Yapay zeka hızla gelişiyor, ancak çoğu yapay zeka aracı hala bilindik bir kalıbı takip ediyor: bir modele bir istem verirsiniz ve o da bir yanıt üretir.

Ancak son birkaç yıldır, birçok yapay zeka ajanının paylaşılan bir dijital ortamda birbiriyle etkileşime girdiği **çoklu ajan simülasyonları** adında yeni bir yapay zeka sistemleri kategorisi dikkat çekmeye başladı.

Tek bir modelin bir cevabı tahmin etmeye veya üretmeye çalışması yerine, bu sistemler bilgi alışverişinde bulunan, fikir oluşturan ve birbirini etkileyen otonom ajanların tüm gruplarını simüle eder.

Bu alanda son zamanlarda en çok konuşulan projelerden biri, binlerce yapay zeka ajanı kullanarak gerçek dünya senaryolarını simüle etmek için tasarlanmış açık kaynaklı bir sürü zekası motoru olan **MiroFish**. Proje, iddialı hedefi sayesinde geliştiriciler ve yapay zeka meraklıları arasında hızla ilgi gördü: finansal piyasalar, kamuoyu değişimleri, politika tepkileri ve hatta kurgusal anlatılar gibi karmaşık olayların gerçek dünyada gerçekleşmeden önce simüle edilebileceği dijital bir kum havuzu oluşturmak.

💡

Yapay zeka ajanları veya MCP sunucuları mı kuruyorsunuz veya bunlarla mı etkileşim kuruyorsunuz? Apidog, MCP Sunucularını hata ayıklama ve test etme için özel olarak tasarlanmış güçlü, dahili bir MCP İstemcisi sunar. Yerel süreçler için STDIO aracılığıyla veya uzak sunucular için HTTP aracılığıyla bağlantı kuruyor olsanız da, Apidog yürütülebilir Araçları, önceden tanımlanmış İstemleri ve sunucu Kaynaklarını zahmetsizce test etmek için sezgisel bir görsel arayüz sunar. Karmaşık OAuth 2.0 kimlik doğrulamasını otomatik olarak yönetir ve zengin Markdown ve görsel yanıtları dinamik olarak işler – bu da onu sorunsuz MCP entegrasyonu testi için nihai bir araç haline getirir.

Düğme

Cevapları doğrudan üreten geleneksel yapay zeka araçlarının aksine, MiroFish, bir bütün **dijital yapay zeka ajanları topluluğu** oluşturur. Her ajanın kendi hafızası, kişilik özellikleri ve karar verme mantığı vardır. Son dakika haberleri, bir politika önerisi veya finansal bir sinyal gibi yeni bir olay ortaya çıktığında, ajanlar birbirleriyle etkileşime girmeye başlar, bilgiye tepki verir ve birbirlerinin davranışlarını etkiler.

Zamanla, etkileşimleri gerçek insan gruplarının olaylara nasıl tepki verdiğini andıran modeller yaratır. Bu modeller olası sonuçları, ortaya çıkan anlatıları veya duygu değişimlerini ortaya çıkarabilir, bu da sistemi deney ve tahmin için güçlü bir ortam haline getirir.

Kaynak: X

MiroFish Nedir?

MiroFish, temelinde, çoklu ajan yapay zekası üzerine kurulu bir **sürü zekası simülasyon motorudur**.

Tek bir yapay zeka modeline dayanmak yerine, platform simüle edilmiş bir dijital ortamda var olan geniş bir otonom ajan popülasyonu oluşturur. Bu ajanların her biri sanal bir toplumdaki bireysel bir katılımcıyı temsil eder.

Her ajanın kendi:

kişilik özellikleri
davranış kuralları
uzun süreli hafızası
sosyal ilişkileri
karar verme süreçleri vardır

Ajanlar birbirleriyle etkileşime girdiklerinde, bilgi alışverişinde bulunur, fikir oluşturur ve olaylara tepki verirler. Bu, **ortaya çıkan davranışlar** yaratır, yani büyük ölçekli sonuçlar birçok bireysel etkileşimden doğal olarak ortaya çıkar.

