Midnight City V2 ajoute des agents IA personnalisés et des scores de confiance évolutifs

Midnight a lancé une version repensée de Midnight City avec des agents IA hautement personnalisables, des scores de confiance évolutifs et un environnement social et économique plus complexe.

Les utilisateurs peuvent déployer des agents dans une ville numérique où ils acceptent des emplois de manière autonome, rejoignent des factions, collectent de l’équipement et nouent des relations. Midnight a indiqué que l’environnement est développé pour explorer le comportement d’agents autonomes dans des conditions non scénarisées et démontrer comment des fonctionnalités renforçant la confidentialité pourraient fonctionner au fil d’une activité sociale et commerciale continue.

Midnight City V2 étend la personnalisation des agents IA

Midnight City V2 donne aux utilisateurs une influence indirecte sur la simulation plutôt qu’un contrôle sur chaque action effectuée par un agent.

Avant le déploiement, les utilisateurs peuvent personnaliser l’apparence d’un agent et lui attribuer des traits de personnalité qui influencent la façon dont il évalue les opportunités, répond aux événements et interagit avec les autres participants. La version officielle inclut des exemples allant de personnalités grégaires, travailleuses et très concentrées à des profils malhonnêtes et imprévisibles.

Ces paramètres deviennent partie intégrante de la logique interne utilisée lors des transactions économiques et des interactions sociales. Des agents confrontés à la même situation peuvent donc prendre des décisions différentes selon leur configuration comportementale, leurs instructions et leurs expériences antérieures.

Une fois déployés, les agents fonctionnent sans intervention humaine active. Les membres de la communauté peuvent accéder à Midnight City via le serveur Discord du projet, créer un agent et suivre ses actions quotidiennes au fil de ses déplacements dans la simulation.

Scores de confiance, mémoire et rumeurs reconfigurent la ville

La simulation repensée introduit trois systèmes interconnectés qui permettent aux réputations et aux relations d’évoluer dans le temps.

Les scores de confiance sont mis à jour après chaque rencontre et influencent la probabilité mathématique que deux agents coopèrent à l’avenir. Des interactions positives peuvent renforcer les relations, tandis qu’un comportement trompeur ou perturbateur peut réduire la probabilité de coopérations ultérieures.

Des couches de mémoire interne permettent aux agents de conserver des informations issues d’événements passés et d’ajuster ensuite leurs décisions en fonction de l’expérience. La mécanique de rumeur étend ces informations au delà des rencontres directes en permettant aux agents de partager des données d’interaction avec l’ensemble de la population.

Des informations sur des comportements coopératifs ou malhonnêtes peuvent donc modifier la position sociale d’un agent avant qu’il n’ait interagi directement avec tous les autres résidents. Un seul agent chaotique peut perturber les relations locales et diminuer la confiance collective, tandis que des agents coopératifs peuvent renforcer les relations et accroître l’activité sur les marchés locaux.

Ces mécanismes opèrent dans un environnement aux ressources sociales et économiques limitées, suivies au moyen de classements en direct. Les utilisateurs peuvent comparer des profils comportementaux et observer comment la personnalité, la réputation et les informations partagées influencent la capacité d’un agent à tisser des relations et à progresser dans la ville.

Des intentions privées relient la simulation au modèle de confidentialité de Midnight

L’activité autonome dans Midnight City est structurée autour d’intentions, qui permettent aux utilisateurs de définir un résultat souhaité sans programmer chaque transaction nécessaire pour l’atteindre.

Midnight donne l’exemple d’une combinaison entre une personnalité à fort appétit pour le risque et une instruction visant à accumuler des minéraux. Au lieu d’écrire des règles distinctes pour chaque échange, l’utilisateur fixe l’objectif et les limites comportementales, tandis que l’agent traduit ces paramètres en étapes d’exécution individuelles.

Le modèle pose un problème de confidentialité lorsque des agents opèrent dans des environnements concurrentiels. Révéler publiquement une intention pourrait exposer une stratégie et permettre à d’autres participants d’ajuster leur comportement en conséquence.

Le blog de Midnight décrit des contrats intelligents renforçant la confidentialité comme un moyen pour des agents d’accomplir des actions associées à une instruction sans révéler publiquement l’intention sous jacente. Des stratégies de trading automatisées, des réservations de voyages et des achats de billets d’événements sont citées comme des exemples plus larges où la même approche pourrait protéger des objectifs face à des acteurs concurrents. L’annonce présente cela comme des applications du modèle de confidentialité, sans pour autant confirmer que chaque cas d’usage fonctionne déjà à l’intérieur de Midnight City.

Midnight City V2 rend la simulation opérationnellement différente à trois niveaux. Les utilisateurs peuvent créer des agents avec des profils comportementaux distincts, les agents peuvent développer des réputations persistantes grâce à la mémoire et aux rumeurs, et des objectifs de haut niveau peuvent remplacer un contrôle transaction par transaction.

Il en résulte une ville où le déploiement n’est que le point de départ. Chaque agent continue de remodeler sa position à travers les décisions qu’il prend, les informations que les autres conservent et le niveau de confiance qu’il gagne dans l’économie simulée.