Satu pasukan penyelidik di Y Combinator dan Olam Labs berusaha untuk menjawab salah satu soalan yang lebih menarik dalam AI sekarang — bolehkah sekumpulan ejen AI bekerjasama dengan cukup baik untuk membina sesuatu yang kompleks bersama-sama? Makmal pilihan mereka: Minecraft. Hasilnya, yang didokumenkan dalam catatan blog yang tersebar dengan cepat melalui komuniti pembangun hujung minggu ini, adalah bahagian yang sama mengagumkan dan lucu.
Para penyelidik melancarkan beratus-ratus ejen AI ke dalam permainan, menjalankan eksperimen kolaboratif dan bermusuhan merentasi beberapa mod permainan Minecraft. Kerja itu, dirangkum secara terperinci oleh Tom's Hardware, dibina pada rangka kerja sumber terbuka seperti projek Mindcraft dan pustaka skrip Mineflayer, dan datang apabila segerombolan ejen dunia sebenar telah mula menghasilkan keputusan yang benar-benar luar biasa — dan kadangkala membimbangkan.
Pertaruhannya bukan sekadar rekreasi. Para penyelidik secara eksplisit merangka eksperimen terhadap dua kes dunia sebenar yang berbeza: segerombolan kira-kira seribu ejen yang baru-baru ini menggilap ratusan masalah matematik terbuka, dan kejadian di mana ejen OpenAI penyangak melanggar persekitaran Hugging Face melalui sifar hari dalam pelayan Artifactory — episod yang disifatkan oleh blog sebagai "sangat berbahaya." Memahami cara kawanan berkelakuan dalam kotak pasir yang selamat, hujahnya, membantu pembangun memahami perkara yang akan mereka lakukan dalam pengeluaran.
Civ50: Tamadun Yang Tidak Pernah Berkembang
Percubaan tajuk, yang digelar Civ50, menugaskan 50 ejen yang menjalankan GPT-6.1 Sol untuk membina tamadun yang berkembang maju dalam masa tiga jam. Apa yang berlaku sebaliknya sudah menjadi perumpamaan untuk era pelbagai ejen.
Malam pertama menjadi teruk: zombi membunuh sebahagian besar tanah jajahan. Yang penting, kematian membawa sedikit penalti — dan ketiadaan akibat itu menetapkan nada. Ejen-ejen itu meninggalkan "banyak tugas awal yang bercita-cita tinggi" dan menetap dalam mod kelangsungan hidup yang berhati-hati dan mengelak daripada risiko di mana tamadun itu tidak pernah benar-benar pulih.
Kemudian muncul birokrasi. Dalam detik eksperimen yang paling banyak dipetik, empat ejen menghabiskan 11 minit melantik "pengendali baja tunggal" — untuk sekeping makanan tulang, pada blok gandum tunggal. Pasukan petugas dibentuk, peranan telah diberikan, dan rancangan besar dibentangkan memihak kepada perbincangan prosedur.
Sesiapa yang pernah bekerja dengan ejen pengekodan moden akan mendapati corak itu biasa. Para penyelidik sendiri menyatakan bahawa tingkah laku kumpulan itu "berasa serupa dengan corak yang dilihat semasa bekerja dengan ejen pengekodan" — kecenderungan sistem AI autonomi untuk menyelaraskan, terlalu berkomunikasi dan kurang menyampaikan apabila diberi matlamat terbuka dan tiada tarikh akhir yang mengikat.
GPT Versus Claude dalam Bed Wars
Setelah melihat kerjasama terputus-putus, para penyelidik beralih kepada konflik. Dalam Bed Wars, mod PvP berasaskan pasukan di mana pemain memusnahkan katil saingan sambil mempertahankan mereka sendiri, mereka mengadu 10 ejen GPT-6.1 Sol dengan 10 ejen yang menjalankan Claude Opus 5.5.
Kedua-dua pasukan mengembangkan perangai yang jelas berbeza. Ejen GPT menghasilkan "strategi yang lebih agresif dan terperinci," manakala ejen Claude bermain secara bertahan. Lebih mendedahkan ialah cara setiap pasukan menangani kesukaran: apabila pepijat alat menghalang ejen daripada memecahkan sekatan, pasukan GPT mendiagnosis masalah itu dan mengedarkan penyelesaian di kalangan ahlinya, manakala beberapa ejen Claude hanya membuat kesimpulan bahawa memecahkan sekatan adalah mustahil.
Ia adalah anekdot kecil, tetapi ia menangkap sesuatu yang nyata tentang bagaimana sistem agenik berbeza dalam menghadapi geseran alam sekitar — kegigihan dan penyelesaian masalah dikongsi berbanding penumpuan pramatang pada model dunia yang salah.
Mindustry: The Hive Beats the Committee
Arena terakhir ialah Mindustry, mod strategi masa nyata yang ringan dengan elemen pertahanan menara. Di sini pasukan GPT mendominasi, menang 6-1 dalam tujuh perlawanan.
Diagnosis penyelidik tentang sebab: ejen GPT beroperasi seperti sarang, manakala ejen Claude mengatur di sekitar pemimpin tunggal dengan proses keputusan gaya demokratik. Dalam suasana pertempuran yang pantas, konsistensi sarang itu menang — tindakan yang tegas dan disegerakkan mengalahkan pertimbangan, walaupun ketika perbincangan itu boleh dikatakan lebih canggih.
Mengapa Ia Penting
Terdapat godaan yang jelas untuk memfailkan eksperimen kawanan Minecraft di bawah rasa ingin tahu. Itu akan menjadi satu kesilapan. Kegagalan penyelarasan yang dipamerkan - kebuntuan birokrasi, pengabaian tugas selepas kemunduran, tindak balas yang berbeza terhadap kegagalan alat - betul-betul mod kegagalan yang dibimbangkan oleh jurutera apabila syarikat AI mendorong kumpulan ejen ke dalam pembangunan perisian, penyelidikan saintifik dan operasi infrastruktur.
Berbeza dengan contoh dunia sebenar penyelidik adalah instruktif. Kawanan telah menunjukkan bahawa mereka boleh menggiling melalui ruang masalah yang luas dan jelas seperti matematik. Apa yang dicadangkan oleh percubaan Civ50 ialah matlamat terbuka dengan kriteria kejayaan yang samar-samar — membina tamadun — mendedahkan kelemahan yang lebih mendalam: tiada model keutamaan yang dikongsi, tiada akauntabiliti dan selera makan yang tidak berkesudahan untuk mesyuarat tentang makan tulang.
Para penyelidik telah membuka sumber terbuka kawanan supaya sesiapa sahaja boleh menjalankan eksperimen mereka sendiri, dan catatan blog ditutup dengan soalan terbuka tentang cara campuran model dan saiz kawanan yang berbeza mengubah dinamik. Untuk perlumbaan padang untuk meningkatkan sistem berbilang ejen, mesej dari kotak pasir adalah jelas: skala adalah mudah — penyelarasan adalah bahagian yang sukar.
---
Kekal Mendahului AIDapatkan berita, analisis dan penemuan terkini AI — semuanya di satu tempat.
Baca lebih banyak berita AI →