Bu kavram, gerçek insan toplumlarını yansıtır. Gerçek dünyada, kamuoyu, piyasa hareketleri ve sosyal eğilimler genellikle milyonlarca bireysel karardan doğar. MiroFish, bu etkileşimleri dijital olarak simüle ederek olayların gerçekleşmeden önce nasıl gelişebileceğini modellemeye çalışır.

Basitçe söylemek gerekirse, platform **"eğer şöyle olursa ne olur" senaryolarını keşfetmek için dijital bir kum havuzu** görevi görür.

Düğme

Vizyon: Kolektif Zekanın Aynası

MiroFish'in arkasındaki vizyon, geliştiricilerin **gerçek dünyanın kolektif zeka aynası** olarak tanımladığı şeyi yaratmaktır.

Geleneksel tahmin sistemleri genellikle büyük ölçüde geçmiş verilere ve istatistiksel modellere dayanır. Bu yaklaşımlar istikrarlı ortamlarda iyi sonuç verebilse de, insan davranışı öngörülemez hale geldiğinde genellikle zorlanırlar.

Birçok gerçek dünya olayı, yalnızca sayısal kalıplardan ziyade sosyal etkileşimlerle şekillenir.

Örneğin:

finans piyasaları yatırımcı duyarlılığı nedeniyle dalgalanabilir
sosyal medya trendleri öngörülemez bir şekilde yayılabilir
politikalara karşı kamuoyu tepkileri hızla değişebilir

MiroFish tahmine farklı bir şekilde yaklaşır. Geleceği doğrudan verilerden hesaplamaya çalışmak yerine, sistem **bireylerin etkileşime girdiği ve birbirini etkilediği dijital bir ortam** yeniden yaratır.

Fikir, karmaşık sonuçların bu etkileşimlerden doğal olarak ortaya çıkabileceğidir.

Simüle edilmiş ajanların olaylara nasıl tepki verdiğini gözlemleyerek, platform potansiyel gerçek dünya sonuçlarına dair içgörüler üretebilir.

Düğme

Tohum Verilerinden Dijital Bir Dünyaya

MiroFish'te bir simülasyon çalıştırmak, sistemin **tohum materyali** olarak adlandırdığı şeyle başlar.

Tohum materyali, simüle edilecek senaryoyu tanımlayan bilgidir. Buna şunlar dahil olabilir:

son dakika haberleri
finansal raporlar
politika belgeleri
araştırma makaleleri
sosyal medya tartışmaları
hatta kurgusal hikayeler

Kullanıcılar materyali yükler ve tahmin hedeflerini doğal dil kullanarak açıklarlar.

Örneğin, biri sistemden şunları simüle etmesini isteyebilir:

piyasaların yeni bir politika duyurusuna nasıl tepki vereceği
halkın tartışmalı bir açıklamaya nasıl yanıt vereceği
eksik bölümler tamamlanırsa bir hikayenin nasıl gelişebileceği

Bu bilgiyi kullanarak, MiroFish ajanların etkileşime başlayabileceği bir dijital ortam oluşturur.

Sistem esasen senaryonun oynanabileceği **paralel bir dijital dünya** yaratır.

MiroFish İş Akışı: Simülasyon Hattı Nasıl Çalışır?

Perde arkasında, MiroFish, gerçek dünya verilerini dinamik bir simülasyon ortamına dönüştüren yapılandırılmış bir hattı takip eder. Her aşama, ajanların etkileşim kurması ve anlamlı sonuçlar üretmesi için gereken bilgiyi hazırlar.

1. Bilgi Grafiği Oluşturma

İlk aşama, **gerçek dünya veri kaynaklarından tohum bilgilerini** çıkarır.

Bu kaynaklar şunları içerebilir:

son dakika haberleri
finansal raporlar
politika taslakları
araştırma belgeleri
sosyal tartışmalar

Sistem daha sonra bir GraphRAG mimarisi kullanarak bir **bilgi grafiği** oluşturur. Bu grafik, ajanların simülasyon sırasında kullanacağı varlıkları, ilişkileri ve bağlamsal bilgileri düzenler.

