Команда дослідників ШІ дозволила 100 агентам на базі великих мовних моделей (LLM) керувати економікою закритого містечка протягом 26 тижнів, спостерігаючи за заробітною платою, цінами та торгівлею в реальних географічних межах. Експеримент, що тривав значно довше за типові кількаденні запуски, завершився тим, що гроші здебільшого залишилися нерухомими, виявивши жорсткість цін, негнучкість заробітної плати та схильність агентів до накопичення готівки.

Чому важливий тривалий період

Більшість багатоагентних економічних симуляцій припиняються вже через кілька днів, створюючи враження, що ринки швидко саморегулюються. Продовження часової шкали до пів року дозволило агентам пережити раптовий сплеск туристичного попиту, що збільшило дохід бізнесу у 4,62 раза. Замість того, щоб спрямуватися працівникам або в нові підприємства, додаткові кошти залишилися всередині компаній, які їх заробили. Ринок продовжував функціонувати, але гроші майже не рухалися.

Що показують цифри

  • Жорсткість цін — лише 0,3 % позицій у меню змінили ціну, навіть попри різкі коливання попиту.
  • Негнучкість заробітної плати — зарплати майже не змінювалися, попри стрибок доходів, через що купівельна спроможність працівників залишалася незмінною.
  • Накопичення готівки — 96,7 % готівки, переданої між агентами, залишалося у отримувача, що свідчить про небажання витрачати або інвестувати.
  • Соціальна невдача — агенти не могли скоординуватися соціально у 94–97 % випадків, що вказує на системний збій у колективному прийнятті рішень.

Симуляція передбачала суворий бухгалтерський облік: агенти не могли створювати гроші, і кожна транзакція мала бути збалансованою. Це обмеження посилило наслідки будь-якого небажання циркулювати готівку.

Результати зумовлені сімейством моделей, а не пам'яттю

Дослідники розпочинали вивчення з припущенням, що пам'ять агента про минулі взаємодії буде основним важелем для зміни поведінки. Дані спростували це очікування. Варіації в базовому сімействі моделей LLM — різні архітектури та набори даних для навчання — призводили до відмінних патернів у встановленні цін, коригуванні зарплат і грошових потоках. Ті самі механізми пам'яті поводилися по-різному в різних сімействах моделей, що свідчить про те, що вибір моделі має більше значення, ніж спосіб реалізації пам'яті.

Оскільки цей глухий кут виникав у кількох сімействах моделей, автори стверджують, що жорсткість цін і негнучкість заробітної плати є не особливістю конкретної реалізації, а радше притаманними викликами для сучасних багатоагентних систем.

Наслідки для розробників

  • Короткі періоди приховують повільну динаміку. Кілька днів симуляції можуть не виявити зсуви у добробуті та збої в координації, які проявляються лише через тижні або місяці.
  • Ретельно обирайте модель. Перехід до іншого сімейства LLM може змінити економічні результати так само суттєво, як і налаштування вікна пам'яті.
  • Стежте за швидкістю транзакцій. Раптове сповільнення руху готівки сигналізує про заморожування всього ринку, що може потребувати втручання.
  • Закладайте бюджет на використання токенів. 26-тижневий експеримент спожив 21,5 мільярда токенів — витрати, які різко зростають залежно від тривалості запуску та кількості агентів.

Контраргумент

Можна стверджувати, що дизайн закритої економіки — відсутність зовнішнього створення грошей, суворі правила балансу — створює штучний дефіцит, який перебільшує поведінку накопичення. Реальна економіка отримує вигоду від кредитування, державних витрат і монетарної політики — механізмів, які відсутні в тестовому середовищі. Однак метою дослідження було ізолювати динаміку, зумовлену діями агентів, і спостережувана жорсткість зберігалася навіть під час різкого зростання попиту.

На що звернути увагу далі

Майбутні роботи мають перевірити, чи полегшить глухий кут введення зовнішньої ліквідності або пом'якшення правил обліку, і чи зменшать нові сімейства LLM спостережувану жорсткість. Відстеження того, як швидкість транзакцій реагує на інструменти, подібні до політики, також може відкрити способи стимулювання агентів до більш гнучкої ринкової поведінки.

Висновок: Продовження багатоагентних симуляцій за межі звичного короткого горизонту виявляє глибоко вкорінені економічні тертя, на які впливає вибір моделі, а не лише дизайн пам'яті. Творці економік на базі ШІ повинні планувати тривалі запуски, уважно стежити за грошовими потоками та обирати базові LLM з урахуванням системної гнучкості.