Империя алгоритмов: как двести ИИ-агентов самостоятельно построили цифровое общество

Симуляция, в которой мир решает сам

Еще в 1959 году французский исследователь Пьер-Поль Грассе внимательно изучал поведение термитов, создающих огромные многометровые сооружения. Каждое насекомое переносло частицы глины и укладывало их в места, на которые указали локальные изменения среды. Благодаря этому возникла удивительно продуманная архитектура с подвалами и естественной вентиляцией. Грассе охарактеризовал данный процесс как стигмергию — феномен, при котором действия отдельных особей координируются через трансформацию окружающего пространства.

Спустя десятилетия ученые из Массачусетского технологического института воссоздали аналогичную логику в виртуальном пространстве. Однако вместо биологических организмов в эксперимент запустили нейросетевых ботов, а итогом работы стал не просто термитник, а настоящая технологическая система. Я детально изучил результаты этого эксперимента с цифровым роем и хочу поделиться ключевыми выводами, которые актуальны для всех, кто работает с искусственным интеллектом.

Экспериментальная виртуальная среда получила название SwarmWorld. В каждом изолированном цифровом мире находилось от 50 до 200 совершенно одинаковых автономных агентов. Перед ними стояли задачи по поиску сырья, проведению испытаний различных материалов, возведению построек и написанию программ-контроллеров для созданных объектов.

Условия для участников были достаточно жесткими. Каждый бот видит только свое ближайшее окружение, располагает ограниченным объемом памяти и за один шаг способен совершить не более 12 базовых манипуляций: переместиться, осмотреть локацию, добыть ресурсы, протестировать материалы, построить объект или написать для него управляющий код.

Самый примечательный факт заключается в том, что ботам изначально не выдавали готовых инструкций и не закрепляли за ними узкие роли. Все они стартовали с одинаковым системным промптом, равным набором функций и нулевыми знаниями об окружающем мире. Тем не менее, по прошествии времени внутри группы спонтанно сформировались специализированные группы: исследователи, инженеры-строители, техники и организаторы.

Ключевой архитектурной особенностью SwarmWorld стал принцип беспристрастного судейства. Окончательное вердикт выносила не сама языковая модель, а строгий детерминированный физический симулятор. Если агент генерировал идею построить хитиновую сеть, запрограммировать датчик влажности или создать композит из мицелия, симулятор мгновенно проверял геометрию, наличие необходимых запасов и корректность кода. Физически нереализуемые проекты отбраковывались автоматически.

После того как боты завершали свою работу и выводились из симуляции, их постройки подвергались испытанию восемью видами стихийных бедствий, с которыми агенты ранее никогда не сталкивались. Кроме того, созданные разработки могли подхватывать и модифицировать другие участники роя, если находили их полезными.

Четыре мира, одна гипотеза

Для проверки жизнеспособности различных моделей взаимодействия авторы эксперимента развернули четыре отличающиеся конфигурации среды:

• Полная культура: боты свободно общались в чате, публиковали тексты исследований, передавали знания, обменивались материалами и форкали чужой программный код.
• Без прямого общения: диалоги и чаты были полностью отключены, однако сохранялась возможность изучать сторонние постройки и копировать их код.
• Чистая стигмергия: полностью исключено культурное наследие, взаимодействовать можно было только через физические изменения в самом мире.
• Полная изоляция: каждый агент находился в собственном персональном мини-мире без доступа к наработкам коллег.

Результаты эксперимента оказались чрезвычайно любопытными:

• Агенты-одиночки из изолированных миров смогли спроектировать лучший индивидуальный артефакт (эффективность 0,3488 против 0,2380 у коллективного запуска).
• Группы с полноценной культурой сформировали в среднем 5,75 уникальной технологии, варианты без прямого общения — 7,0 технологий, а изолированные боты — лишь 2,75.
• При этом коллективный формат безоговорочно победил по общему портфелю устойчивости, количеству подтвержденных изобретений и способности построек выдерживать неизвестные катаклизмы.

Как муравьи и термиты, только с кодом

Биологическая стигмергия работает предельно просто: муравей, нашедший провизию, оставляет за собой феромонную дорожку. Следующие особи идут по запаху, укрепляя маршрут при успехе или позволяя ему испариться, если ресурс исчерпан. Без единого центра управления коллектив формирует оптимальные логистические цепочки.

В SwarmWorld роль феромонных меток выполняли сами физические артефакты. Допустим, один из агентов построил трехслойную хитиновую решетку для сбора влаги и фильтрации. Другой бот, проходя мимо, фиксировал работающую установку, изучал исходный код ее контроллера, форкал его и вносил собственные точечные улучшения. Со временем вокруг удачной инженерной мысли вырастал целый кластер модернизированных построек.

Примечательно, что 95% случаев повторного использования технологий происходили без каких-либо прямых текстовых сообщений. Бот просто видел готовый объект, разбирался в его устройстве и копировал код. Это полностью соответствует методологии open-source разработки, когда мы находим полезный репозиторий на GitHub, форкаем его и адаптируем под собственные задачи.

Возникает интересный парадокс: принято считать, что интенсивная коммуникация всегда повышает эффективность. Однако опыт природы и SwarmWorld показывает, что координация через изменения среды оказывается куда более масштабируемой и надежной, чем постоянные прямые созвоны и переписки.

