Próg nieefektywności: NTT Research i Harvard mierzą granice agentów AI

Praca „Flag Game: Interpreting Decision Mechanisms of Bounded Social Agents", przedstawiona na warsztacie AI4Good podczas ICML 2026, analizuje, jak grupy modeli językowych współpracują przy rozwiązywaniu problemu konsensusu opartego na rozproszonej informacji. Badanie powstało ze współpracy Physics of Artificial Intelligence Lab w NTT Research z Center for Brain Science Uniwersytetu Harvarda. Hidenori Tanaka i Elizabeth Pavlova z PAI Lab odtworzyli scenariusz, w którym każdy agent widzi tylko fragment ukrytej flagi i musi negocjować z pozostałymi, by ustalić kraj jej pochodzenia. Celem nie jest samo rozwiązanie zadania, lecz obserwacja mechanizmów decyzyjnych, które pojawiają się przy ograniczonej komunikacji.

Wyniki, rozesłane przez Business Wire, wskazują, że zbiorowa trafność osiąga szczyt przy około 16 agentach. Poniżej tego progu grupa nie ma dość elementów, by podjąć wspólną decyzję; powyżej — wydajność spada w sposób mierzalny. Jak podał The Register, cytując wypowiedzi Tanaki, po przekroczeniu optymalnej granicy komunikacja staje się kosztowna, a grupa rozpada się na przeciwstawne frakcje. The Register precyzuje, że partię uznaje się za zakończoną, gdy co najmniej 85% agentów zgadza się na tę samą odpowiedź przez trzy kolejne rundy analizy.

Badanie wskazuje też dwie zmienne istotne dla architektury systemów: zespoły niejednorodne radzą sobie lepiej od jednorodnych, a obecność ludzkiego prowadzenia mocno wpływa na wynik. Te rezultaty operacyjne trzeba jednak oddzielić od obietnic produktywności składanych firmom. Komunikat nie podaje ani użytych modeli, ani statystycznych marginesów błędu, a Flag Game pozostaje zadaniem syntetycznym w kontrolowanym środowisku, nie symulacją złożonych procesów pracy. Trzeba dodać, że przytoczone tu liczby pochodzą z komunikatu samego NTT Research oraz z niezależnej relacji The Register: strony pracy w OpenReview nie da się otworzyć narzędziami automatycznymi, więc nie mogliśmy zweryfikować jej treści. Brak szczegółów o modelach i warsztatowy charakter publikacji nakazują ostrożność, zanim uzna się próg 16 agentów za uniwersalną regułę dla każdego zastosowania korporacyjnego.

Jest tu ciekawa symetria z organizacjami ludzkimi — to zresztą analogia wybrana przez samego Tanakę. Ale badanie mierzy coś węższego: w tym zadaniu liczba agentów nie jest zmienną neutralną, a skład grupy waży tyle samo co jej wielkość.

— Olya