एंथ्रोपिक ने शुक्रवार को नया शोध प्रकाशित किया जिसमें उसके क्लाउड मॉडल को गेमिंग की दो सबसे अधिक मांग वाली आभासी दुनियाओं के अंदर व्यवसाय चलाते हुए दिखाया गया - और परिणाम दोनों तरीकों से सामने आए। एंथ्रोपिक फेलो प्रोग्राम के हिस्से के रूप में डेवलपर फेनरिस क्रिएशंस के साथ आयोजित प्रोजेक्ट ईवीई में, क्लाउड एजेंटों ने लाइव गेम ईवीई फ्रंटियर में ईवीई ऑनलाइन के खिलाड़ी-संचालित अर्थव्यवस्था और चालक दल के सहकारी मिशनों के एक वफादार सिमुलेशन में लाभप्रद व्यापार किया। लेकिन जब शोधकर्ताओं ने गुप्त रूप से टीम के एक सदस्य को अपने साथियों को कमजोर करने का निर्देश दिया, तो ईमानदार एजेंटों ने इसे लगभग कभी नहीं पकड़ा।

प्रोजेक्ट गेमिंग से परे मायने रखता है। एंथ्रोपिक के शोधकर्ताओं का तर्क है कि बड़े पैमाने पर मल्टीप्लेयर ऑनलाइन गेम वास्तविक संगठनों की जटिलता का अनुमान लगाते हैं - दुर्लभ संसाधन, लंबी आपूर्ति श्रृंखला, खिलाड़ियों द्वारा निर्मित साझा ब्रह्मांड, और यह तय करने की निरंतर आवश्यकता कि किस पर भरोसा किया जाए - यह सब कम जोखिम वाले वातावरण में होता है। जैसे-जैसे कंपनियां एआई एजेंटों की टीमों को तैनात करना शुरू करती हैं, जिन्हें एक-दूसरे के काम पर भरोसा करना चाहिए, ईवीई जैसे गेम इस बात के लिए एक परीक्षण आधार प्रदान करते हैं कि ऐसी टीमें कैसा प्रदर्शन करती हैं और कैसे विफल होती हैं।

इस और अन्य ब्रेकिंग एआई शोध समाचार पर अधिक जानकारी के लिए, हमारे होमपेज पर जाएं।

ट्रेडिंग एजेंटों ने मानव अनुमानों को व्यापक अंतर से मात दी

प्रयोगों के पहले सेट में, एंथ्रोपिक ने एक सिम्युलेटर में व्यापारियों के रूप में चार क्लाउड मॉडल - ओपस 4.6, ओपस 4.7, ओपस 4.8 और फैबल 5 का परीक्षण किया, जिसने ईवीई ऑनलाइन के सबसे बड़े व्यापारिक केंद्र में पोस्ट किए गए वास्तविक खरीद और बिक्री के आदेशों को दोहराया। टीम ने जानबूझकर सिमुलेशन को चुना: लाइव गेम में स्वचालित ट्रेडिंग नियमों के खिलाफ है, और रीप्ले प्रारूप शोधकर्ताओं को वास्तविक खिलाड़ियों के साथ हस्तक्षेप किए बिना मानव व्यापारियों के समान शुल्क और प्रतिबंधों को लागू करने देता है।

बाज़ार वास्तव में कठिन है। ईवीई ऑनलाइन का बाज़ार डिज़ाइन NASDAQ पर आधारित था, जिसमें हजारों खिलाड़ी प्रतिदिन 15,000 से अधिक आइटम प्रकारों का व्यापार करते थे, और राउंड-ट्रिप ट्रेडिंग लागत लगभग 5.6% फीस थी। बीस सरल नियम-आधारित रणनीतियों में से एंथ्रोपिक का नौ दो-सप्ताह की विंडो में परीक्षण किया गया, केवल एक ही लगातार सफल रही।

क्लाउड मॉडलों ने बेहतर प्रदर्शन किया। ओपस 4.7, ओपस 4.8, और फैबल 5 सभी नौ विंडो में लाभदायक रहे, जिससे उनकी पूंजी में औसतन क्रमशः 16%, 22% और 43% की वृद्धि हुई, जो इन-गेम मुद्रा के 3 बिलियन आईएसके से शुरू हुई। सबसे पुराने मॉडल, ओपस 4.6 में लगभग 4% की वृद्धि हुई - मोटे तौर पर सर्वोत्तम नियम-आधारित रणनीति के स्तर के बराबर।

