Un gruppo di ricercatori di Y Combinator e Olam Labs ha condotto una serie di esperimenti con gruppi di agenti di intelligenza artificiale inseriti in ambienti di gioco condivisi, per esaminare come i modelli organizzano il lavoro collettivo, suddividono le responsabilità e prendono decisioni quando devono raggiungere obiettivi comuni. Una delle prove, denominata Civ50, ha coinvolto 50 agenti basati su GPT-6.1 Sol ai quali è stato assegnato il compito di costruire una civiltà prospera in Minecraft entro tre ore. Nonostante la capacità individuale degli agenti di comprendere il gioco, utilizzare strumenti e comunicare tra loro, il gruppo non è riuscito a raggiungere l’obiettivo. Durante la sessione sono stati scambiati circa 5.900 messaggi, ma una parte considerevole dell’attività è stata impiegata per definire ruoli, costruire registri di distribuzione degli alimenti e organizzare procedure di autorizzazione. Le operazioni amministrative hanno progressivamente assorbito le risorse disponibili, riducendo il tempo destinato alla costruzione e allo sviluppo degli insediamenti.
La prima notte dell’esperimento si sono verificati 22 eventi di morte causati dagli attacchi degli zombie. Da quel momento, gli agenti hanno modificato il proprio comportamento, privilegiando la sopravvivenza rispetto all’esplorazione e alla crescita della civiltà. Il sistema di gioco consentiva la ricomparsa dei personaggi dopo la morte, ma gli agenti hanno comunque adottato strategie fortemente conservative, riunendosi nei rifugi durante le ore notturne e riducendo l’esposizione al rischio. Anche attività relativamente semplici hanno generato strutture organizzative sproporzionate rispetto alla complessità del problema. In una situazione osservata dai ricercatori, quattro agenti hanno impiegato undici minuti per stabilire chi dovesse essere responsabile dell’utilizzo di un’unità di fertilizzante su una coltivazione di grano, arrivando a creare il ruolo specifico di operatore esclusivo della fertilizzazione. La procedura di coordinamento è risultata quindi più onerosa dell’operazione che avrebbe dovuto facilitare.
Per approfondire l’influenza delle modalità di collaborazione sulle prestazioni, i ricercatori hanno organizzato anche competizioni tra gruppi di agenti basati su modelli differenti. In Bed Wars, un ambiente nel quale le squadre devono difendere la propria base e attaccare quella avversaria, dieci agenti GPT-6.1 Sol hanno affrontato dieci agenti Claude Opus 5.5, ottenendo sei vittorie e tre sconfitte in nove incontri. Un secondo confronto è stato realizzato in Mindustry, un gioco strategico in tempo reale che combina gestione delle risorse, produzione industriale e difesa delle strutture. In questo caso il gruppo GPT ha vinto sei delle sette partite disputate. I risultati hanno consentito di confrontare non soltanto le capacità dei modelli, ma anche le strategie di comunicazione e coordinamento adottate spontaneamente dai gruppi.
Gli agenti GPT tendevano a condividere frequentemente informazioni e a eseguire le attività in modo relativamente indipendente, mantenendo una struttura collaborativa flessibile. Durante le prove hanno anche individuato e analizzato il codice sorgente pubblico dei giochi per migliorare le strategie. Gli agenti Claude hanno invece mostrato una maggiore propensione a organizzarsi attorno a una figura centrale e a richiedere il consenso degli altri componenti prima di assumere decisioni importanti. Nei test di Mindustry la struttura decentralizzata degli agenti GPT ha prodotto risultati migliori, mentre il maggiore ricorso alle procedure di approvazione ha rallentato le attività del gruppo rivale. Gli esperimenti suggeriscono che le prestazioni collettive non aumentano automaticamente con il numero degli agenti o con la potenza del modello impiegato: la distribuzione delle responsabilità, il costo della comunicazione, la tolleranza al rischio e la possibilità di agire senza autorizzazioni superflue influenzano direttamente l’efficacia operativa. I ricercatori hanno reso disponibili come open source gli strumenti utilizzati per eseguire le prove, consentendo ulteriori valutazioni delle architetture multiagente e dei comportamenti emergenti durante la collaborazione.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)