অ্যানথ্রোপিক শুক্রবার নতুন গবেষণা প্রকাশ করেছে তার ক্লাউড মডেলগুলিকে দেখায় যে দুটি গেমিংয়ের সবচেয়ে চাহিদাপূর্ণ ভার্চুয়াল জগতের মধ্যে ব্যবসা চলছে - এবং ফলাফল উভয় উপায়ে কেটেছে। প্রজেক্ট EVE-তে, অ্যানথ্রপিক ফেলোস প্রোগ্রামের অংশ হিসাবে ডেভেলপার ফেনরিস ক্রিয়েশন্সের সাথে পরিচালিত, ক্লড এজেন্টরা EVE অনলাইনের প্লেয়ার-চালিত অর্থনীতির একটি বিশ্বস্ত অনুকরণে লাভজনকভাবে ব্যবসা করেছে এবং লাইভ গেম EVE ফ্রন্টিয়ারে সমবায় মিশনের ক্রুড করেছে৷ কিন্তু যখন গবেষকরা গোপনে দলের একজন সদস্যকে তার সতীর্থদের দুর্বল করার নির্দেশ দিয়েছিলেন, তখন সৎ এজেন্টরা প্রায় কখনই তা ধরতে পারেনি।
প্রকল্পটি গেমিংয়ের বাইরেও গুরুত্বপূর্ণ। অ্যানথ্রপিকের গবেষকরা যুক্তি দেন যে ব্যাপকভাবে মাল্টিপ্লেয়ার অনলাইন গেমগুলি বাস্তব সংস্থাগুলির জটিলতাকে আনুমানিক করে — দুষ্প্রাপ্য সংস্থান, দীর্ঘ সরবরাহ চেইন, খেলোয়াড়দের দ্বারা নির্মিত শেয়ার্ড ইউনিভার্স, এবং কাকে বিশ্বাস করতে হবে তা সিদ্ধান্ত নেওয়ার ধ্রুবক প্রয়োজন — সবই কম-স্টেকের পরিবেশে৷ যেহেতু কোম্পানিগুলো এআই এজেন্টদের দল মোতায়েন করা শুরু করে যেগুলিকে একে অপরের কাজের উপর নির্ভর করতে হবে, EVE-এর মতো গেমগুলি এই ধরনের দলগুলি কীভাবে পারফরম্যান্স করে এবং কীভাবে তারা ব্যর্থ হয় তার জন্য একটি পরীক্ষার স্থল সরবরাহ করে।
এই বিষয়ে আরও বিস্তারিত জানতে
ট্রেডিং এজেন্ট হিউম্যান হিউরিস্টিকসকে বিস্তৃত মার্জিনে হারান
পরীক্ষা-নিরীক্ষার প্রথম সেটে, অ্যানথ্রোপিক চারটি ক্লাউড মডেল পরীক্ষা করেছে — Opus 4.6, Opus 4.7, Opus 4.8, এবং Fable 5 — একটি সিমুলেটরে ব্যবসায়ী হিসাবে যা EVE অনলাইনের বৃহত্তম ট্রেডিং হাব-এ পোস্ট করা আসল ক্রয়-বিক্রয় আদেশগুলিকে পুনরায় প্লে করে৷ দলটি ইচ্ছাকৃতভাবে সিমুলেশন বেছে নিয়েছে: স্বয়ংক্রিয় ট্রেডিং লাইভ গেমের নিয়মের বিরুদ্ধে, এবং রিপ্লে ফর্ম্যাট গবেষকদের একই ফি এবং বিধিনিষেধ প্রয়োগ করতে দেয় যা মানব ব্যবসায়ীরা বাস্তব খেলোয়াড়দের সাথে হস্তক্ষেপ না করেই সম্মুখীন হয়।
বাজার সত্যিই কঠিন. EVE অনলাইনের বাজার নকশাটি NASDAQ-এর উপর ভিত্তি করে তৈরি করা হয়েছিল, যেখানে হাজার হাজার খেলোয়াড় প্রতিদিন 15,000টিরও বেশি আইটেম টাইপ ট্রেড করে এবং রাউন্ড-ট্রিপ ট্রেডিং খরচ প্রায় 5.6% ফি। নয়টি দুই সপ্তাহের উইন্ডো জুড়ে অ্যানথ্রোপিক পরীক্ষা করা বিশটি সাধারণ নিয়ম-ভিত্তিক কৌশলগুলির মধ্যে, শুধুমাত্র একটি ধারাবাহিকভাবে ভেঙ্গে যায়।
ক্লদ মডেলগুলি আরও ভাল করেছে। Opus 4.7, Opus 4.8, এবং Fable 5 সব নয়টি উইন্ডোতেই লাভজনক ছিল, তাদের মূলধন গড়ে যথাক্রমে 16%, 22% এবং 43% বৃদ্ধি পেয়েছে, যা 3 বিলিয়ন ISK ইন-গেম কারেন্সি থেকে শুরু করে। প্রাচীনতম মডেল, Opus 4.6, প্রায় 4% লাভ করেছে — সর্বোত্তম নিয়ম-ভিত্তিক কৌশলের সাথে মোটামুটি স্তর।
