Династия киборгов: как две сотни агентов возвели цивилизацию

В далеком 1959 году энтомолог Пьер-Поль Грассе анализировал методы возведения термитников — масштабных сооружений высотой в человеческий рост. Каждая отдельная особь переносила частицы глины в точки, заданные волей вожака колонии. Благодаря слаженной совместной работе постройки получались невероятно сложными, включая продуманную систему вентиляционных шахт и подземных уровней.

Этот феномен получил название стигмергии, подразумевающего координацию действий через модификацию окружающего пространства. Спустя десятилетия специалисты из MIT перенесли эту концепцию в цифровую плоскость. Вместо биологических насекомых они задействовали автономных ИИ-агентов, которые возвели не примитивный термитник, а целую технологическую цивилизацию. О деталях этого увлекательного эксперимента и ключевых уроках, которые мы можем извлечь из поведения LLM, пойдет речь в данном материале.

Симуляция, в которой мир решает сам

Описанный проект носит название SwarmWorld. В рамках этой виртуальной среды однотипные агенты занимались поиском сырья, экспериментировали со свойствами материи, конструировали объекты и разрабатывали для них управляющий софт. Для каждой из тестируемых сред формировалась группа из 50–200 идентичных участников.

Каждый агент обладал ограниченным обзором локального пространства, скромным объемом памяти и мог совершать не более 12 операций за один такт. В их арсенале были перемещение, сканирование территории, добыча ископаемых, стресс-тесты материалов, возведение конструкций и написание управляющего кода.

Любопытно, что никто изначально не наделял программы определенными ролями и не снабжал готовыми инструкциями. Тем не менее, со временем среди искусственных агентов естественным образом выделились исследователи, инженеры, смотрители и координаторы. Все они стартовали с абсолютно равными условиями, одинаковым системным промптом и полным отсутствием знаний о мире.

Фундаментальный принцип симуляции заключался в том, что решающее слово оставалось за объективными законами среды, а не за фантазиями языковой модели. Например, если некий бот предлагал создать хитиновую сеть, запрограммировать датчик влажности или применить мицеливый композит, симулятор моментально проверял ресурсную базу, геометрию и работоспособность кода. Иными словами, любые оторванные от физической реальности концепции отсеивались на корню.

После завершения активной фазы созданные артефакты подвергались жестким испытаниям восемью непредсказуемыми катаклизмами. Кроме того, другие агенты могли дорабатывать чужие разработки, если находили их перспективными. При этом условия существования в разных экспериментальных зонах существенно различались.

Четыре мира, одна гипотеза

Ученые развернули четыре параллельные версии симуляции. В первой среде агенты обладали полным спектром социальных инструментов: они напрямую общались, публиковали отчеты, обменивались знаниями, торговали и форкали чужие наработки. Во второй коммуникацию полностью заблокировали, оставив лишь возможность заимствовать исходный код и изучать чужие объекты. В третьей полностью стерли культурный контекст, оставив чистую физическую стигмергию — ту самую бессловесную координацию через элементы среды, которую миллилетиями практиковали термиты. В четвертой каждый бот обитал в тотальной изоляции, будучи лишенным доступа к достижениям сородичей.

Итоги оказались весьма неожиданными, чем и привлекли пристальное внимание профильного экспертного сообщества:

• Изолированные агенты смогли спроектировать самый совершенный индивидуальный артефакт (показатель 0,3488 против 0,2380 у коллективных систем).

• Коллективы в среднем порождали по 5,75 технологии, бескультурные группы — целых 7,0, тогда как отшельники выдавали скромные 2,75.

При этом именно социальные сообщества продемонстрировали выдающуюся общую устойчивость, большее число валидных изобретений и способность адаптироваться к экстремальным бедствиям.

Как муравьи и термиты, только с кодом

Механизм стигмергии, описанный Грассе, функционирует в SwarmWorld по тем же законам, что и в дикой природе. Рабочий муравей, транспортирующий добычу в муравейник, неосознанно оставляет позади химический след из феромонов. Следующая особь улавливает аромат, движется по нему к цели, тем самым усиливая концентрацию метки, либо же теряет след, если источник иссяк. В результате миллионы микрорешений формируют оптимальные маршруты к пище, хотя ни один муравей не обладает глобальной картой местности.