Yapılandırılmış verilere ek olarak, hem **bireysel hem de grup bellek yapıları** simülasyona enjekte edilir, böylece ajanlar tarihsel bağlamı koruyabilirler.

2. Ortam Oluşturma

Bilgi grafiği oluşturulduktan sonra, platform simülasyon ortamını inşa eder.

Bu aşamada sistem çeşitli görevler gerçekleştirir:

varlık ve ilişki çıkarımı
ajan kişiliği oluşturma
sosyal ağ oluşturma
simülasyon parametre yapılandırması

Ajanlara kimlikler, geçmişler ve davranış kuralları atanır. Bu, ajanlar arasındaki etkileşimlerin gerçek sosyal dinamikleri yansıtmasını sağlar.

3. Paralel Simülasyon Yürütme

Ortam hazır olduğunda simülasyon başlar.

Binlerce ajan, olaylara tepki vererek ve birbirleriyle etkileşime girerek ortamda eşzamanlı olarak çalışır. Platform, simülasyonları paralel sistemler üzerinde çalıştırır ve çok sayıda ajanın aynı anda çalışmasına olanak tanır.

Bu aşamada sistem otomatik olarak:

tahmin isteğini yorumlar
sosyal etkileşimleri simüle eder
her ajan için zamana dayalı belleği günceller
ortamı dinamik olarak geliştirir

Sonuç, anlatıların, görüşlerin ve davranışların zamanla geliştiği canlı bir simülasyondur.

4. Rapor Oluşturma

Simülasyon birden fazla döngüden geçtikten sonra, **ReportAgent** adlı özel bir yapay zeka bileşeni sonuçları analiz eder.

ReportAgent, zengin bir analitik araç setine sahiptir ve simülasyon ortamıyla derinlemesine etkileşime girebilir. Şunları özetleyen yapılandırılmış bir tahmin raporu oluşturur:

anahtar sonuçlar
ortaya çıkan eğilimler
davranışsal içgörüler
olası riskler

Bu rapor, kullanıcıların simülasyon sırasında ne olduğunu yorumlamalarına ve potansiyel gerçek dünya çıkarımlarını anlamalarına yardımcı olur.

5. Simülasyonla Derin Etkileşim

MiroFish'in benzersiz özelliklerinden biri, kullanıcıların **simüle edilmiş dünyayla doğrudan etkileşim kurabilmesidir**.

Yalnızca bir tahmin raporunu okumak yerine, kullanıcılar şunları yapabilir:

bireysel ajanlarla konuşabilir
kararları hakkında sorular sorabilir
simülasyon içindeki sosyal dinamikleri keşfedebilir

Kullanıcılar ayrıca, takip soruları sormak veya daha derinlemesine analiz talep etmek için ReportAgent ile iletişim kurabilirler.

Bu etkileşimli katman, simülasyon ortamını geleneksel tahmin araçlarından çok daha esnek hale getirir.

Düğme

Hızlı Başlangıç: MiroFish'i Yerel Olarak Çalıştırma

Platformu denemek isteyen geliştiriciler, MiroFish'i yerel olarak **kaynak dağıtımı** veya **Docker dağıtımı** kullanarak kurabilirler.

Sistem Gereksinimleri

Platformu kurmadan önce geliştiricilerin aşağıdaki araçların kurulu olması gerekir:

Araç	Sürüm	Amaç
Node.js	18+	Ön yüz çalışma zamanı ortamı
Python	3.11–3.12	Arka uç çalışma zamanı ortamı
uv	En son sürüm	Python paket yöneticisi

Kurulumu doğrulamak için:

node -v
python --version
uv --version

Adım 1: Ortam Değişkenlerini Yapılandırma

Önce, örnek yapılandırma dosyasını kopyalayın.

cp .env.example .env

Ardından, .env dosyasını düzenleyin ve gerekli API anahtarlarını ekleyin.

