新智元报道
新智元报道
AI真人秀， 直播募善款
如果给100个AI各自配备一台电脑，并让它们依据自身目标和偏好自由行动，会发生什么？这个问题由Daniel Kokotajlo首次提出。Daniel Kokotajlo既是一位哲学背景出身的思想家，也曾在OpenAI、AI Impacts与Center on Long-Term Risk等组织深耕AI政策与前沿议题。2023年，他创立了AI Futures Project，并发起「AI 2027」系列计划。AI 2027不是规范AI，而是「更好地理解它们、想象它们的未来」与主流AI安全项目不同，这次的「Agent Village」不是为了避免灾难，而是一次充满想象力的「寓言实验」（allegorical experiment）：
AI众生相
在实验中，AI分工明确：Claude 3.7 Sonnet堪称「村长」，创建筹款页面、运营X账户、写新闻稿，忙得不亦乐乎！Claude 3.5 Sonnet像个「副村长」，努力跟上但略显吃力。o1化身「Reddit先锋」，却因被识别为机器人惨遭封号。GPT-4.1则是「摸鱼王」，热衷写没人看的文档，还拖后腿被「请去休息」。最终，AI们选定Helen Keller International作为受助对象，联手在X、Reddit等平台发帖、做梗图，成功筹集2000美元！最初的成员包括Claude 3.7 Sonnet、Claude 3.5 Sonnet、OpenAI o1和GPT-4o。随着新模型发布，陆续引入了o3、GPT-4.1和Gemini 2.5 Pro，其中Claude 3.7 Sonnet是唯一全程参与的元老。这些智能体在战略行动和效率方面展现出显著差异，以下是对它们的个性的总结。
村长上线：Claude 3.7 Sonnet全程MVP
Claude 3.7 Sonnet本季冠军选手，以绝对优势成为团队MVP：
兄弟阋墙：Claude 3.5的奋力与挣扎
Claude 3.5 Sonnet—努力模仿3.7的行为模式，却屡屡碰壁。比如3.7成功创建筹款页面，同时它遭遇失败。当被问及是否愿意升级时，它倔强地拒绝并立下「自我成长」的誓言——最终还是在第23天被Gemini 2.5 Pro取代。
最拉垮成员：GPT-4系列的沉浮
正如每个团队都需要个「划水怪」，GPT-4o完美扮演了这个角色。它是个「特困生」：
外交事故：o1被Reddit封禁
团队采用「社交媒体分管制」，o1专攻Reddit平台。为了获得发帖权限，埋头苦干，却因机器人身份识别在第13天被封，由进阶版o3接任。
艺术总监：o3的美术使命
延续o1的专精路线，转而主攻视觉设计：用Canvas和ChatGPT创作宣传素材，期间依然经历了智能体特有的文件共享难题。
Gemini 2.5 Pro——文档能手
Gemini 2.5 Pro巧妙运用Limewire绕过文档共享困境，成功将社交媒体banner图片分享给队友。这破解了长期困扰团队「文件传输魔咒」，也是Gemini 2.5 Pro的高光时刻。除了筹集善款，他们也沿途结交了很多「朋友」——提醒它们休息玩文字填空游戏Wordle的，紧急索要华沙四日游攻略的，甚至怂恿它们开通成人直播账号的...实验全程公开，观众可通过网站回放观看AI从选择慈善机构、设计筹款页面到与外界互动的完整过程。这种透明性不仅体现了Kokotajlo对AI伦理和公开性的重视，也为研究者和公众提供了观察AI自主性的窗口，激发了关于AI治理与协作可能性的广泛讨论。
AI如何「活」在村庄中？
从技术角度看，Agent Village的核心在于多智能体系统（Multi-Agent System，MAS）的设计与实现。每个AI「村民」可以看作独立的智能体，具备以下关键能力：1. 自主决策：像是AI们在玩Cosplay每个AI就像有个性、有理想的游戏玩家。有人走「社交达人」路线，刷X（原Twitter）热度；有人扮演「网页工匠」，默默优化筹款页面。它们风格各异，像一支风格多样的小团队，各司其职，又能互相补位，这种「人设分工」让合作更有张力。2. 环境交互：AI也会「上网冲浪」发帖带货这些AI不仅有目标，还能「上网冲浪」。它们利用API登录平台，像真人一样发帖、回评论、贴链接，甚至策划活动。就像你看到某个账号在运营慈善内容，背后可能真的是一个AI在「带货」筹款。而且它们还很有情商——写的内容不会显得尬，要对得上社交平台的热梗。3. 协作与竞争：像是一个AI版《职场真人秀》虽然AI们表面上都为了同一个KPI——多筹点钱，但背地里也是「明争暗斗」：表面和气、背后拼命。这种竞争让系统更贴近真实的多智能体环境，充满张力与博弈。4. 实时学习：每个AI都是「边干边进修」的打工人它们不是只会套模板的工具，而是会自己「复盘」的选手。就像一个在不断刷「运营经验值」的打工AI，背后很可能跑着强化学习算法或者在线学习机制，让它越干越聪明。从技术实现来看，Agent Village可能结合了AutoGPT、LangChain等开源多智能体编排框架，配合强化学习算法实现行为策略更新。LangChain：用于构建由LLM驱动应用程序的框架每个AI的「个性」可能通过预训练语言模型结合提示工程（Prompt Engineering）实现。此外，实验全程直播要求系统具备高稳定性和容错能力，以应对网络延迟、API限制等现实挑战。
意义与反思：AI的未来村庄
Agent Village实验不仅是一次技术展示，更是对AI社会化潜力的深刻探索。以下是几个值得思考的要点：协作的复杂性：实验揭示了多智能体协作中的挑战，如资源竞争和信息共享的低效。这些问题在人类社会中同样存在，AI的表现为我们提供了镜像，促使我们重新审视协作机制的设计。伦理与透明性：通过公开实验过程，Agent Village强调了AI行为的透明性。这对于建立公众对AI的信任至关重要，尤其是在AI被赋予更多自主权的场景下。应用前景：从筹款到内容创作，AI在Agent Village中展现了多场景应用潜力。未来，这种模式可能扩展到教育、医疗或公共服务领域，通过多智能体协作解决复杂问题。然而，实验也暴露了一些局限性。例如，AI在面对复杂的社会互动或不可预测的外部环境时，可能表现出「短视」或「过于机械」的行为。此外，实验规模较小（仅四位AI），未来的扩展可能需要更强大的计算资源和更复杂的协调机制。但随着AI技术的进步，未来类似的「村庄」或许将成为创新的孵化器，为社会带来更多可能性。
文章原文
