본 논문은 대규모 언어 모델과 같은 AI 기반 모델의 접근성과 확장성 문제를 해결하기 위해 다중 에이전트 시스템을 제안합니다. "Society of HiveMind" (SOHM)라는 프레임워크를 개발하여, 자연계의 동물 무리 행동을 모방하여 여러 AI 기반 모델 간의 상호 작용을 조율합니다. 실험 결과, SOHM은 주로 실세계 지식이 필요한 작업에서는 미미한 성능 향상을 보였지만, 집중적인 논리적 추론이 필요한 작업에서는 상당한 성능 향상을 보였습니다. 이는 다중 에이전트 시스템이 개별 에이전트보다 집단의 추론 능력을 향상시킬 수 있음을 시사합니다. 다양한 AI 기반 모델들을 결합하여 환경과의 상호 작용을 통해 자기 개선이 가능한 인공 군집 지능을 형성할 가능성을 보여줍니다.