LLM API Yapılandırması

MiroFish, OpenAI SDK formatıyla uyumlu herhangi bir LLM API'sini destekler.

Örnek yapılandırma:

LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus

Dokümantasyon, Alibaba'nın Bailian platformundaki **Qwen modelinin** kullanılmasını önermektedir.

Büyük simülasyonlar önemli hesaplama kaynakları tüketebileceğinden, 40 turdan daha az simülasyonlarla başlanması önerilir.

Bellek Sistemi Yapılandırması

MiroFish, ajanlar için uzun süreli belleği yönetmek üzere Zep Cloud'u kullanır.

Örnek yapılandırma:

ZEP_API_KEY=your_zep_api_key

Zep Cloud'un ücretsiz katmanı genellikle küçük deneyler için yeterlidir.

Adım 2: Bağımlılıkları Kurma

Geliştiriciler, gerekli tüm bağımlılıkları tek bir komutla kurabilir:

npm run setup:all

Alternatif olarak, kurulum adım adım yapılabilir.

Node bağımlılıklarını kurun:

npm run setup

Python arka uç bağımlılıklarını kurun:

npm run setup:backend

Bu komut, gerekli Python sanal ortamını otomatik olarak oluşturur.

Adım 3: Platformu Başlatma

Kurulumdan sonra, geliştiriciler hem ön uç hem de arka uç hizmetlerini tek bir komutla başlatabilirler.

npm run dev

Çalıştıktan sonra, hizmetler şu adreslerde mevcuttur:

Ön uç arayüzü:

<http://localhost:3000>

Arka uç API'si:

<http://localhost:5001>

Gerektiğinde geliştiriciler hizmetleri ayrı ayrı da başlatabilirler.

Sadece arka ucu başlat:

npm run backend

Sadece ön ucu başlat:

npm run frontend

Docker Dağıtımı

Kapsayıcılı ortamları tercih eden ekipler için MiroFish, Docker dağıtımını da destekler.

Önce ortam değişkenlerini daha önce açıklandığı gibi yapılandırın.

cp .env.example .env

Ardından, Docker Compose kullanarak kapsayıcıları başlatın.

docker compose up -d

Varsayılan olarak, platform aşağıdaki portları eşler:

ön uç arayüzü için **3000**
arka uç API'si için **5001**

Docker yapılandırma dosyası, gerektiğinde kapsayıcı görüntüsü indirmelerini hızlandırmak için kullanılabilecek yorumlanmış ayna kaynaklarını da içerir.

Son Düşünceler

Gelişimin henüz başlarında olsa da, sürü zekası platformları, yapay zeka sistemlerinin karmaşık sosyal ortamları simüle edebileceği bir geleceğe işaret ediyor. Politikaları uygulamadan önce test edebildiğinizi, finansal duyurulardan önce piyasa tepkilerini keşfedebildiğinizi veya bilginin sosyal ağlarda nasıl yayılabileceğini inceleyebildiğinizi hayal edin. Bu tür araçlar, işletmeler, hükümetler ve araştırmacılar için güçlü karar destek sistemleri haline gelebilir. Elbette, hiçbir simülasyon gerçek insan davranışının karmaşıklığını mükemmel bir şekilde yakalayamaz. Beklenmedik olaylar ve kültürel nüanslar sonuçları her zaman etkileyebilir.

Ancak MiroFish gibi platformlar, yapay zekanın soruları yanıtlama ötesine geçerek tüm toplumları modellemeye nasıl evrilebileceğini gösteriyor. Deneysel bir açık kaynak projesi olarak başlayan bu proje, geliştiriciler ve araştırmacılar arasında şimdiden önemli tartışmaları tetikledi. Ve çoklu ajan simülasyonu ilerlemeye devam ederse, MiroFish gibi araçlar, gerçek dünyada ortaya çıkmadan önce dijital bir dünyanın içinde geleceği keşfedebilen yeni nesil tahmini teknolojilere doğru erken bir adımı temsil edebilir.

Düğme