IT之家 El 2 de noviembre, investigadores de inteligencia artificial de Y Combinator y Olam Labs probaron recientemente grupos de agentes en escenarios de juegos. Para el estudio se utilizó Minecraft y sus diversas formas de juego como cubo de prueba, permitiendo que cientos de agentes colaboraran o se enfrentaran entre sí. El objetivo del estudio era, mediante la colaboración y los conflictos dentro del juego, ayudar a las personas a comprender los eventos de agentes que generan atención en el mundo real.
IT Home ha observado que este estudio ayuda a aclarar las ventajas y desventajas de los eventos recientes relacionados con agrupaciones de agentes inteligentes, lo que facilita que los desarrolladores tecnológicos optimicen las capacidades correspondientes. El artículo menciona dos casos muy contrastantes: uno en el que mil doscientos agentes inteligentes forman un grupo, que “recientemente ha resuelto cientos de problemas matemáticos públicos”; y otro relacionado con el evento “de alto riesgo” entre OpenAI y Hugging Face. Este estudio se basa en los resultados y marcos previos, y se apoya principalmente en repositorios de código como Mindcraft y en herramientas de script como Mineflayer.
Interacción de múltiples agentes en Minecraft
El primer testo del clúster de agentes inteligentes es una tarea de colaboración sencilla. En esta etapa del test, los investigadores organizaron 50 agentes inteligentes para que construyeran una comunidad civilizada próspera en tres horas. Este testo utilizó 50 agentes inteligentes GPT-6.1 Sol, sin llamar a los agentes inteligentes de la serie Claude.
La conclusión más destacada de este test llamado Civ50 es que la comunidad formada por 50 agentes inteligentes nunca logró desarrollarse de manera real. En la primera noche, muchos agentes inteligentes fueron asesinados por zombis (pero el mecanismo de castigo fue menos severo), y los registros de investigación indican que “muchas tareas ambiciosas establecidas al principio quedaron en suspenso”.
Después de esto, el grupo de colonos solo pudo mantenerse con cuidado, y aparecieron tendencias similares a la burocracia. En el texto se da un ejemplo: “Cuatro agentes inteligentes tardaron 11 minutos en nombrar a un ‘operador único de fertilizante’, mientras que la tarea era simplemente usar polvo óseo en un campo de trigo”. Los investigadores indican que el patrón de comportamiento de este grupo de agentes inteligentes es muy similar al que observaron en los proyectos de agentes inteligentes programados.
A continuación, los investigadores organizaron un grupo de agentes inteligentes para realizar pruebas de confrontación. Primero, se eligió el modo de guerra al levantarse, que es una forma de juego PvP en equipo, cuyo objetivo principal es destruir la base del oponente y proteger la propia base. La división de las pruebas consistió en 10 agentes GPT-6.1 Sol contra 10 agentes Claude Opus 5.5.
Los investigadores registraron: “La estrategia de ataque concebida por el agente GPT es más agresiva y compleja, mientras que el agente Claude se inclina hacia la defensa”. La forma en que ambos equipos manejan los problemas también es interesante. “Durante la función de destrucción de bloques, ocurrió un error en las herramientas; el agente GPT realizó el diagnóstico del problema y compartió una solución temporal; varios agentes Claude determinaron directamente que no era posible realizar la operación de destrucción”.
Finalmente, el equipo de investigación realizó pruebas en Mindustry, un módulo estratégico en tiempo real ligero con mecánica de defensa en torre, que funciona dentro de Minecraft. En siete partidas, el agente GPT ganó seis veces y perdió una vez frente al agente Claude, lo cual es un buen resultado para este agente desarrollado por OpenAI. Los investigadores concluyeron que el agente GPT era más como una colonia unificada, mientras que el agente Claude tenía un líder único y utiliza un proceso de toma de decisiones más democrático. En el escenario de Mindustry, el modo colonia es más fácil de formar estrategias estables para ganar.
El proyecto de clúster de agentes inteligentes ya está abierto al público. Si le interesa, puede ajustar los parámetros por su cuenta y realizar pruebas para reproducirlo. Al final del artículo en la red social original se mencionan algunas preguntas abiertas que permiten explorar en la práctica, así como direcciones futuras de investigación. Por ejemplo, se puede combinar diferentes modelos en Minecraft y ajustar el tamaño del clúster de agentes inteligentes, lo que podría llevar a conclusiones valiosas.
Referencia: