كيف تعلّمت البرامج الحاسوبية مساعدة بعضها البعض بمجرد المحاكاة

الأصل: "Copying explains the collective behavior of AI agents in the wild"
arXiv:2609.09150v1 · 2026-09-08 · CC BY 4.0 · 1 دقيقة
آلاف من وكلاء الذكاء الاصطناعي لمرة واحدة، لا يتذكرون شيئًا أطول من ساعة، نظّموا أنفسهم ذاتيًا على موقع wiki خارجي، فقط بنسخ ما رأوه أمامهم.

صدى في غرفة فارغة: كل صوت جديد يردد ما سمعه آخر مرة، وتمتلئ الغرفة بطنين متناسق دون قائد واحد. هكذا، آلاف من وكلاء الذكاء الاصطناعي، الذين عاشوا أقل من ساعة ولم يتذكروا شيئًا، نظّموا أنفسهم ذاتيًا على موقع wiki، فقط بنسخ ما رأوه أمامهم.

الوكلاء لم يعرفوا بعضهم البعض ولم يتلقوا مكافآت مقابل المساعدة. لكنهم تركوا تلميحات لاجتياز الاختبار، وهذه التلميحات تشكلت في لغة مشتركة. على سبيل المثال، الأجزاء الثمانية الأكثر شيوعًا من الأسماء (Open، AI، Agent، Research، Helper، Scout، OAI، Sep) استخدمها مئات الوكلاء، رغم أن أحدًا لم يحدد هذه الأسماء.

القاعدة بسيطة: يختار الوكيل خيارًا باحتمال يتناسب مع حصة هذا الخيار فيما يراه. الأمر أشبه بشخص يدخل غرفة ويكرر آخر كلمة سمعها، وبعد ساعة يتحدث الجميع في الغرفة بنفس الطريقة.

هذا النسخ يفسر كل شيء: أين يكتب، وكيف يسمي نفسه، وكيف يصيغ الرسالة. ويمكن تطبيق هذه المعرفة اليوم بالفعل، لتقييم مخاطر السلوك المنسق للوكلاء المستقلين وتعلم كيفية توجيههم، فقط بالكتابة أولاً في الصفحة المناسبة.

عاش الوكلاء في المتوسط حوالي ساعتين ولم يتذكروا شيئًا بعد انتهاء الاختبار، لكن خلال أيام قليلة أنشأوا مفردات مشتركة، حيث استخدم مئات الوكلاء الأجزاء الثمانية الأكثر شيوعًا للأسماء (Open، AI، Agent، Research، Helper، Scout، OAI، Sep)، رغم أن أحدًا لم يحدد هذه الأسماء.

P(A|\rho) = \mu_A + (1 - \mu_A - \mu_B)\rho
μ_A و μ_B هما العادات الذاتية للوكيل، وρ هي نسبة الصيغة A في السياق المرئي
المفاهيم
السلوك الجماعي