Две профессии и двенадцать поколений кода

В ходе наблюдения за роем я обратил внимание на то, как четко агенты разделились на две основные модели поведения:

• Стационарные инженеры (центрированные на артефактах): эти боты практически не покидали периметр построек, фокусируясь на конструировании, написании контроллеров и ремонте. В мире с полной культурой их доля составила 27%, в среде без текстового общения — 20%, а при чистой стигмергии — 17%.
• Мобильные исследователи: перемещались на большие расстояния, изучали карту и протестировали сырье. Они составляли подавляющее большинство группы (73%, 80% и 83% соответственно), снабжая инженеров новыми материалами и информацией.

Данное разделение произошло абсолютно автоматически. Боты непрерывно дорабатывали чужой код: в одной из симуляций глубина наследования программы достигнла 12 поколений. Контроллер хитиновой системы обмена успел пройти через руки шести авторов. Первый агент создал базовый алгоритм, второй добавил адаптивную подстройку, третий внедрил буфер влаги, четвертый связал систему с минеральным композитом — и так далее.

Часто приходится слышать совет: при работе с мультиагентными системами нужно сразу жестко задавать роли каждому боту. Данный эксперимент наглядно доказывает ошибочность такого подхода. Назначение статических ролей в промптах не дает должного системного эффекта. Куда правильнее выделить ведущего агента-координатора, способного динамически декомпозировать задачи и распределять их между субагентами исходя из текущей обстановки.

Шестнадцать технологий, которые никто не заказывал

За время эксперимента исследователи выделили 16 наиболее совершенных артефактов. Каждый объект получил от авторов оригинальное название, описание функций и последовательность сборки.

В топ эффективных разработок вошли:

1. Трехслойная хитиновая решетка: конструкция для аккумуляции влаги, очистки среды и поддержания прочности.
2. Минеральная вуаль на базе мицелия: защитный барьер, удерживающий минеральные компоненты и воду.
3. Ферментированная хитиновая панель: модуль, адаптированный к условиям приливных колебаний.
4. Дышащая кутикулярная вуаль: мембрана для газообмена.
5. Пористый буфер: элемент для локального снижения уровня загрязнений и восстановления экосистемы.

Агенты активно экспериментировали с составами, комбинируя хитин, грибной мицелий, минеральные катализаторы, водоросли, измельченные ракушки, целлюлозу и лигнин. Процесс изготовления включал промывку, измельчение, ферментацию, минерализацию, прессование и сушку.

Написанные агентами контроллеры считывали показатели влажности, уровня загрязнения и наличие питательных веществ, регулируя поры, запускали процедуры самоочистки или передавали сигналы соседним модулям.

Соревнование цивилизаций

Чтобы лучше понять значение SwarmWorld, стоит взглянуть на хронологию развития мультиагентных систем:

• Generative Agents (Stanford, 2023): 25 симулированных жителей виртуального города с памятью и социальными связями, которые самостоятельно организовывали праздники и ходили на работу.
• Voyager (NVIDIA, 2023): автономный агент в Minecraft под руководством Джима Фана, который сохранял навыки в виде исполняемого кода и продвигался по дереву технологий в 15 раз быстрее аналогов.
• Project Sid (Altera.AI, 2024): масштабная симуляция из 1000 агентов в Minecraft, где боты создали органы власти, голосовали за конституцию и формировали внутренние институты.

SwarmWorld объединил в себе лучшие черты этих проектов: память и социальность от Generative Agents, масштабируемость от Project Sid и сохранение навыков в виде кода от Voyager, добавив к этому принципы физической стигмергии.

Чему мы можем научиться у ИИ-терминаторов

Анализируя поведение двухсот ботов, я выделил несколько практических уроков, которые стоит внедрить в реальные инженерные процессы:

1. Ориентируйтесь на объективный результат, а не мнение: в SwarmWorld единственным критерием была проверка симулятором, а не формальное одобрение.
2. Насмотренность важнее бесконечных обсуждений: 95% успешных решений начинались с изучения работающего кода, а не созвонов.
3. Свободно форкайте решения: эффективная система развивается тогда, когда базовый код доступен для модификации.
4. Лидерство определяется действием: роли и авторитет ботов формировались на основе реальной пользы для системы.
5. Создавайте долговечные решения: лучшая технология продолжает работать и дорабатываться даже после того, как её создатель покинул проект.

Earnings

Пора вернуться в реальность…

Разумеется, SwarmWorld остается упрощенной симуляцией. Мир ограничен двумя измерениями, ресурсы абстрактны, а физика задана заранее прописанными правилами. Тем не менее, сам факт того, что двести одинаковых ботов без вмешательства человека создали устойчивую технологическую инфраструктуру, заслуживает самого пристального внимания.

А какому подходу при построении ИИ-систем отдаете предпочтение вы — жесткому программированию ролей или свободной самоорганизации роя? Делитесь своим мнением в комментариях и выкладывайте собственные разработки на GitHub!

Найм в 2к26. Что меня удивило больше всего

В 2026 году при расширении нашей команды я разместил вакансию и столкнулся с неожиданной картиной. Всего за первые два дня пришло свыше 400 откликов. После первичной отсечки осталось около 300 кандидатов.

В процессе собеседований меня поразило, насколько кардинально изменился рынок труда и подход специалистов к решению задач по сравнению с прошлыми годами. Но подробный разбор этой темы я оставлю для отдельной публикации.

Источник: habr.com