DeepMind 发现多智能体强化学习中的涌现以物易物行为

DeepMind 在 arXiv 2205.06760 公开 Fruit Market 实验环境，研究深度强化学习 agent 群体能否在无任何经济先验的设定下自发学到生产、消费、定价与交易行为。环境本身是一张多人地图，每个 agent 擅长生产苹果或香蕉中的一种，却偏好另一种，只要它们学会以物易物，双方福利都能提升。

实验给出的核心信号有两层。一层是基础经济行为：agent 学会做出合乎微观经济学预测的生产与消费决策，对供需变化的反应方向与 Microeconomics 101 教材一致，研究者通过调整地图上苹果树与香蕉树的出现概率，复现出与课本几乎重合的供需曲线。另一层是更难用解析模型刻画的现象：当两种水果在地图不同区域生长时，群体里自发出现局部价格区，部分 agent 学会在区域之间运输水果，形成 buy low and sell high 的套利策略。

这条工作把多 agent 强化学习的研究域扩展到经济行为这一块此前长期空白的地带。Fruit Market 不预先把经济假设硬编码进 agent，而是让交易、议价、专业化分工从交互经验里浮现，这种范式与传统 agent-based computational economics 形成互补。环境将在下一个版本里随 Melting Pot 套件一同发布，给后续讨论 AGI 路径上的社会智能、多智能体协作与涌现行为提供可复现的实验台。