13 yapay zekâ ajanı sanal adayı keşfetti, 4 görevden 3’ünde öne geçti

MIT araştırmacıları, 13 yapay zekâ (AI) ajanını 30 saat boyunca sanal bir adayı keşfetmeye bıraktıktan sonra dört görevi tamamlamalarını istedi. Adayı keşfeden ajanlar, üç görevde adayı deneyimlememiş kontrol grubundan daha yüksek performans gösterdi.

Araştırmacılar, 5 Ekim’de yayımladıkları makalede “Eko” adlı ajanın davranışlarını ve sonraki görevlerdeki sonuçlarını aktardı. Makale henüz hakem değerlendirmesinden geçmedi.

Eko, Anthropic’in Claude Opus 4.7 modelini kullanan bir kodlama ajanı. Araştırmacılar, aynı başlangıç koşullarına sahip 13 ajanı ayrı sanal adalara yerleştirdi. Adalarda 12 blok, kayalar ve halkalar vardı; belirlenmiş bir hedef ya da puanlama sistemi bulunmuyordu.

Ajanlar yüksek yerlere çıktı, blokları üst üste dizdi ve nesneler fırlattı. Bir ajan halkayı denize düşürdükten sonra bloklarla kalp şekli yaptı; diğerleri halkaları basketbol potası gibi kullandı. Araştırmacılar, ajanların kendi kurallarını belirlediği, davranışları tekrarladığı veya değiştirdiği ve oyuna benzeyen örüntüler sergilediği gözlemini paylaştı.

Araştırmacılar, keşif yapan 13 ajanı adayı deneyimlememiş 13 ajanla karşılaştırdı. Her ajan, sıfırdan başlatılmış yeni bir adada dört görevi bir saat boyunca yerine getirdi. İki grup da aynı AI modelini kullandı; aralarındaki fark, keşif sırasında oluşturulan bellek dosyalarının içeriğiydi.

Beş bloktan oluşan ikiden fazla kule kuran ajan sayısı, keşif grubunda 13 ajanın 8’i; kontrol grubunda ise 13 ajanın 2’siydi. En yüksek kayalık zirveye taşınan nesne sayısı keşif grubunda ortalama 10,3, kontrol grubunda 3,5 oldu. Zirveye blok fırlatma görevinde de keşif grubundaki ajanlar daha az başarısız oldu.

Öte yandan, en yüksek tek kuleyi kurma görevinde iki grubun performansı benzerdi. Keşif grubu tüm görevlerde öne geçmedi.

Ajanlar keşif sırasında öğrendikleri yöntemleri metin dosyalarına kaydetti. Araştırmacılar bir ajanın dosyasından belirli bir yöntemi sildiğinde ilgili görevdeki performans düştü. Yanlış kaydedilmiş bir yöntemin silinmesinin ardından performansın yükseldiği bir örnek de görüldü. Bulgular, deneyimin nasıl kaydedildiğinin görev başarısını etkileyebileceğine işaret ediyor.

Çalışmada sanal adada blok ve nesnelerle yapılan görevler değerlendirildi. Araştırmacılar gözlenen davranışları oyuna benzer örüntüler olarak tanımladı, ancak bunlara yol açan AI iç işleyişini açıklığa kavuşturmadıklarını belirtti. Çalışma, sonuçları kripto para alım satım ajanlarının performansına genellemek için de bir dayanak sunmadı.

AI ajanlarının sanal ortamlardaki davranış ve becerilerini inceleyen araştırmalar, işlem performansı değerlendirmelerinden farklı. TokenPost, daha önce Binance’in bir AI ajanına emir verme yetkisi tanıdığı vakayı haberleştirmişti; bu çalışmadaki görevler ise işlem değil, sanal ada keşfi ve nesne kullanımı üzerineydi.