街头生成式智能体：探索大型语言模型在收集城市感知中的应用

评估周围环境以获得理解、形成观点并预测行为反应是人类固有的特征。然而，这些持续发生的遭遇是多样且复杂的，给其研究和实验带来了挑战。研究人员已经能够分离出环境特征，并研究它们对人类感知和行为的影响。然而，试图利用代理（例如通过整合虚拟媒介和访谈）来复制和研究人类行为的研究尝试一直存在不一致性。大型语言模型最近被证明具备上下文理解和语义推理的能力。这些模型在海量文本上进行训练，已经发展到能够模拟可信的人类行为。本研究借助感知实验，探索了由 LLM 驱动的生成式智能体的当前进展。该实验采用生成式智能体与城市环境进行交互，使用街景图像来规划其前往特定目标的行程。这些智能体被赋予了虚拟人格，使其具有可区分性。它们还配备了一个记忆数据库，用于存储其想法和重要的视觉信息，并在需要规划移动时进行检索。由于 LLM 既不具备具身性，也无法访问视觉领域，且缺乏运动或方向感，我们设计了移动和视觉模块来帮助智能体获得对周围环境的整体理解。智能体还被进一步用于根据其感知到的安全感和活力感对所遇到的环境进行评分。由于这些智能体将细节存储在记忆中，我们查询这些发现以获取有关其思考过程的细节。总体而言，本研究对当前人工智能发展及其在城市环境中模拟人类行为的潜力进行了实验探索。