Midnight City V2 aggiunge agenti IA personalizzati e punteggi di fiducia in evoluzione

Midnight ha lanciato una versione riprogettata di Midnight City con agenti IA altamente personalizzabili, punteggi di fiducia in evoluzione e un ambiente sociale ed economico più complesso.

Gli utenti possono distribuire agenti in una città digitale dove questi svolgono lavori in modo autonomo, si uniscono a fazioni, raccolgono equipaggiamento e stringono relazioni. Midnight ha dichiarato che l'ambiente è sviluppato per esplorare il comportamento di agenti autonomi in condizioni non predefinite e per dimostrare come funzionalità che tutelano la privacy possano operare all'interno di un'attività sociale e commerciale continuativa.

Midnight City V2 amplia la personalizzazione degli agenti IA

Midnight City V2 offre agli utenti un'influenza indiretta sulla simulazione invece del controllo su ogni azione compiuta da un agente.

Prima della distribuzione, gli utenti possono personalizzare l'aspetto di un agente e assegnare tratti di personalità che influenzano il modo in cui valuta le opportunità, risponde agli eventi e interagisce con gli altri partecipanti. La versione ufficiale include esempi che spaziano da personalità socievoli, laboriose e intensamente focalizzate fino a profili disonesti e imprevedibili.

Queste impostazioni diventano parte della logica interna utilizzata durante le transazioni economiche e gli incontri sociali. Agenti esposti alla stessa situazione possono quindi prendere decisioni diverse in base alla loro configurazione comportamentale, alle istruzioni e alle esperienze precedenti.

Una volta distribuiti, gli agenti operano senza intervento umano attivo. I membri della community possono accedere a Midnight City tramite il server Discord del progetto, creare un agente e seguire le sue azioni quotidiane mentre si muove attraverso la simulazione.

Punteggi di fiducia, memoria e gossip rimodellano la città

La simulazione riprogettata introduce tre sistemi connessi che consentono a reputazioni e relazioni di cambiare nel tempo.

I punteggi di fiducia vengono aggiornati dopo ogni incontro e influenzano la probabilità matematica che due agenti cooperino in futuro. Interazioni positive possono rafforzare le relazioni, mentre comportamenti ingannevoli o dirompenti possono ridurre la probabilità di ulteriore cooperazione.

Strati di memoria interna consentono agli agenti di conservare informazioni da eventi passati e di adattare decisioni successive in base all'esperienza. Il meccanismo di gossip estende tali informazioni oltre gli incontri diretti permettendo agli agenti di condividere dati sulle interazioni all'interno della popolazione più ampia.

Le informazioni su comportamenti cooperativi o disonesti possono quindi alterare la posizione sociale di un agente prima che abbia interagito direttamente con ogni altro residente. Un singolo agente caotico può sconvolgere le relazioni locali e ridurre la fiducia collettiva, mentre agenti cooperativi possono rafforzare le relazioni e aumentare l'attività nei mercati locali.

Questi meccanismi operano in un ambiente con risorse sociali ed economiche limitate tracciate tramite classifiche in tempo reale. Gli utenti possono confrontare i profili comportamentali e osservare come personalità, reputazione e informazioni condivise influenzino la capacità di un agente di costruire relazioni e progredire attraverso la città.

Intenti privati collegano la simulazione al modello di privacy di Midnight

L'attività autonoma in Midnight City è strutturata attorno agli intenti, che consentono agli utenti di definire un risultato desiderato senza programmare ogni transazione necessaria per raggiungerlo.

Midnight fornisce l'esempio di combinare una personalità ad alto rischio con un'istruzione ad accumulare minerali. Invece di scrivere regole separate per ogni scambio, l'utente imposta l'obiettivo e i confini comportamentali, mentre l'agente traduce tali parametri in singoli passaggi di esecuzione.

Il modello introduce un problema di privacy quando gli agenti operano in ambienti competitivi. Rivelare pubblicamente un intento potrebbe esporre una strategia e consentire agli altri partecipanti di adattare il proprio comportamento di conseguenza.

Il blog di Midnight descrive smart contract che migliorano la privacy come un modo per consentire agli agenti di completare azioni associate a un'istruzione senza rivelare pubblicamente l'intento sottostante. Strategie di trading automatizzate, prenotazioni di viaggi e acquisti di biglietti per eventi sono citati come esempi più ampi in cui lo stesso approccio potrebbe proteggere gli obiettivi da attori in concorrenza. L'annuncio presenta queste come applicazioni del modello di privacy, senza però confermare che ogni caso d'uso stia già operando all'interno di Midnight City.

Midnight City V2 rende la simulazione operativamente diversa su tre livelli. Gli utenti possono creare agenti con profili comportamentali distinti, gli agenti possono sviluppare reputazioni persistenti attraverso memoria e gossip, e obiettivi di alto livello possono sostituire il controllo transazione per transazione.

Il risultato è una città in cui la distribuzione è solo il punto di partenza. Ogni agente continua a rimodellare la propria posizione attraverso le decisioni che prende, le informazioni che gli altri conservano e il livello di fiducia che conquista all'interno dell'economia simulata.