Роль феромонов в цифровом мире взяли на себя материальные объекты. К примеру, один бот собирал хитиновую структуру для фильтрации осадков и сбора влаги. Проходящий мимо сородич фиксировал работающий прототип, анализировал встроенный скрипт и форкал его под собственные задачи, дорабатывая детали. Вокруг удачных технических решений немедленно возникал кластер активности, напоминающий роение насекомых вокруг лакомства.

Показательно, что прямая вербальная коммуникация агентам практически не потребовалась. Около 95% случаев повторного применения технологий начинались не с призывов в чате, а с простой насмотренности: бот визуально оценивал объект, разбирался в его устройстве и копировал кодовую базу. Ситуация полностью зеркалит нашу практику поиска готовых репозиториев на GitHub с последующим форком и кастомизацией под личные нужды с указанием первоисточника.

Этот парадокс рушит стереотип о том, что интенсивность общения напрямую определяет качество кооперации. Природа доказывает обратное: муравьи обходятся без диалогов, используя следовые метки, и этот проверенный миллионами лет эволюции подход оказывается гораздо масштабируемее словесных дискуссий.

Две профессии и двенадцать поколений кода

Наиболее впечатляющим аспектом стала самопроизвольная дифференциация агентов на два четких поведенческих паттерна: 

• Первый тип — привязанные к артефактам создатели. Эти участники концентрировались вокруг готовых построек, отвечая за их модернизацию, написание контроллеров, ремонт и техническое обслуживание. Они редко покидали обжитые зоны, но глубоко погружались в инженерный процесс. В обществах с развитой культурой их доля составляла около 27%, в сообществах без культуры — 20%, а в условиях изоляции — 17%.

• Второй тип — мобильные разведчики. Они постоянно патрулировали виртуальный мир, картографировали территорию, тестировали новые субстанции и обнаруживали залежи ресурсов. Их маршруты были протяженными, они охватывали максимальное число локаций и поставляли ценную информацию инженерам. Интересно, что таких агентов оказалось подавляющее большинство (от 80% до 83% в зависимости от условий).

Разделение труда сформировалось стихийно в процессе непрерывного заимствования, модификации и пересборки чужих программных алгоритмов новыми поколениями агентов.

В одной из культурных групп самая длинная эволюционная цепочка кода насчитывала 12 поколений преемственности. Базовый скрипт управления хитиновой системой последовательно прошел через руки шести авторов. Первичный код написал один бот, второй внедрил адаптивную регуляцию, третий интегрировал буфер влаги, четвертый связал систему с минеральными компонентами, и так продолжалось дюжину итераций.

Стоит отметить важный вывод: популярный тезис о необходимости жесткого распределения ролей между ИИ-агентами перед стартом работы оказался несостоятельным. Авторы эксперимента подчеркивают, что искусственное навешивание ярлыков вроде «исследователь» или «программист» не повышает эффективность. Гораздо продуктивнее назначить ключевого агента-оркестратора, способного самостоятельно декомпозировать глобальные задачи на подзадачи, делегировать их субагентам и агрегировать итоговый результат.

Шестнадцать технологий, которые никто не заказывал

По итогам симуляции исследователи выделили 16 уникальных изобретений, созданных во всех вариациях сред. Агенты самостоятельно придумывали наименования разработок, формулировали их назначение, подбирали сырье и выстраивали технологические цепочки. Системный симулятор в режиме реального времени оценивал эффективность каждого артефакта.

Лидером рейтинга стала трехслойная хитиновая решетка, способная аккумулировать влагу, фильтровать примеси и сохранять прочность конструкции. Второе место заняла минеральная вуаль на основе грибного мицелия, обеспечивающая надежную защиту от внешних факторов. Третью строчку заслужила ферментированная хитиновая панель, адаптированная к прибрежным условиям. Следом расположились дышащая кутикулярная мембрана и пористый буферный слой для снижения уровня загрязнений и стимуляции регенерации среды.

Перечень использованных материалов поражает воображение: в рецептурах фигурируют хитин, мицелий, минералы, биокатализаторы, водоросли, ракушечник, целлюлоза и лигнин в качестве связующего агента. Примечательно, что каждый материал проходил многоэтапную обработку, включавшую промывку, помол, ферментацию, минерализацию, шлифовку, прессование и сушку.