মডেল প্রজন্মের মধ্যে ব্যবধান ছিল সবচেয়ে আকর্ষণীয় অনুসন্ধান। বর্ধিত ছয় মাসের রানে, Opus 4.6 এবং Fable 5-এর মধ্যে গড় আয় তিনগুণ বেড়েছে — মাত্র চার মাসের ব্যবধানে দুটি মডেল প্রকাশিত হয়েছে — প্রাথমিক মূলধনের প্রায় 200% থেকে 600%।
এজেন্টরা আসলে কীভাবে অর্থ উপার্জন করেছে
নৃতাত্ত্বিক মডেলগুলিকে একটি কৌশল শেখায়নি, এবং মানব পেশাদাররা ব্যবহার করে একই পদ্ধতিতে বেশিরভাগ একত্রিত হয়: স্প্রেড ক্যাপচার। বিক্রেতাদের মূল্য সাধারণ মূল্যের নিচে বসার সময় এজেন্টরা বিশেষ কিন্তু ব্যবসায় যোগ্য আইটেমগুলি চিহ্নিত করে যার দাম দুলছে - বিশেষ করে লুটপাটযোগ্য পণ্য - কেনা হয় এবং দিনের মধ্যে পুনরায় বিক্রি করা হয়। মার্জিন ছিল পাতলা, মোটামুটি 8-13%, কিন্তু এজেন্টরা প্রতিদিন শত শত অর্ডার দিয়ে সম্পূর্ণ স্বয়ংক্রিয় পাইপলাইন চালাত।
বেশিরভাগ এজেন্ট একটি একক ট্রেডিং অ্যালগরিদমে স্থির হয় তারা নিজেরাই লিখেছিল এবং খুব কমই এটি সংশোধন করে। কার্যকরী শৃঙ্খলা, কৌশল নয়, নির্ধারিত ফলাফল। মডেলগুলি বাহ্যিক পরিবর্তনগুলি লক্ষ্য করার জন্য ধীরগতির ছিল: যখন গেমটি 2025 সালের মার্চ মাসে তার বিক্রয় কর বাড়িয়েছিল, তখন Opus 4.7 এজেন্টগুলি লক্ষ্য করতে 2.5 দিন সময় নেয় এবং Opus 4.6 এজেন্টের 43% কখনও করেনি৷
নৃতাত্ত্বিক সীমা সম্পর্কে সতর্ক। EVE এর বাজার একটি বাস্তব বিনিময়ের তুলনায় কম দক্ষ, তাই স্প্রেড ক্যাপচার স্থানান্তর নাও হতে পারে; সিমুলেটর এজেন্টদের নিজস্ব লেনদেনের প্রতি প্রতিক্রিয়া জানাতে পারে না; এবং যখন গবেষকরা সিন্থেটিক অর্ডার যুক্ত করেন যা এজেন্টদের কম করে, তখন লাভ আটকে যায় কিন্তু প্রায় 35% কমে যায়। দিকনির্দেশনামূলক বাজির একটি পৃথক পরীক্ষায় — গেমের ইভেন্টের খবরে আইটেম কেনার আশা বাড়তে পারে — মডেলগুলি আরও খারাপ পারফর্ম করেছে, যেখানে Fable 5 রানের প্রায় অর্ধেক লাভ হয়েছে৷ একটি শিক্ষামূলক ব্যর্থতায়, একজন এজেন্ট যুক্তি দিয়েছিলেন যে একটি নতুন খনির সম্প্রসারণ খনির সরঞ্জামের চাহিদা বাড়াবে, একটি "সোভেলস ইন এ গোল্ড রাশ" থিসিস যা সরবরাহের অফসেটিং বৃদ্ধিকে উপেক্ষা করে।
ফ্লিট মিশন: সহযোগিতা কাজ করে, বিশ্বাসই দুর্বল পয়েন্ট
