Die Kraft von LLMs für normatives Denken in MASs nutzen

Software-Agenten, sowohl menschliche als auch rechnergestützte, existieren nicht isoliert und müssen oft mit anderen zusammenarbeiten oder sich koordinieren, um ihre Ziele zu erreichen. In der menschlichen Gesellschaft sorgen soziale Mechanismen wie Normen für ein effizientes Funktionieren, und diese Techniken wurden von Forschern im Bereich der Multi-Agenten-Systeme (MAS) übernommen, um sozial bewusste Agenten zu schaffen. Traditionelle Techniken weisen jedoch Einschränkungen auf, etwa das Arbeiten in begrenzten Umgebungen und die häufig fragile symbolische Argumentation. Das Aufkommen von Large Language Models (LLMs) bietet eine vielversprechende Lösung, indem sie einen reichen und ausdrucksstarken Wortschatz für Normen bereitstellen und normfähige Agenten ermöglichen, die eine Vielzahl von Aufgaben ausführen können, wie Normentdeckung, normatives Schließen und Entscheidungsfindung. Dieses Papier untersucht das Potenzial von LLM-basierten Agenten zur Aneignung normativer Fähigkeiten und stützt sich dabei auf aktuelle Forschung aus den Bereichen Natural Language Processing (NLP) und LLM. Wir präsentieren unsere Vision zur Schaffung normativer LLM-Agenten. Insbesondere diskutieren wir, wie die kürzlich vorgeschlagenen „LLM agent“-Ansätze erweitert werden können, um solche normativen LLM-Agenten zu implementieren. Zudem heben wir Herausforderungen in diesem aufkommenden Gebiet hervor. Dieses Papier zielt somit darauf ab, die Zusammenarbeit zwischen MAS-, NLP- und LLM-Forschern zu fördern, um das Feld der normativen Agenten voranzubringen.