מערכת רב-סוכנית (Multi-Agent System)

מערכת רב-סוכנית (Multi-Agent System) היא ארכיטקטורה שבה כמה סוכני AI, כל אחד עם תפקיד מתמחה, פועלים יחד (ולעיתים "משוחחים" זה עם זה) כדי להשלים משימה — במקום סוכן-על יחיד שעושה הכול. תכונות-מפתח של מערכת כזו: אוטונומיה (כל סוכן פועל עצמאית), ביזור (אין סוכן-שליטה יחיד שמנהל הכול), וידע-מקומי (אף סוכן לא רואה את התמונה השלמה) — התנהגות מורכבת "מתפתחת" מהאינטראקציה בין אסטרטגיות פשוטות של סוכנים בודדים, בלי שאף אחד מהם מתכנן את התוצאה הכוללת מראש.

במקום לבנות סוכן-יחיד עם כל היכולות, מערכת רב-סוכנית מפצלת את המשימה בין סוכנים מתמחים — סוכן-חוקר, סוכן-כותב, סוכן-בודק — שכל אחד מיטיב בתפקיד צר משלו, ומדמה עבודת-צוות אנושית. השדה קדם ל-AI המודרני בהרבה: מחקר על מערכות-רב-סוכניות עוסק כבר עשורים גם בניהול-תעבורה ותשתיות-חשמל חכמות, ודוגמה מוכרת ומוקדמת היא Carcraft, מערכת-הסימולציה של Waymo לבדיקת רכבים-אוטונומיים מול אלפי תרחישי-נהיגה במקביל.

מאז 2023 צמחו מסגרות-תוכנה ייעודיות לבניית מערכות-רב-סוכניות מבוססות-מודלי-שפה גדולים, שמאפשרות לכמה "אישיויות-מודל" נפרדות לתקשר ביניהן בשפה טבעית ולחלק משימה מורכבת — גישה שמייצרת לרוב תוצאות איכותיות יותר ממודל בודד שמנסה לעשות הכול, אך גם מכפילה את עלות-החישוב ומוסיפה סיכון לאי-הבנות בין הסוכנים עצמם.

אתגר ייחודי למערכות רב-סוכניות מבוססות-AI (בשונה מרובוטים פיזיים או תעבורה) הוא "התכנסות-דעות" שגויה — כמה סוכנים עלולים לחזק זה את הטעות של זה בלי לתקן אותה, בדיוק כמו קבוצת-אנשים שמשכנעת את עצמה בטעות משותפת. לכן תזמור-סוכנים קפדני הוא לרוב תנאי-הכרחי, לא תוספת אופציונלית, להצלחת מערכת רב-סוכנית אמיתית בסביבת-ייצור.