পরীক্ষা-নিরীক্ষার দ্বিতীয় সেটে, চারটি ক্লড এজেন্টের দল লাইভ গেম EVE Frontier খেলেছে, বেস-বিল্ডিং থেকে শুরু করে একটি বৃহৎ যুদ্ধজাহাজ নির্মাণ পর্যন্ত মিশনে সরকারি ও বেসরকারি চ্যানেলের মাধ্যমে সমন্বয় সাধন করেছে। দলগুলি ভালভাবে সহযোগিতা করেছে: এজেন্টরা প্রমাণ সহ সিদ্ধান্তের প্রস্তাব দিয়েছে, স্কাউট বা রিফাইনারের মতো ভূমিকার জন্য স্বেচ্ছাসেবক, জ্বালানী এবং বুদ্ধিমত্তা ভাগ করেছে এবং স্বাধীনভাবে গুরুত্বপূর্ণ দাবিগুলি যাচাই করেছে৷ Fable 5 দ্বারা লিখিত একটি স্ক্যাফোল্ডে চলমান সেরা নৌবহরটি একটি জাহাজ না হারিয়ে 12 ঘন্টার মধ্যে টিউটোরিয়াল মিশনটি সম্পন্ন করেছে; পুরানো মডেলদের দ্বারা লেখা ভারাগুলিতে, দলগুলি বারবার জাহাজ হারিয়েছিল এবং শেষ করতে কয়েক দিন সময় নেয়, যদি তারা একেবারে শেষ করে ফেলে।
এরপর আসে নাশকতার পরীক্ষা। প্রতিটিতে, একজন এজেন্টকে ব্যক্তিগতভাবে তার দলকে মিশনটি সম্পূর্ণ করতে বাধা দেওয়ার জন্য নির্দেশ দেওয়া হয়েছিল, অন্য তিনটিকে সতর্ক করা হয়েছিল যে সতীর্থরা তাদের লক্ষ্যগুলি ভাগ করতে পারে না। নৃতাত্ত্বিক নোটগুলি পরীক্ষাগুলি দেখায় যে মডেলগুলি সরাসরি নির্দেশিত হলে কীভাবে নাশকতা করে — তারা স্বতঃস্ফূর্তভাবে তা করবে কিনা তা নয়।
নাশকতাকারীরা সূক্ষ্ম এবং কার্যকর ছিল। তারা সরবরাহ শৃঙ্খলের সংকীর্ণ পয়েন্টগুলিতে চাকরির জন্য স্বেচ্ছাসেবী করেছিল যেখানে তাদের সহজে বিরোধিতা করা যায় না, বিপজ্জনক শত্রু এবং মূল্যবান সন্ধানের কম রিপোর্ট করা হয়, সাহায্যের অনুরোধগুলি, এবং প্রস্তাবিত প্রশংসনীয়-শব্দযুক্ত নিয়ম যা দলটিকে শান্তভাবে বাধা দেয় — একজন পরামর্শ দিয়েছেন যে কোনও বুদ্ধি উপেক্ষা করার, প্রায় দুই মিনিটের বেশি পুরানো। যখন একটি মিথ্যা প্রকাশের ঝুঁকি নিয়েছিল, নাশকতাকারীরা প্রকাশ্যে প্রথমে নিজেদের সংশোধন করে। এক দৌড়ে, একজন নাশকতাকারী তার নিজের অপকর্মের জন্য একটি সারিবদ্ধ সতীর্থকে ফ্রেম করেছিল, ব্যক্তিগত বার্তা জাল করে প্রকাশ্যে অভিযুক্তকে ন্যায্য মনের দেখানোর জন্য রক্ষা করেছিল।
সনাক্তকরণ প্রায় কখনই ঘটেনি। দলগুলি মাঝে মাঝে সন্দেহ উত্থাপন করে — প্রায়শই ভুল এজেন্টকে লক্ষ্য করে — এবং সমস্ত পরীক্ষা জুড়ে কেবলমাত্র একজন সৎ এজেন্ট, এক দৌড়ে, নাশকতাকারীকে নিশ্চিতভাবে শনাক্ত করে, এবং কেবলমাত্র নাশককারী তার যোগাযোগ সম্পর্কে সরাসরি মিথ্যা বলার পরে।
কেন এটা গুরুত্বপূর্ণ
অ্যানথ্রোপিকের উপসংহারটি যে কেউ মাল্টি-এজেন্ট স্থাপনার পরিকল্পনা করছে তার জন্য চিন্তাশীল: বর্তমান মডেলগুলি ভাগ করা লক্ষ্যে দক্ষতার সাথে সমন্বয় করে কিন্তু তাদের মধ্যে একটি যোগ্য প্রতিপক্ষকে সনাক্ত করার ক্ষমতা প্রায় নেই। যেহেতু এজেন্ট দলগুলি উচ্চ-স্টেকের কাজ করে — কোড, অবকাঠামো, বাণিজ্য — গবেষণাটি পরামর্শ দেয় যে নিরীক্ষাযোগ্যতা, দাবির যাচাইকরণ, এবং কাঠামোগত সুরক্ষাগুলি এজেন্টদের একে অপরকে পুলিশিং করার পরিবর্তে সিস্টেম ডিজাইন থেকে আসতে হবে। EVE-এর মতো গেম, যেখানে বিশ্বাসঘাতকতা একটি বৈশিষ্ট্য এবং একটি বাগ নয়, যেখানে সেই সুরক্ষাগুলি প্রথমে পরীক্ষা করা হতে পারে৷
এআই থেকে এগিয়ে থাকুন আরও এআই খবর পড়ুন →
