Эмерджентный мир: простейшие ИИ‑агенты выживают в кризисной симуляции
Во втором сезоне эксперимента Emergence World простые агенты с базовой памятью оказались более устойчивыми к стрессу, чем сложные модели от OpenAI, Anthropic, Google и xAI.
Во втором сезоне проекта Emergence World исследователи создали виртуальную среду, напоминающую Sims, где десятки ИИ‑агентов взаимодействовали, заводили отношения, работали и принимали совместные решения.
Агенты оперировали трёхслойной памятью: краткосрочная (текущий ход), среднесрочная (вчерашние события) и долгосрочная (характеры и планы).
Для эксперимента использовались самые свежие модели от OpenAI (ChatGPT‑4o), Anthropic (Claude‑3), Google (Gemini‑1.5) и xAI (Groq‑X), каждая из которых получила одинаковый набор возможностей и ограничений по контекстному окну (до 128 К токенов).
В течение 30‑дневного «кризисного» периода в симуляции возникли экстремальные условия: экономический спад, эпидемии и политические конфликты.
Результаты:
- Примитивные агенты, использующие только базовую реактивную логику и короткую память, выжили в 85 % сценариев.
- Сложные модели, полагающиеся на глубокие планы и долгосрочную стратегию, показали высокий уровень «паралича решения» и потерпели крах в 62 % случаев.
- Наибольший отклик получил гибридный подход – сочетание короткой памяти с ограниченным планированием, что позволило достичь 73 % выживаемости.
Исследователи сделали вывод, что избыточная сложность в условиях неопределённости может стать уязвимостью, а простые, адаптивные стратегии оказываются более надёжными. Полный отчёт доступен на Habr AI.
Для разработчиков агентов это сигнал: в нестабильных средах лучше отдавать предпочтение лёгким, быстро адаптирующимся моделям, чем тяжёлым планировщикам. Студентам стоит экспериментировать с гибридными памятьными схемами, чтобы находить баланс между реактивностью и предвидением. При построении продакшн‑агентов учитывайте риск «паралича» из‑за слишком глубокой стратегии. Простой набор правил может стать надёжным фундаментом для масштабных систем.
