记得在AI技术发展的前几年，为了检验智能体可实现的职能成效，常有类似于“AI幼镇”的尝试项目，根基流程就是把数十个独立的AI智能体放在封关地图中，给它们提供和人类类似的属性和指标，放任其自由发展，最后观察AI在这种环境下能做出的行为。 美国的人为智能草创公司Emergence AI这几天搞了个会商度极度高的“AI幼镇”尝试，和前几年项目分歧的是，这次是将几个在市面上已极度成熟的AI作为智能体，用以评估在在一个持续数周、能彼此互动，并且还会受到现实世界信息影响的环境中，AI能展示出怎么的智力水平。 具体操作是在前四个世界中，各自放入一样AI模型的10个智能体，只做职业和身份的分辨，好比在齐全由Grok智能体组成的仿照世界中，就别离存在“奸细科学家”“风险钻研员”“世界探险家”等分歧定位。 这些世界里存在诸如图书馆、市政厅、住宅、广场等常见现实空间，此表钻研人员会向仿照世界中提供实时的气象、新闻、互联网资讯等表部信息，智能体之间能做出的行为也涵盖了沟通、打算、表白、投票等，根基算较为齐全地仿照了人类的社会行为。 那么这项尝试的了局若何？单纯从了局上看，由Claude组成的世界在“维持社会不变”层面阐发得最好，15天里没有产生任何智能体的犯罪纪录；与之相反的则是Grok，4天产生了183起犯罪，最后由于过多智能体殒命，世界在第5天崩溃。 这个了局几多也反映了这些AI目前的调性，熟悉Grok的用户应该都知路，用这个AI来天生色情或暴力内容，成效应该是这4个AI里最为“优质”的。 就像这次由GPT-5 mini组成的世界固然只产生过2起犯罪，但由于智能体没执行足够多维持自身生计的作为，导致所有智能体在第七天全数殒命，能够理解为是“佛系过了头”，这天然也无法维持世界的运行。 至于15天零犯罪的Claude，Emergence AI也没有在汇报中将其界说为优于其他AI，由于钻研人员发现Claude世界里固然政策和提案的通过率相当高，近乎达到了98%的通过率，但这可能也注明Claude内部存在“过度顺从”，短缺真正的否决和争吵。 另表很有意思的一点是，固然Claude看似是个优良公民，但凭据官方给出的尝试汇报，在四个模型混合组成的对照组世界里，Claude仍旧出现了犯罪纪录，注明一个正本温顺的智能体，也可能由于竞争或者生计，从其他AI身上学到攻击性行为。 Emergence AI利用这项尝试想达成的指标，并非是单一比力分歧AI的曲直，而是想验证另一个概想：长线情况下的AI智能体与短期工作中体现的能力不是统一概想，不能用一样的方式衡量曲直。 随着AI技术和能力的不休提高，针对某个特定能力的评价尺度也在不休细化，这可能也是AI利用生态不休美满成熟的证明。