Разработанные ботами контроллеры в реальном времени мониторили локальные метрики (влажность, степень загрязнения, экологический статус, наличие питательных элементов) и динамически реагировали на изменения. Они управляли порами конструкций, собирали воду, инициировали ремонтные работы или отправляли триггерные сигналы соседним объектам. Все эти функциональные системы управления были сгенерированы стандартными языковыми моделями и успешно верифицированы симулятором.

Соревнование цивилизаций

Концепция SwarmWorld опирается на богатую историю исследований в области виртуальных обществ. Еще в 2023 году стэнфордская группа представила проект Generative Agents, где 25 персонажей с предысторией и памятью ходили на службу, посещали таверны и устраивали социальные мероприятия, самостоятельно организуя, например, вечеринку в честь Дня святого Валентина.

Тогда же команда NVIDIA под руководством Джима Фана разработала агента Voyager для Minecraft, который автономно исследовал пространство, накапливал навыки в виде исполняемого кода и формировал внутреннюю библиотеку умений. Бот находил втрое больше уникальных объектов и в 15 раз быстрее преодолевал технологические ступени по сравнению с аналогами, доказав ценность кодирования навыков для их последующего переиспользования.

В 2024 году стартап Altera.AL запустил Project Sid, объединивший тысячу ИИ-агентов в Minecraft для построения полноценного социума. Они сформировали органы власти, создали конституционный документ в Google Docs, провели голосование и даже занялись распространением пастафарианства через взятки. Эксперимент наглядно продемонстрировал способность агентов спонтанно воспроизводить сложные политические и культурные институты.

Платформа SwarmWorld гармонично синтезирует эти направления: социальное поведение и память отсылают к Generative Agents, масштаб и самоуправление — к Project Sid, а технологическое наследие в виде кода — к Voyager. Тем не менее, именно концепт открытой физической стигмергии в цифровом пространстве выводит исследование на принципиально новый уровень.

Чему мы можем научиться у ИИ-терминаторов 

Поведение этих двух сотен виртуальных агентов преподносит человечеству несколько важных уроков, которые вполне применимы в нашей реальной жизни: 

1. Арбитраж реального мира важнее субъективных оценок. В SwarmWorld единственным мерилом успеха выступала симуляция, и популярность описания или одобрение со стороны других агентов не имели никакого веса.

2. Практика наблюдения превосходит пустые разговоры. Около 95% заимствований технологий базировались на визуальном изучении готовых результатов. Регулярные совещания вряд ли помогли бы ботам создать семь инноваций за 800 тиков, зато они точно затянули бы процесс обсуждения.

3. Свободный форк с обязательным указанием авторства. Заметив эффективное решение, агент не тратил время на запросы создателю, а просто заимствовал код, ведь лучшие технологические продукты строятся на принципах открытого копирования.

4. Лидерство как следствие реальных поступков, а не формальных статусов. Иерархия в симуляции рождалась из созидательной активности, а не должностных предписаний. Среда, поощряющая полезные действия, сама формирует эффективных лидеров.

5. Создание долговечного наследия. Агенты завершали свой жизненный цикл, но созданные ими технологии продолжали эволюционировать, форкаться и проходить стресс-тесты под воздействием катаклизмов. Это идеальный ориентир качества, учитывая, что многие великие человеческие изобретения получили признание уже после ухода их авторов.

Пора вернуться в реальность…

Безусловно, SwarmWorld остается упрощенной моделью: здесь двухмерное пространство, абстрактные ресурсы, а законы физики заданы исследователями искусственно. Все агенты функционировали на базе единой базовой языковой модели при четырех вариациях исходных условий. Тем не менее, результаты впечатляют, подтверждая универсальность принципа стигмергии даже в виртуальной среде.

Двести идентичных ботов без прямого человеческого вмешательства сформировали технологическую цивилизацию с разделением труда, культурной преемственностью и устойчивостью к внешним шокам. Не имея глобального плана, они через локальные действия под воздействием среды породили сложный глобальный порядок.

Делитесь в комментариях вашим подходом: отдаете ли вы предпочтение одиночным агентам или автономным роям, практикуете ли назначение ролей или предпочитаете позволить им обучаться самостоятельно. И, конечно же, публикуйте свои пет-проекты на GitHub, чтобы сообщество могло их форкать и совместными усилиями улучшать окружающий мир.

 

Источник