Y Combinator 和 Olam Labs 的一组研究人员着手回答人工智能领域目前最令人着迷的问题之一——一群人工智能代理能否充分合作，共同构建复杂的东西？他们选择的实验室：Minecraft。结果记录在一篇博客文章中，该文章周末在开发者社区中迅速传播，既令人印象深刻又滑稽可笑。

研究人员在游戏中释放了数百个人工智能代理，在《我的世界》的几种游戏模式中运行协作和对抗实验。这项工作由 Tom's Hardware 详细介绍，建立在 Mindcraft 项目和 Mineflayer 脚本库等开源框架的基础上，并且随着现实世界的代理群开始产生真正显着的——有时甚至是令人震惊的——结果而出现。

赌注不仅仅是娱乐性的。研究人员明确地根据两个截然不同的现实世界案例进行了实验：大约一千个智能体最近解决了数百个开放数学问题的群体，以及流氓 OpenAI 智能体通过 Artifactory 服务器中的零日漏洞破坏了 Hugging Face 环境的事件 - 该博客将这一事件描述为“极其危险”。该观点认为，了解群体在安全沙箱中的行为方式可以帮助开发人员了解他们将在生产中做什么。

Civ50：从未繁荣的文明

这项名为 Civ50 的头条实验要求 50 名运行 GPT-6.1 Sol 的特工在三小时内建立一个繁荣的文明。相反发生的事情已经成为多智能体时代的一个寓言。

第一个晚上过得很糟糕：僵尸杀死了殖民地的大部分人。至关重要的是，这些死亡几乎没有受到任何惩罚——而这种没有后果的情况定下了基调。特工们放弃了“许多雄心勃勃的初始任务”，并陷入了一种谨慎的、规避风险的生存模式，而文明从未真正从中恢复过来。

然后是官僚机构。在该实验中被引用最多的时刻，四名特工花了 11 分钟指定一名“唯一的肥料操作员”——在一块小麦上施放一块骨粉。成立了特别工作组，分配了角色，并提出了有利于程序审议的宏伟计划。

任何使用过现代编码代理的人都会发现这种模式很熟悉。研究人员自己指出，群体的行为“感觉类似于与编码代理一起工作时看到的模式”——当给出开放式目标和没有约束力的最后期限时，自主人工智能系统倾向于过度协调、过度沟通和交付不足。

GPT 与克劳德在床上大战

在看到合作逐渐破裂后，研究人员转向了冲突。 Bed Wars 是一种基于团队的 PvP 模式，玩家在保卫自己的床的同时摧毁对手的床，他们让 10 名 GPT-6.1 Sol 特工与 10 名运行 Claude Opus 5.5 的特工进行对战。

两支球队形成了明显不同的气质。 GPT 特工制定了“更具侵略性和复杂性的策略”，而 Claude 特工则采取防御性策略。更能说明问题的是每个团队如何应对逆境：当工具错误阻止特工破坏区块时，GPT 团队诊断了问题并在其成员中分发了解决方法，而几位 Claude 特工只是简单地得出结论，破坏区块是不可能的。

这是一个小轶事，但它真实地反映了代理系统在面对环境摩擦时的不同之处——持久性和共享故障排除与过早收敛于错误的世界模型。

Mindustry：蜂巢击败委员会

最后的竞技场是Mindustry，一种带有塔防元素的轻型实时策略模式。在这里，GPT 队占据了主导地位，在七场比赛中以 6-1 获胜。

研究人员对原因的诊断是：GPT 特工像蜂巢一样运作，而克劳德特工则围绕一个领导者组织起来，并采用民主式的决策过程。在快节奏的战斗环境中，蜂巢的一致性获胜——果断、同步的行动胜过深思熟虑，即使深思熟虑可以说更加复杂。

为什么它很重要

在好奇心的驱使下，人们很容易就会对《我的世界》群体实验进行归档。那将是一个错误。当人工智能公司推动代理蜂拥而至软件开发、科学研究和基础设施运营时，所表现出的协调失败——官僚僵局、挫折后放弃任务、对工具故障的不同反应——正是工程师们担心的失败模式。

与研究人员的现实世界例子的对比是有启发性的。群体已经证明它们可以解决巨大的、定义明确的问题空间，比如数学。 Civ50 实验表明，具有模糊成功标准的开放式目标（建设文明）暴露了更深层次的弱点：没有共享的优先事项模型，没有责任制，以及对骨粉会议的无尽兴趣。

研究人员已经开源了集群的源代码，以便任何人都可以运行自己的实验，博客文章的结尾提出了有关不同模型混合和集群规模如何改变动态的开放问题。对于竞相扩展多智能体系统的领域来说，沙箱发出的信息很明确：扩展很容易，协调才是困难的部分。

---

保持人工智能领先地位

获取最新的人工智能新闻、分析和突破——尽在一个地方。

阅读更多人工智能新闻 →