fost-nepal.org – Penelitian terbaru yang dilakukan oleh Google dan MIT mengungkapkan bahwa penggunaan sistem agen dalam kecerdasan buatan tidak selalu menjamin peningkatan kinerja. Penelitian ini mengeksplorasi hubungan antara jumlah agen, struktur koordinasi, serta kemampuan model dalam menyelesaikan tugas. Meskipun banyak orang meyakini bahwa semakin banyak agen akan menghasilkan kinerja yang lebih baik, temuan ini menunjukkan bahwa ada batasan dan risiko yang harus dipertimbangkan.

Para peneliti mengembangkan model kuantitatif yang mampu memprediksi kinerja sistem agen pada tugas yang belum pernah dijajal sebelumnya. Hasil penelitian menunjukkan bahwa penambahan agen dan alat dapat bermanfaat untuk beberapa masalah, namun justru menambah beban yang tidak perlu pada masalah lainnya. Ini menjadi penting bagi pengembang dan pengambil keputusan di sektor enterprise dalam memilih antara arsitektur multi-agen yang kompleks atau solusi agen tunggal yang lebih sederhana.

Ada dua arsitektur utama yang dibahas dalam penelitian ini: sistem agen tunggal (SAS) dan sistem multi-agen (MAS). SAS beroperasi dalam satu loop yang terpusat, sedangkan MAS melibatkan beberapa agen yang berkomunikasi. Temuan menunjukkan bahwa MAS lebih efisien untuk tugas yang kompleks, tetapi efisiensi tersebut sangat bergantung pada struktur dan sifat tugas yang dihadapi.

Dari eksperimen yang dilakukan dengan konfigurasi berbeda, peneliti menemukan bahwa efisiensi MAS bisa menurun drastis ketika banyak agen digunakan untuk tugas yang memerlukan banyak alat. Pemisahan kapasitas memori di antara agen menyebabkan fragmentasi konteks yang merugikan. Temuan ini memberikan panduan bagi pengembang untuk menerapkan sistem AI yang lebih efektif.