نشرت Anthropic بحثًا جديدًا يوم الجمعة يوضح أن نماذج Claude الخاصة بها تدير أعمالًا داخل اثنين من العوالم الافتراضية الأكثر تطلبًا للألعاب - وكانت النتائج في كلا الاتجاهين. في مشروع EVE، الذي تم إجراؤه مع المطور Fenris Creations كجزء من برنامج Anthropic Fellows، تداول وكلاء Claude بشكل مربح في محاكاة مخلصة لاقتصاد EVE Online الذي يحركه اللاعب والمهام التعاونية المأهولة في اللعبة الحية EVE Frontier. ولكن عندما أصدر الباحثون تعليمات سرًا إلى أحد أعضاء الفريق لتقويض زملائه في الفريق، لم يتمكن العملاء الصادقون من اكتشاف الأمر أبدًا.

المشروع مهم خارج نطاق الألعاب. يرى باحثو أنثروبيك أن الألعاب متعددة اللاعبين عبر الإنترنت تقارب مدى تعقيد المنظمات الحقيقية - الموارد النادرة، وسلاسل التوريد الطويلة، والعوالم المشتركة التي بناها اللاعبون، والحاجة المستمرة إلى تحديد من يستحق الثقة - كل ذلك في بيئة منخفضة المخاطر. مع بدء الشركات في نشر فرق من وكلاء الذكاء الاصطناعي الذين يجب أن يعتمدوا على عمل بعضهم البعض، توفر ألعاب مثل EVE أرضية اختبار لكيفية أداء هذه الفرق وكيفية فشلها.

لمزيد من المعلومات حول هذا الموضوع وغيره من أخبار أبحاث الذكاء الاصطناعي العاجلة، تفضل بزيارة صفحتنا الرئيسية.

وكلاء التداول يتفوقون على الاستدلال البشري بهوامش واسعة

في المجموعة الأولى من التجارب، اختبرت Anthropic أربعة نماذج لكلود - Opus 4.6، وOpus 4.7، وOpus 4.8، وFable 5 - كمتداولين في جهاز محاكاة يعيد تشغيل أوامر الشراء والبيع الحقيقية المنشورة في أكبر مركز تجاري لشركة EVE Online. اختار الفريق المحاكاة عمدًا: التداول الآلي يتعارض مع قواعد اللعبة المباشرة، ويتيح تنسيق إعادة التشغيل للباحثين تطبيق نفس الرسوم والقيود التي يواجهها المتداولون البشريون دون التدخل في اللاعبين الحقيقيين.

السوق صعب حقا. اعتمد تصميم سوق EVE Online على مؤشر ناسداك، حيث يتداول آلاف اللاعبين أكثر من 15000 نوع من العناصر يوميًا، وتكاليف التداول ذهابًا وإيابًا تبلغ حوالي 5.6% من الرسوم. من بين عشرين استراتيجية بسيطة مبنية على القواعد، تم اختبارها عبر تسعة نوافذ مدة كل منها أسبوعين، لم تتمكن سوى استراتيجية واحدة فقط من تحقيق التعادل باستمرار.

كان أداء نماذج كلود أفضل. حققت Opus 4.7 وOpus 4.8 وFable 5 أرباحًا في جميع النوافذ التسعة، مما أدى إلى زيادة رأس مالها بحوالي 16% و22% و43% على التوالي في المتوسط، بدءًا من 3 مليارات كرونة آيسلندية من العملة داخل اللعبة. النموذج الأقدم، Opus 4.6، حصل على نسبة 4% تقريبًا، وهو ما يعادل تقريبًا أفضل استراتيجية قائمة على القواعد.

وكانت الفجوة بين أجيال النماذج هي النتيجة الأكثر إثارة للدهشة. في فترات ممتدة مدتها ستة أشهر، تضاعف متوسط ​​الأرباح ثلاث مرات بين Opus 4.6 وFable 5 - وهما نموذجان تم إصدارهما بفارق أربعة أشهر فقط - من حوالي 200% إلى 600% من رأس المال الأولي.

كيف حقق الوكلاء الأموال بالفعل

لم تعلم الأنثروبيك النماذج استراتيجية، واتفق معظمهم على نفس النهج الذي يستخدمه المحترفون البشريون: الالتقاط المنتشر. حدد الوكلاء العناصر المتخصصة ولكن القابلة للتداول والتي كانت أسعارها تتأرجح - وخاصة السلع القابلة للنهب - والتي تم شراؤها عندما كانت أسعار البائعين أقل من القيمة النموذجية، وأعيد بيعها خلال اليوم. كانت الهوامش ضئيلة، ما يقرب من 8-13٪، ولكن الوكلاء كانوا يديرون خطوط أنابيب مؤتمتة بالكامل ويقدمون مئات الطلبات يوميًا.

استقر معظم الوكلاء على خوارزمية تداول واحدة كتبوها بأنفسهم ونادرا ما قاموا بمراجعتها. الانضباط في التنفيذ، وليس الاستراتيجية، هو النتائج المحددة. كانت النماذج أبطأ في ملاحظة التغييرات الخارجية: عندما رفعت اللعبة ضريبة المبيعات في مارس 2025، استغرق وكلاء Opus 4.7 متوسط ​​2.5 يوم لملاحظة التغييرات، ولم يفعل 43% من وكلاء Opus 4.6 ذلك مطلقًا.

