War and Peace (WarAgent): Large Language Model-based Multi-Agent Simulation of World Wars

我们能否避免历史十字路口上的战争？这个问题已经被个人、学者、政策制定者和组织在人类历史中追寻了很长时间。在这项研究中，我们尝试根据人工智能（AI）和大型语言模型（LLM）的最新进展来回答这个问题。我们提出了一个名为\textbf{WarAgent}的LLM驱动的多智能体AI系统，用于模拟历史上的国际冲突，包括第一次世界大战（WWI）、第二次世界大战（WWII）和中国古代的战国时期（WSP）中参与国家的决策和后果。通过评估模拟的有效性，我们研究了尖端AI系统在研究复杂的集体人类行为（例如在不同环境下的国际冲突）方面的能力的进展和限制。在这些模拟中，智能体之间的紧密互动也为研究导致战争的触发因素和条件提供了一种新的视角。我们的发现提供了数据驱动和AI增强的见解，可以重新定义我们如何处理冲突解决和维和策略。这些影响超越了历史分析，为使用AI理解人类历史并可能预防未来国际冲突提供了一个蓝图。代码和数据可在\url{https://github.com/agiresearch/WarAgent}上获得。

本文试图通过使用人工智能和大型语言模型，回答人类历史上的战争问题：我们能否在历史的十字路口避免战争？同时，本文还试图探索如何使用AI来理解人类历史和预防未来国际冲突。

本文提出了一个基于大型语言模型的多智能体系统WarAgent，用于模拟历史国际冲突，包括第一次世界大战，第二次世界大战和中国古代的战国时期。通过评估模拟的有效性，本文考察了当今前沿AI系统在研究国际冲突等复杂人类行为方面的能力和局限性。通过模拟中智能体之间的相互作用，本文提供了一个新的视角来研究导致战争的触发器和条件。

本文使用大型语言模型和人工智能技术来研究历史国际冲突，提出了一个基于多智能体系统的模拟框架，称为WarAgent。本文的贡献是提供了一种新的方法来理解历史和预防未来的国际冲突。本文还提供了数据集和代码，并探讨了当今前沿AI系统在研究复杂人类行为方面的能力和局限性。

最近在这个领域中，还有一些相关的研究，包括使用机器学习来预测战争爆发的研究，例如“Predicting War: A Machine Learning Approach to Understanding Conflict”（2017）和“Forecasting International Conflict Using Ensemble Models and Hybrid Features”（2019）。此外，还有一些研究使用模拟来研究国际冲突，例如“Simulating War: Studying Conflict through Agent-Based Models”（2017）。