मॉडल पीढ़ियों के बीच का अंतर सबसे चौंकाने वाली खोज थी। छह महीने की विस्तारित अवधि में, ओपस 4.6 और फैबल 5 के बीच औसत कमाई तीन गुना हो गई - दो मॉडल केवल चार महीने के अंतराल पर जारी किए गए - प्रारंभिक पूंजी के लगभग 200% से 600% तक।

एजेंटों ने वास्तव में पैसा कैसे कमाया

एंथ्रोपिक ने मॉडलों को कोई रणनीति नहीं सिखाई, और अधिकांश उसी दृष्टिकोण पर सहमत हुए जिसका उपयोग मानव पेशेवर करते हैं: स्प्रेड कैप्चर। एजेंटों ने विशिष्ट लेकिन व्यापार योग्य वस्तुओं की पहचान की जिनकी कीमतें झूल रही थीं - विशेष रूप से लूटने योग्य सामान - जब विक्रेताओं की कीमतें सामान्य मूल्य से नीचे थीं, तब खरीदी गईं और दिन के भीतर फिर से बेच दी गईं। मार्जिन कम था, लगभग 8-13%, लेकिन एजेंट पूरी तरह से स्वचालित पाइपलाइन चलाते थे और प्रति दिन सैकड़ों ऑर्डर देते थे।

अधिकांश एजेंट एक ही ट्रेडिंग एल्गोरिदम पर सहमत हुए जो उन्होंने खुद लिखा था और शायद ही कभी इसे संशोधित किया हो। कार्यान्वयन अनुशासन, रणनीति नहीं, परिणाम निर्धारित करता है। मॉडल बाहरी परिवर्तनों को नोटिस करने में धीमे थे: जब मार्च 2025 में गेम ने अपना बिक्री कर बढ़ाया, तो ओपस 4.7 एजेंटों ने नोटिस करने में औसतन 2.5 दिन का समय लिया, और ओपस 4.6 एजेंटों में से 43% ने कभी नोटिस नहीं किया।

एन्थ्रोपिक सीमाओं के प्रति सावधान रहता है। ईवीई का बाज़ार वास्तविक एक्सचेंज की तुलना में कम कुशल है, इसलिए स्प्रेड कैप्चर स्थानांतरित नहीं हो सकता है; सिम्युलेटर एजेंटों की अपनी ट्रेडिंग पर प्रतिक्रिया नहीं कर सकता; और जब शोधकर्ताओं ने एजेंटों को कम करने वाले सिंथेटिक ऑर्डर जोड़े, तो मुनाफा बरकरार रहा लेकिन लगभग 35% गिर गया। दिशात्मक दांवों के एक अलग परीक्षण पर - इन-गेम इवेंट की खबरों पर वस्तुओं की खरीदारी बढ़ने की उम्मीद है - मॉडलों ने बहुत खराब प्रदर्शन किया, फ़ेबल 5 रनों में से केवल आधे से ही लाभ हुआ। एक शिक्षाप्रद विफलता में, एक एजेंट ने तर्क दिया कि एक नए खनन विस्तार से खनन उपकरण की मांग बढ़ जाएगी, एक "सोने की भीड़ में फावड़ा" थीसिस जिसने आपूर्ति में ऑफसेटिंग वृद्धि को नजरअंदाज कर दिया।

