遊戲製作人玉置絢（Tamaki Jun）在一場名為「生成 AI 什麼都能展示會」的活動中，公開自己開發的賽馬預測系統「GALLOPIA」。系統利用多位虛擬 AI 女角色的群體對話功能，透過模擬討論預測賽馬結果，最終成功命中了一張賠率高達 2275.3 倍的彩票。
▲玉置絢公開自己開發的賽馬預測系統「GALLOPIA」，透過模擬討論預測賽馬結果（圖片來源：gigazine）
GALLOPIA 並非傳統數據驅動型賽馬預測工具，而是強調互動和趣味性。系統由 8 位具有不同專業領域的 AI 女角色組成，她們在群組聊天中各抒己見，討論特定比賽的賽果。最終由「主人公」角色綜合所有分析，得出推薦投注策略。例如，血統分析由「千秋」負責，騎師和關係者評估則由「紫苑」主導，而「疾風」則專注於速度和訓練數據的解析。她們的討論過程由「調查」進行監控，最後由「文乃」負責將討論內容整理成清晰的提案。
▲GALLOPIA 由 8 位具有不同專業領域的 AI 女角色組成（圖片來源：gigazine）
根據玉置的描述，系統的設計目標是「讓 AI 女角色間展開類似人類的趣味性對話，表現出對某匹馬的強烈主張」，而非專注於構建高精度的賽馬預測算法。
▲系統的設計目標非專注於構建高精度的賽馬預測算法（圖片來源：gigazine）
玉置在開發過程中結合了多種語言模型，並採用了「多代理 LLM 編排」（Multi-Agent LLM Orchestration）技術。其核心思路在於，針對不同的專業領域分別使用獨立模型進行分析，最終再整合所有結果。所使用的模型包括：負責從大數據中提取優劣勢的 gemini-1.5-pro、進行少量數據分析，輔助主要角色「主人公」決策的 GPT-4o、生成每位 AI 角色的核心論點的 claude-3-5-sonnet 、負責角色對話創作，個別單元總結的 claude-3-haiku 及負責記錄和整理討論內容的 GPT-4o-mini。
▲開發過程中結合了多種語言模型，並採用了「多代理 LLM 編排」
通過多次短輸入提示調用模型，能有效避免單一大型輸入導致的結果準確性下降問題。
GALLOPIA 展示語言模型在多重知識領域整合中的潛力。特別是在賽馬預測涉及血統、騎師評估和速度數據的複雜分析中，結合多個專業模型進行協作，可以大幅提升預測的準確度。玉置坦言系統的主要目標是提供趣味性體驗，他認為，未來或可將類似技術應用於金融、醫療等需要專業知識整合的領域，開發出更精確且實用的 AI 工具。
資料及圖片來源：gigazine
