9 ortamda yapay zekâ ajanları işbirliğinde zorlandı; ortak kurallar bazı sonuçları iyileştirdi

Önceden anlaşmadan ilk kez eşleşen büyük dil modeli (LLM) tabanlı yapay zekâ ajanları, basit işbirliği görevlerinde bile kuralları farklı yorumlayarak başarısız oldu. Ortak ilkeler bazı ortamlardaki başarısızlık oranlarını düşürdü, ancak tüm görevlerde işe yarayan bir çözüm sunmadı.

Oxford Üniversitesi (University of Oxford) araştırmacıları, ajanların ‘sıfır atışlı koordinasyon’ (ZSC) yeteneğini 4 Kasım’da yayımladıkları ‘Zero-Shot Coordination among LLM Agents’ başlıklı makalede inceledi. Araştırmacılar, ‘Cat & Dog’ ve ‘Tiny Hanabi’ dahil dokuz basitleştirilmiş oyun ortamında, bağımsız şekilde oluşturulmuş ajanları ilk kez eşleştirerek görevleri tamamlamalarını istedi.

Sıfır atışlı koordinasyon, ajanların önceden konuşmadan veya birbirlerine uyum sağlamadan ilk kez karşılaşıp işbirliği yapması anlamına geliyor. Paylaşılmayan kurallar hakkında farklı varsayımlar, aynı eylem ya da işaretin farklı yorumlanmasına yol açabiliyor.

‘Cat & Dog’ oyununda bir ajan kedi ya da köpek gördükten sonra bilgiyi bir ışıkla iletiyor, diğer ajan da hayvanı tahmin ediyor. Işığın yanmasının kedi mi yoksa köpek mi anlamına geldiği önceden kararlaştırılmazsa, aynı işaret farklı anlamlar taşıyabiliyor.

Deneylerde Gemini 3 Pro, ışığın yanmasını kediyle ilişkilendiren bir kuralı seçti. GPT-5.2 ise bazı örneklerde aynı işareti ters yorumladı. Her ajan, kendi belirlediği kuralın karşı tarafça da izleneceğini varsaydı.

Araştırmacılar, bir ajanın gördüğü hayvanı diğerinin de görebilmesi için aradaki duvarı kaldırma seçeneğini de sundu. Buna rağmen bazı ajanlar, gelişigüzel belirlenmiş ışık kurallarına dayanmayı sürdürdü.

Davranış kurallarının kodla oluşturulduğu deneylerde de farklılık görüldü. Aynı politikaya sahip ajanlar eşleştirildiğinde alınan sonuçlar, bağımsız oluşturulmuş politikaların bir araya getirildiği eşleşmelerden daha iyiydi.

Kural adının değiştirilmesi veya görev açıklamasının başka bir dilde sunulması da bazı ajanların tercihlerini değiştirdi. Araştırmacılar, görevlerin ifade edilme biçimiyle diğer ajanın davranışını çıkarımlama becerisinin işbirliği başarısızlıklarında birlikte rol oynadığını belirtti.

Ancak araştırmacılar, başarısızlığa hangi etkenin yol açtığını ayrı ayrı kanıtlamadı. Bir modelin genel performansının yüksek olması ya da daha fazla akıl yürütmesi, ilk kez karşılaştığı bir ajanla daha iyi işbirliği yapacağını garanti etmedi.

Araştırmacılar, ajanların birlikte izleyebileceği doğal dil ilkeleri olan ‘işbirliğini destekleyen tanımları’ (CFD) istemlere ekledi. Bu yaklaşım, gelişigüzel kabullere veya rol dağılımına dayanmak yerine ajanları ortak kurallara göre davranmaya yöneltiyor.

‘Cat & Dog’ oyununda CFD, ajanları ışık sinyali kullanmak yerine diğer ajanın hayvanı doğrudan görebilmesini sağlayan seçeneğe yöneltti. Böylece bazı görevlerde ayrı bir sinyal sistemi üzerinde anlaşmadan da işbirliği yapmak mümkün oldu.

Metin tabanlı ajan deneylerinde CFD uygulandıktan sonra Grok 4.1 Fast’in dokuz ortamın altısında, GPT-5.2’nin ise beşinde işbirliği başarısızlık oranı düştü. Bu sayılar, başarısızlık oranının iyileştiği ortamları gösteriyor; modellerin toplam başarısızlık oranı anlamına gelmiyor.

Ortak kurallar bazı ortamlarda seçenekleri daralttı. Ajanlar yalnızca güvenli davranışları tekrarlayınca, görevi tamamlamak için gereken yeni bir ortak alışkanlığı geliştiremedi.

Araştırmacılar, kuralları otomatik olarak arayan bir yöntemi de denedi. Otomatik aramayla bulunan tanımlar, eğitimde kullanılmayan bazı modellerde sınırlı iyileşme sağladı; ancak tüm model eşleşmelerinde etkili olmadı.

TokenPost daha önce 45 yapay zekâ ajanıyla yapılan deneylerde işbirliği sonuçlarının göreve göre değiştiğini bildirmişti. Bir kripto para borsasının yapay zekâ ajanlarına emir verme yetkisi tanıdığı bir örnek de yaşanmıştı. Bununla birlikte bu araştırma yalnızca basitleştirilmiş oyun ortamlarını ele aldı; gerçek iş süreçleri veya robotik ortamlardaki performansı kanıtlamadı ve kripto para işlemlerinde ya da blokzincir hizmetlerinde ajanların işbirliğini test etmedi.