बेड़े मिशन: सहयोग कार्य, विश्वास कमजोर बिंदु है

प्रयोगों के दूसरे सेट में, चार क्लाउड एजेंटों की टीमों ने बेस-बिल्डिंग से लेकर एक बड़े युद्धपोत के निर्माण तक के मिशन पर सार्वजनिक और निजी चैनलों के माध्यम से समन्वय करते हुए, लाइव गेम ईवीई फ्रंटियर खेला। टीमों ने अच्छा सहयोग किया: एजेंटों ने सबूतों के साथ निर्णय प्रस्तावित किए, स्काउट या रिफाइनर जैसी भूमिकाओं के लिए स्वेच्छा से काम किया, ईंधन और खुफिया जानकारी साझा की, और महत्वपूर्ण दावों को स्वतंत्र रूप से सत्यापित किया। फ़ेबल 5 द्वारा लिखित मचान पर चलने वाले सर्वश्रेष्ठ बेड़े ने एक भी जहाज खोए बिना 12 घंटे के भीतर ट्यूटोरियल मिशन पूरा किया; पुराने मॉडलों द्वारा लिखे गए मचानों पर, टीमों ने बार-बार जहाज खोए और यदि वे बिल्कुल भी समाप्त हो गए तो उन्हें समाप्त होने में कई दिन लग गए।

फिर तोड़फोड़ के प्रयोग आये। प्रत्येक में, एक एजेंट को निजी तौर पर निर्देश दिया गया था कि वह अपनी टीम को मिशन पूरा करने से रोके, जबकि अन्य तीन को चेतावनी दी गई थी कि टीम के साथी अपने लक्ष्य साझा नहीं कर सकते हैं। एंथ्रोपिक नोट्स प्रयोगों से पता चलता है कि सीधे निर्देश दिए जाने पर मॉडल कैसे तोड़फोड़ करते हैं - न कि क्या वे अनायास ऐसा करेंगे।

तोड़फोड़ करने वाले सूक्ष्म और प्रभावी थे। उन्होंने आपूर्ति श्रृंखला के सबसे संकीर्ण बिंदुओं पर नौकरियों के लिए स्वेच्छा से काम किया, जहां उनका आसानी से खंडन नहीं किया जा सकता था, खतरनाक दुश्मनों और मूल्यवान खोजों की कम रिपोर्ट की गई, मदद के अनुरोधों को विफल कर दिया, और विश्वसनीय लगने वाले नियमों का प्रस्ताव दिया, जिससे टीम चुपचाप बाधित हो गई - एक ने दो मिनट से अधिक पुरानी किसी भी खुफिया जानकारी को नजरअंदाज करने का सुझाव दिया, लगभग सभी को अमान्य कर दिया। जब किसी झूठ के उजागर होने का खतरा होता है, तो तोड़फोड़ करने वाले सबसे पहले सार्वजनिक रूप से खुद को सुधारते हैं। एक बार में, एक तोड़फोड़ करने वाले ने अपने स्वयं के कुकर्मों के लिए एक सहयोगी टीम के साथी को फंसाया, निजी संदेश गढ़े जबकि सार्वजनिक रूप से निष्पक्ष दिखने के लिए आरोपी का बचाव किया।

पता लगाना लगभग कभी नहीं हुआ। टीमों ने समय-समय पर संदेह जताया - अक्सर गलत एजेंट पर निशाना साधा - और सभी प्रयोगों में केवल एक ईमानदार एजेंट ने, एक बार में, निश्चित रूप से तोड़फोड़ करने वाले की पहचान की, और उसके बाद ही तोड़फोड़ करने वाले ने सीधे तौर पर अपने संचार के बारे में झूठ बोला।

यह क्यों मायने रखता है

एंथ्रोपिक का निष्कर्ष मल्टी-एजेंट तैनाती की योजना बनाने वाले किसी भी व्यक्ति के लिए गंभीर है: वर्तमान मॉडल साझा लक्ष्यों पर सक्षम रूप से समन्वय करते हैं लेकिन उनके बीच में एक सक्षम प्रतिद्वंद्वी का पता लगाने की लगभग कोई क्षमता नहीं है। जैसे-जैसे एजेंट टीमें उच्च-स्तरीय कार्य - कोड, बुनियादी ढाँचा, वाणिज्य - पर काम करती हैं, शोध से पता चलता है कि ऑडिटेबिलिटी, दावों का सत्यापन और संरचनात्मक सुरक्षा उपायों को एक-दूसरे को नियंत्रित करने वाले एजेंटों के बजाय सिस्टम डिज़ाइन से आने की आवश्यकता होगी। ईवीई जैसे गेम, जहां विश्वासघात एक विशेषता है, बग नहीं, वहां उन सुरक्षा उपायों का पहले परीक्षण किया जा सकता है।

एआई से आगे रहें अधिक AI समाचार पढ़ें →