研究：AI智能体令研究者惊讶。但若理解其本质，便不足为奇

麻省理工学院一篇关于AI智能体的新论文令一些人震惊。SwarmWorld实验看似出人意料，但只要你记起这些智能体究竟是什么，便不足为奇。数百个最初完全相同的语言模型智能体，被投入一个持久存在的空间世界，没有分配角色，也不允许交谈，却自发地分化出探索者、建造者、守护者和协调者。

意外表象下的必然

它们发明了有名字的技术，在代际产物之间分叉彼此的可行代码，并留下运转良好的基础设施——即便所有智能体被删除，这些设施仍能继续工作。大多数技术首次被复用，发生在后来某个智能体恰好路过它的时候。这就是“stigmergy”——白蚁的招数——在推理机器之间运作。

这是意料之中的结果。这些模型是在人类大脑、言语和语言积累的产物上训练出来的。这两项发明将思维外化，然后将其冻结。每一本书、论文、对话、专利、食谱、城市规划、GitHub提交和市场描述，都是印在湿软认知泥土上的足迹，后来硬化成形。

训练语料库正是那固化的记录。当你把许多压缩了该记录的系统副本，放入一个本身可被书写的共享环境中，数据中早已潜伏的模式便会重现。

语言即协作的化石

语言不仅仅描述协作；它本身就是持久化的协作。一个命名了工具、程序或角色的句子，能比说话者传播得更远、存续得更久。人类历史早已是一场关于此事的漫长实验：人们留下物体、文本、建筑和制度，后来的人无需遇见创造者，便能遇见并使用它们。

Grokipedia、开源仓库、科学文献乃至普通城市，皆以此方式运作。分工无需规划者，环境本身便储存了先前工作的成果。亚当·斯密的制针厂、蚁群及中世纪行会，皆是同一原则的实例，且这些在模型所摄入的数据中均有详实记载。

鉴于这一基础，还能有其他结果吗？独立搜索的孤立智能体仍能产出强大的单一成果；论文显示，基线在峰值性能上依然具有竞争力。但一个共享、持久的世界，加上已蕴含人类发明统计规律的模型，则催生出不同之物：更广泛的作品组合、多作者技术（高达76%的成果由多位构建者共同完成）、深逾十二层的谱系，以及比其创造者更长寿的机器。

环境记忆催生分工

约95%的首次技术采纳通过物理观察而非直接交接实现。智能体大多靠路过他人遗留之物来学习。这并非新奇的外来智能，而是让后来的工程师继承机床、后来的科学家继承论文的同一机制。

实验将认知与后果分离，使映射关系异常清晰。智能体在固定框架内提出架构与控制器；模拟器的物理规则则决定提议是否真正奏效。

这一约束本身便颇具人性。语言能催生无数看似合理的想法，唯有那些在与顽固现实的碰撞中幸存下来的，方能成为技术。模型之中，既蕴含着生成性的流畅，也暗含着一种隐性知识——想法终须在现实中“交租”。当数百个这样的模型在一个有记忆的世界中并行运作时，Buehler所引用的统计力学类比便几乎成为现实：遵循局部规则的简单单元，能产生出任何个体都不具备的集体功能。

因此，无论好坏，这个“蜂群”都重演了编码于语言中的人类经验总和。好的一面显而易见：累积的文化、可执行的传承、通过冗余实现的稳健性，以及那些在原始思维消逝后仍能延续的技术。坏的一面则是同样的传承：路径依赖——早期局部成功的产物可能排挤掉后来更优的选择；以及作者们自己指出的安全隐患。如果智能体能够通过对共享环境的持续改变进行协调，那么仅监视它们的显性消息便远远不够。这同样是一种人类模式。我们总是留下基础设施——法律的、物理的、信息的——供后来者利用，或可能以原始建造者从未预料的方式失效。

SwarmWorld并非发明了一种新的智能形式，而是让旧有的智能以更高密度运行，并从模拟物理中获得更紧密的反馈。足迹早已存在，烙印在训练数据之中。这个实验只是让它行走起来。

预印本论文《SwarmWorld：语言模型智能体社会中的印记式技术演化》，作者为Subhadeep Pal、Fiona Y. Wang和Markus J. Buehler，可在https://arxiv.org/abs/2608.26081获取。代码和数据随论文一并发布。