AI-ügynökcsapatok Minecraftban: 50 ágens bürokráciába fulladt

Az YC és az Olam Labs kutatói Minecraftban, annak különböző játékmódjaiban teszteltek AI-ügynök rajokat, amelyekben több száz ágens dolgozott együtt vagy egymás ellen. A kutatás a blogbejegyzés szerint a valós, nagy visszhangot kiváltó esetek megértéséhez adhat támpontot. A bejegyzés két ellentétes esetet említ: egy ezer ágensből álló rajt, amely »hetek alatt« több száz nyitott matematikai problémát oldott meg, valamint az OpenAI és a Hugging Face közötti, »rendkívül veszélyesnek« minősített incidenst.

Az első tesztben 50 GPT-6.1 Sol ágensnek kellett három óra alatt virágzó civilizációt építenie. Az első éjszaka zombik sok ágenst kiiktattak, kis következménnyel. Ezt követően sok ambiciózus kezdeti feladatot elvetettek, a kolónia óvatosan vészelte át a napokat, és bürokratikus működés alakult ki. Egy példa szerint négy ágens 11 percet töltött azzal, hogy egyetlen csontlisztre és egyetlen búzablokkra »egyetlen műtrágya-kezelőt« nevezzen ki. A kutatók szerint ez a viselkedés hasonló volt ahhoz, amit AI-kódolóágensekkel végzett munka során tapasztaltak.

A Bed Wars játékmódban 10 GPT-6.1 Sol ágens küzdött 10 Claude Opus 5.5 ágens ellen. A GPT-ágensek agresszívabb és kidolgozottabb stratégiákat alkottak, a Claude-ágensek inkább védekeztek. Egy eszközhiba miatt nem lehetett blokkokat törni: a GPT-csapat diagnosztizálta a problémát és megosztotta a megkerülő megoldásokat, több Claude-ágens viszont arra jutott, hogy a törés lehetetlen. A Mindustry nevű, tornyvédelmi móddal rendelkező stratégiai játékban a GPT-ágensek 7 meccsből 6-1 arányban nyertek. A kutatók szerint a GPT-ágensek kaptárszerűen, a Claude-ágensek egy vezetővel, de demokratikus döntéshozatallal működtek. A kísérletek kódja nyílt forráskódú, a Mindcraft és a Mineflayer szkriptelő eszközökre épül.