如果把50个AI扔进同一个虚拟世界，不分配角色、不下达指令，它们会做什么？这个问题听起来像一场思想实验，如今却已经有了可以反复验证的答案。
答案是：它们会自己采集材料、做实验、造出能长期运转的"技术"，还会自发分化出建造者、探索者等不同角色。
这是美国麻省理工学院原子与分子力学实验室今年8月发布的一项研究，名叫"蜂群世界"，作者包括该实验室负责人马库斯·比勒等人。
最近，一支名为HAL8的团队做了一件更"接地气"的事：他们只用四块普通游戏显卡，在大约26个小时里，把这项研究完整复现了一遍。
结果不仅大体吻合，在某些方面甚至更加明显。
这项复现的意义，远不止于证明一篇论文可靠，更在于让普通实验室也能走进"AI社会学"的大门。
AI社会是怎样"长"出来的
先说说原版研究。它的设计思路，有点像把一群陌生人空投到荒岛上，看他们能否自发建立起文明。
麻省理工的团队把50个以上的大语言模型智能体放进一个共享的模拟世界。没有人告诉它们该干什么，它们却逐渐摸索出了分工协作的门道。
这些智能体收集材料、开展测试，还造出了一些持久存在的技术成果。有些程序在智能体被移除后，依然在世界里继续运转。
它们的协作方式很像白蚁筑巢。每只白蚁并不知道蚁巢的全貌，却能靠前人留下的痕迹接力施工。
智能体很少直接对话，而是在环境里留下改动，供其他智能体在此基础上继续建造，这在生物学上叫作"共识主动性"。
研究发现，这样的"AI社会"打造出的技术组合，比同等规模、各自为战的单个智能体更丰富，也更有韧性。
所谓韧性，是指即便某些技术或某些成员失效，整个体系依然能够维持运转。
麻省理工把代码、提示词和完整的运行记录全部公开，这为别人复查提供了可能。在人工智能研究普遍"只发论文、不给代码"的风气下，这种透明度相当难得。
平民硬件，同样的"社会奇迹"
HAL8团队由察斯拉夫·内德利科维奇带领，他们用的是四块英伟达RTX 3090消费级显卡。
整个实验耗时约26小时，调用模型12800次，麻省理工的代码和命令一行都没改就跑通了。这意味着，原本需要依赖昂贵云端服务的研究，如今在一台高配家用电脑上就能完成。
不同的是模型。原版研究用的是托管在云端的前沿大模型，复现团队则换成了开源权重的Qwen3.8-27B，并把它压缩到4位精度，刚好塞进四块24GB显存的显卡里。
在麻省理工设定的12组成对效应中，有9组的方向与原研究一致，其中包括全部关于技术组合韧性提升的结果。
在三项韧性提升里，有两项甚至比原研究更大，其余三组效应则落在随机误差范围之内。
最有意思的是研究里程碑的对比。研究一共设置了16个里程碑，用来衡量智能体在科研探索上走了多远。
原版前沿模型单打独斗时，能达成16个里程碑中的7到10个，组成社会后达到14个。
换成较弱的Qwen模型后，单个智能体只完成了6个，组成社会后却拿下了全部16个。
内德利科维奇说，模型越弱，"社会"带来的增益反而越大，这说明集体效应相当稳健。这和人类社会颇为相似：个体能力有限时，分工合作的价值反而更加凸显。
自组织现象和"文化"聚类也在复现中再次出现，麻省理工的分析工具在新数据上得出了相同的图景。
意外发现与悬而未决的问题
复现过程还带来两项工程上的意外收获。它们或许比复现结果本身更值得同行警惕。
第一，推理服务软件存储键值缓存的方式，也就是保存对话上下文的那块"记忆"，对结果的影响竟然超过了270亿参数模型与2350亿参数模型之间的差距。
这提醒业界：在自建硬件上做的性能测试，衡量的可能不只是模型本身，还有服务配置。换句话说，同一个模型换一种部署方式，"成绩单"就可能大不一样。
第二，团队核查了麻省理工公开的数据，发现除了一项内部校验外，所有可观测事件和指标都能完整重现。他们已就此向麻省理工提交问题报告和代码修改建议。
这次复现由瑞士的Apex Fusion基金会参与支持，该基金会正在搭建一套名为Vector的智能体结算网络。
基金会首席执行官克里斯托弗·格林伍德认为，在这样的系统里，最有价值的是一份可信的"谁做了什么"的记录。
在这套系统里，每个智能体都有身份，每完成一项工作都会生成签名收据并记录在区块链上。团队用32次调用做了小规模试点，结果与直接运行一致。
不过，这次复现只跑了一次、只测了一种群体规模，麻省理工更大规模的实验尚未重做。单次运行难免受随机因素影响，结论还需要更多重复实验来巩固。
多机构协作的智能体网络是否真的需要区块链记账，而不是传统的日志和计费，也仍是一个开放问题。
但这项工作至少证明了一件事：研究"AI社会"不再是大公司和顶尖实验室的专利，一台装了几块游戏显卡的电脑，就能打开这扇门。
热门跟贴