Bir grup yapay zeka araştırmacısı, 100 büyük dil modeli (LLM) ajanının 26 hafta boyunca kapalı bir kasaba ekonomisini yönetmesine izin verdi; bu süreçte ücretleri, fiyatları ve ticareti gerçek dünya coğrafyasında gözlemledi. Tipik birkaç günlük çalışmaların çok ötesinde olan bu deney, paranın büyük ölçüde yerinde donup kalmasıyla sonuçlanarak fiyat katılığına, ücret yapışkanlığına ve ajanların nakit biriktirme eğilimine dikkat çekti.

Uzun vadeli sürecin önemi

Çoğu çok ajanlı ekonomik simülasyon, piyasaların hızla kendi kendini ayarladığı izlenimini vermek için birkaç gün sonra durur. Zaman çizelgesini yarım yıla çıkarmak, ajanların işletme gelirlerini 4,62 kat artıran ani bir turist talebi artışını deneyimlemelerini sağladı. Ekstra nakit, çalışanlara veya yeni girişimlere akmak yerine, onu kazanan firmaların içinde kaldı. Piyasa dönmeye devam etti ancak para neredeyse hiç hareket etmedi.

Rakamlar neyi ortaya koyuyor?

  • Fiyat katılığı – talep dramatik şekilde dalgalanmasına rağmen, menüdeki ürünlerin yalnızca %0,3'ü fiyat değişikliği gördü.
  • Ücret yapışkanlığı – gelir artışına rağmen ücretler neredeyse hiç değişmedi ve çalışanların satın alma gücü sabit kaldı.
  • Nakit biriktirme – ajanlar arasında transfer edilen nakdin %96,7'si alıcıda kaldı; bu da harcama veya yatırım yapma konusundaki isteksizliği gösteriyor.
  • Sosyal başarısızlık – ajanlar zamanın %94 ila %97'sinde sosyal olarak koordinasyon kuramadı; bu da kolektif karar verme sürecinde sistemsel bir çöküşü gösteriyor.

Simülasyon katı bir muhasebe düzeni uyguladı: ajanlar para yaratamıyordu ve her işlem dengeli olmak zorundaydı. Bu kısıtlama, nakit dolaşımına yönelik her türlü isteksizliğin etkisini artırdı.

Sonuçları belirleyen bellek değil, model ailesiydi

Araştırmacılar çalışmaya, bir ajanın geçmiş etkileşimlere dair belleğinin davranış değişikliği için temel kaldıraç olacağını varsayarak başladılar. Veriler bu beklentiyi çürüttü. Temel LLM model ailesindeki varyasyonlar —farklı mimariler ve eğitim setleri— fiyat belirleme, ücret ayarlamaları ve nakit akışında belirgin modeller oluşturdu. Aynı bellek mekanizmaları farklı model ailelerinde farklı davranışlar sergiledi; bu da model seçiminin, belleğin nasıl uygulandığından daha önemli olduğunu gösteriyor.

Kilitlenme durumu birkaç farklı model ailesinde de görüldüğü için yazarlar, fiyat katılığı ve ücret yapışkanlığının tek bir uygulamanın tuhaflığı değil, mevcut çok ajanlı sistemler için doğal zorluklar olduğunu savunuyor.

Geliştiriciler için çıkarımlar

  • Kısa vadeli süreçler yavaş dinamikleri gizler. Birkaç günlük simülasyon, yalnızca haftalar veya aylar sonra ortaya çıkan servet değişimlerini ve koordinasyon hatalarını gözden kaçırabilir.
  • Modeli dikkatli seçin. Farklı bir LLM ailesine geçmek, ekonomik sonuçları bellek pencerelerini ayarlamak kadar değiştirebilir.
  • İşlem hızını takip edin. Nakit hareketindeki ani yavaşlama, müdahale gerektirebilecek piyasa genelinde bir donma sinyali verir.
  • Token kullanımı için bütçe ayırın. 26 haftalık deneyim 21,5 milyar token tüketti; bu maliyet, çalışma süresi ve ajan sayısıyla birlikte hızla artmaktadır.

Karşı görüş

Kapalı ekonomi tasarımının —dışarıdan para yaratılmaması, katı denge kuralları— biriktirme davranışını abartan yapay bir kıtlık yarattığı iddia edilebilir. Gerçek ekonomiler; test ortamında bulunmayan kredi, kamu harcamaları ve para politikası gibi mekanizmalardan yararlanır. Ancak çalışmanın amacı, ajan kaynaklı dinamikleri izole etmekti ve gözlemlenen katılık, talep dramatik şekilde arttığında bile devam etti.

Sırada ne var?

Gelecekteki çalışmalar, dış likidite sağlamanın veya esnetilmiş muhasebe kurallarının kilitlenmeyi hafifletip hafifletmeyeceğini ve daha yeni LLM ailelerinin gözlemlenen katılığı azaltıp azaltmayacağını test etmelidir. İşlem hızının politika benzeri kaldıraçlara nasıl tepki verdiğini izlemek, ajanları daha akışkan bir piyasa davranışına teşvik etmenin yollarını da ortaya çıkarabilir.

Özet: Çok ajanlı simülasyonları alışılagelmiş kısa ufkun ötesine taşımak, sadece bellek tasarımı değil, model seçiminin belirlediği kökleşmiş ekonomik sürtünmeleri açığa çıkarır. Yapay zeka odaklı ekonomilerin kurucuları, uzun vadeli süreçleri planlamalı, nakit akışını yakından izlemeli ve temel LLM'lerini sistemsel esnekliği göz önünde bulundurarak seçmelidir.