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。