenleistung deutlich steigert und bei wenigen Beispielen die Leistung von Basismodellen übertrifft. Diese Ergebnisse markieren einen bedeutenden Fortschritt in der autonomen Koordination und Planung von Agenten in komplexen, dezentralen Umgebungen.