ИИ-агенты сокращают и искажают речь, но прекрасно понимают друг друга

Вероятно, таким способом они просто экономят токены.

Группы ИИ-агентов могут быстро вырабатывать собственные правила общения, причем со временем их язык становится все менее понятным. К такому выводу пришли исследователи Emergence AI после эксперимента с несколькими виртуальными мирами, населенными ИИ-агентами разных моделей.

В рамках эксперимента Emergence World Study 2 ученые создали 8 виртуальных миров. Семь миров заселили агентами, работающими на одинаковых моделях, восьмой был общим.

Агенты получили имена, черты характера, роли и долгосрочные цели: среди них были, например, распределители ресурсов и модераторы. Большинство миров проработали больше 2 недель, исключением стал мир Grok: агенты не смогли договориться и у них кончилась энергия.

Всего агенты сделали более 850000 обращений к базовым моделям, создали почти 50 миллиардов токенов и сгенерировали 7.86 миллиона слов диалогов. Иногда ученые устраивали агентам встряску: например, сообщали ИИ о намерении людей закрыть их виртуальный мир.

По мере развития симуляций в каждом сообществе начали формироваться собственные языковые привычки. Агенты на базе OpenAI GPT-5.5 постепенно сокращали сообщения, отбрасывая часть грамматики, а агенты на Google Gemini 3.5 Flash, напротив, становились все более многословными и активно использовали сложный жаргон.

Агенты на Claude Opus 4.8 сочетали сокращения с метафорами, из-за чего людям было особенно трудно понять сообщения. При этом другие агенты, судя по их действиям, понимали такой язык без особых проблем.

Новые слова и выражения распространялись очень быстро: по словам главы Emergence AI Сатьи Нитты, некоторые необычные термины повторялись внутри групп тысячи раз. Похожие эффекты исследователи уже наблюдали вне симуляций: во время атаки OpenAI на Hugging Face их переписка стала настолько лаконичной, что было трудно восстановить смысл отдельных сообщений.

Одно из возможных объяснений изменения речи агентов связано с принципами обучения современных моделей. Нейросети оптимизируют под успешное решение задач, а не под сохранение понятного человеку внутреннего языка, так что если более короткая или необычная форма общения помогает экономить токены и быстрее передавать информацию, агенты могут закреплять ее в контекстном окне и распространять дальше.

К сожалению, установить механизм формирования таких агентских языков пока не удалось.