作为人工智能先驱之一，马文・明斯基（Marvin Minsky）于1986年在其著作《心智社会》（The Society of Mind）中提出：“Each mental agent by itself can only do some simple thing that needs no mind or thought at all. Yet when we join these agents in societies - in certain very special ways - this leads to true intelligence”，首次将“智能体”概念引入人工智能领域 。

马文·明斯基——“人工智能之父”框架理论创立者

图片由AI生成

1995年，为消除“智能体”概念在研究界引发的混淆，Michael Wooldridge和Nicholas R. Jennings在论文《Intelligent agents: theory and practice》中，对 “智能体”展开深入探究并予以定义，提出“智能体”的弱定义、强定义，同时阐述了与之相关的一系列特性，为智能体系统划定了明确的特征边界。

多智能体系统是人工智能领域中极具影响力的一个重要研究方向，其源头可追溯至 20 世纪 80 年代末，脱胎于分布式人工智能（Distributed Artificial Intelligence, DAI）。自诞生以来，多智能体系统便不断发展壮大，逐渐成为人工智能领域内充满活力的分支，并且与数学、控制科学、经济学、社会学等多个学科相互交叉、深度融合，汲取各学科精华，不断丰富自身内涵。

1995 年，对于多智能体系统而言是一个具有里程碑意义的年份。这一年，第一届国际多智能体系统会议（International Conference on Multi-Agent Systems, ICMAS）正式拉开帷幕。此次会议由北美、欧洲和日本的多智能体研究社区携手发起，会议聚焦于智能体架构、协调机制、通信方式以及协作策略等核心议题。这次会议的召开，标志着多智能体系统作为一个独立的研究领域开启了快速发展的新征程。

此后，国际智能体及多智能体系统协会（IFAAMAS）应运而生。该协会整合了国际自主智能体会议（AGENTS）、国际多智能体系统会议（ICMAS）和智能体理论、体系结构与语言研讨会（ATAL）这三个重要会议，联合举办国际智能体及多智能体系统联合会议（AAMAS）。如今，AAMAS 已成为该领域最具影响力的国际会议，极大地推动了多智能体系统在全球范围内的交流与发展，其应用范围也随之不断拓展。

近年来，深度学习和强化学习技术取得了重大突破，为多智能体系统的发展注入了新的活力。在这些先进技术的助力下，多智能体系统在复杂环境中的协作能力得到了显著提升。这一提升使得智能体在自动驾驶、无人机编队、智能制造等实际场景中的应用成为可能，并推动了这些领域的快速发展。

大型语言模型（LLM）给传统智能体的模块化架构带来了颠覆性革新，促使其向端到端的生成式系统转变。这一转变意义非凡，以往“通用智能体”还只是人们脑海中抽象的设想，如今却借助这一变革，具象化成了实实在在可投入使用的 AI 助手、自动化流程代理等实际应用形态。LLM 不仅重塑了智能体的架构，更深刻地改变了人们对智能体的认知，有力地推动着智能体从单纯的工具角色，朝着具备智能的实体方向加速演变。

自 2020 年起，多智能体系统与生成式 AI、智能体编排平台等新兴技术深度融合。这种融合为智能体的发展注入了强大动力，极大地推动了智能体的规模化部署，使其能够在不同领域之间实现高效协作。如今，这一融合趋势已然成为人工智能领域备受瞩目的前沿热点，引领着智能体技术不断向前发展。

大型语言模型（LLM）为多智能体系统带来了显著变革。在通信层面，它大幅提升了智能体间的沟通效率，借助自然语言，智能体得以更灵活地开展任务协商与协作，如同为智能体搭建了一座高效沟通的桥梁。其强大的知识提取与推理能力，如同赋予智能体敏锐的洞察力和深邃的思考力，助力它们更精准地理解所处环境，进而制定出更合理的策略。同时，LLM支持多模态感知，让系统能从容应对自动驾驶、元宇宙这类复杂场景。而且，它还能自动生成代码或规则，大大降低了多智能体系统的开发门槛，让更多创新应用成为可能。

然而，LLM并非完美无缺。它存在幻觉问题，这可能导致错误信息在智能体间传播，进而引发不合理的决策。为确保信息准确，需要额外机制来验证，这无疑增加了系统设计和能力评估的难度与挑战。另外，LLM对计算资源需求较大，在资源受限的环境中，其应用可能会受到一定限制。

总体而言，LLM极大地拓展了多智能体系统的功能与应用场景，但在可靠性和效率方面，仍需不断探索与突破，以应对其带来的挑战。

多智能体系统作为人工智能领域的经典研究范畴，历经数十载的迭代演进，不断拓展其研究深度与广度。当下，在大型语言模型（LLM）的强势赋能下，多智能体系统正焕发出全新的活力，应用前景愈发广阔。

从现实场景来看，在自动驾驶领域，多智能体系统助力汽车实现高效的车队编队。这些自动驾驶汽车如同训练有素的团队，凭借多智能体系统间的协同合作，精准地保持车距、调整车速，提升交通效率与安全性。而在充满想象的元宇宙世界里，多智能体系统更是成为构建虚拟社会模拟的关键力量。它能够模拟出高度逼真的虚拟角色及其交互行为，让虚拟社会呈现出复杂且有序的生态。

展望未来，随着人工智能技术的持续突破与创新，多智能体系统必将在更多领域崭露头角，发挥关键作用，为各个行业带来前所未有的可能性与令人惊喜的变革。