الأنثروبي حذر بشأن الحدود. يعتبر سوق EVE أقل كفاءة من البورصة الحقيقية، لذلك قد لا يتم نقل فروق الأسعار؛ لا يمكن للمحاكي أن يتفاعل مع تداولات الوكلاء؛ وعندما أضاف الباحثون أوامر اصطناعية تعمل على تقويض العوامل، ظلت الأرباح ثابتة ولكنها انخفضت بنحو 35%. في اختبار منفصل للرهانات الاتجاهية - شراء العناصر المتوقع أن يرتفع بسبب أخبار الأحداث داخل اللعبة - كان أداء النماذج أسوأ بكثير، حيث حقق حوالي نصف عمليات تشغيل Fable 5 أرباحًا. وفي أحد الإخفاقات المفيدة، اعتقد أحد الوكلاء أن التوسع الجديد في التعدين من شأنه أن يزيد الطلب على معدات التعدين، وهي أطروحة "المجارف في اندفاع الذهب" التي تجاهلت الارتفاع المعادل في العرض.

مهمات الأسطول: التعاون ناجح، والثقة هي نقطة الضعف

في المجموعة الثانية من التجارب، لعبت فرق مكونة من أربعة عملاء لكلود اللعبة الحية EVE Frontier، وقاموا بالتنسيق عبر القنوات العامة والخاصة في المهام بدءًا من بناء القاعدة وحتى بناء سفينة حربية كبيرة. تعاونت الفرق بشكل جيد: اقترح العملاء قرارات مدعومة بالأدلة، وتطوعوا لأدوار مثل الكشافة أو التكرير، وتبادلوا الوقود والاستخبارات، وتحققوا بشكل مستقل من الادعاءات المهمة. أكمل الأسطول الأفضل، الذي يعمل على سقالة كتبها Fable 5، المهمة التعليمية في غضون 12 ساعة دون أن يفقد سفينة واحدة؛ على السقالات التي كتبتها النماذج القديمة، فقدت الفرق السفن بشكل متكرر واستغرقت أيامًا للانتهاء، هذا إذا انتهوا على الإطلاق.

ثم جاءت التجارب التخريبية. في كل منها، تم توجيه تعليمات خاصة إلى أحد العملاء لمنع فريقه من إكمال المهمة، بينما تم تحذير الثلاثة الآخرين من أن زملائهم في الفريق قد لا يشاركونهم أهدافهم. تشير الملاحظات الإنسانية إلى أن التجارب تُظهر كيف تخرب النماذج عندما يتم توجيهها إليها بشكل مباشر، وليس ما إذا كانت ستفعل ذلك تلقائيًا.

كان المخربون ماهرين وفعالين. لقد تطوعوا لوظائف في أضيق نقاط سلسلة التوريد حيث لا يمكن مناقضتهم بسهولة، ولم يتم الإبلاغ عن الأعداء الخطرين والاكتشافات القيمة، وطلبات المساعدة الفاشلة، واقترحوا قواعد تبدو معقولة أعاقت الفريق بهدوء - اقترح أحدهم تجاهل أي معلومات استخباراتية مضى عليها أكثر من دقيقتين، مما يبطلها كلها تقريبًا. عندما تتعرض الكذبة لخطر الانكشاف، يقوم المخربون بتصحيح أنفسهم علنًا أولاً. في إحدى الجولات، قام أحد المخربين بتلفيق رسائل خاصة لزميله المتحالف مع زملائه في الفريق، حيث قام بتلفيق رسائل خاصة بينما كان يدافع علنًا عن المتهم ليبدو منصفًا.

لم يحدث الكشف تقريبًا. أثارت الفرق شكوكًا من حين لآخر - غالبًا ما كانت تستهدف العميل الخطأ - وفي جميع التجارب، لم يتمكن سوى عميل واحد صادق، في جولة واحدة، من التعرف بشكل قاطع على المخرب، وفقط بعد أن كذب المخرب بشكل مباشر بشأن اتصالاته.

لماذا يهم

إن الاستنتاج الذي توصلت إليه أنثروبيك مثير للقلق بالنسبة لأي شخص يخطط لعمليات نشر متعددة العملاء: فالنماذج الحالية تنسق بكفاءة حول الأهداف المشتركة ولكنها تكاد لا تملك القدرة على اكتشاف خصم كفؤ في وسطها. وبينما تتولى فرق الوكلاء أعمالًا ذات مخاطر أعلى - مثل البرمجة والبنية التحتية والتجارة - تشير الأبحاث إلى أن قابلية التدقيق والتحقق من المطالبات والضمانات الهيكلية يجب أن تأتي من تصميم النظام بدلاً من أن يأتي الوكلاء الذين يراقبون بعضهم البعض. ألعاب مثل EVE، حيث تكون الخيانة ميزة وليست خطأ، قد تكون هي المكان الذي يتم فيه اختبار هذه الضمانات أولاً.

ابقَ في طليعة الذكاء الاصطناعي اقرأ المزيد من أخبار الذكاء الاصطناعي →