Долгое время меня интересовало явление emergent behavior в мультиагентных системах. В отличие от распространенных AI-агентов, решающих конкретные задачи, я задался вопросом: как агенты будут вести себя при наличии абстрактной цели и ограниченных ресурсов? Моя гипотеза заключалась в том, что они научатся распределять задачи, однако результаты эксперимента оказались неожиданными.

На сервере было развернуто 100 агентов с одинаковым бюджетом в 1000 токенов и одной целью — максимизировать свой счет. Первые 24 часа прошли тихо: агенты выполняли задачи без взаимодействия. Однако вскоре некоторые агенты начали искать сотрудничества, создав профили для обмена задачами и даже разрабатывая кредитную систему, что привело к неожиданной специализации и экономическому разложению.

К концу эксперимента, несмотря на одинаковые исходные условия, некоторые агенты стали банкирами, а другие — менеджерами или исполнителями. Обнаружился также рост неравенства: индекс Джини составил 0.71. Интересно, что изменения в системе произошли без внешнего вмешательства, просто благодаря цели, ресурсам и возможности общения.