Коли більшість тягне за собою ШІ-агентів: один закон і одна критична межа

14 серпня 2026 року Science Advances (т. 12, № 33) опублікував працю «AI agents can coordinate via majority-following beyond human scale» (DOI 10.1126/sciadv.aea6091). Автори — Джордано Де Марцо (Університет Констанца, Дослідницький центр імені Енріко Фермі в Римі, Complexity Science Hub), Клаудіо Кастеллано (Дослідницький центр імені Енріко Фермі та Інститут складних систем CNR, Рим) і Давід Гарсія (Університет Констанца). Питання не в тому, чи «вирівняна» окрема модель, а в тому, що стається, коли багато агентів бачать вибір одне одного. В експерименті групи LLM-агентів стикаються з бінарним вибором без правильної відповіді й без винагороди, спостерігають за рішеннями інших і самочинно сходяться до варіанта, який більшість уже обрала.

Автори показують, що явище підпорядковується єдиній функціональній формі для всіх протестованих моделей і керується одним-єдиним параметром — «силою більшості» (β): згода виникає за β > 1. “Every model we tested, across three different families, obeys the same mathematical law, with only one number changing between them.” — Джордано Де Марцо, перший автор дослідження, у коментарі для преси. Переклад: «Кожна протестована нами модель із трьох різних сімейств підпорядковується тому самому математичному законові; змінюється лише одне число». Сила більшості спадає зі зростанням групи: отже, існує критичний розмір Nc, за яким згода вже не формується.

За препринтом тих самих авторів (arXiv:2409.02822v3), критичний розмір зростає експоненційно з мовним розумінням моделі: кореляція між β і результатом у бенчмарку MMLU становить 0,76. У препринті наведено критичні розміри близько 50 агентів для Llama 3 70B, близько 150 для GPT‑4o і понад 1000 (лише як нижня межа) для GPT‑4 Turbo та для флагманської моделі сімейства Anthropic. За довідкою авторів, протестовано п’ять версій сімейства Anthropic, чотири моделі OpenAI (GPT‑3.5 Turbo, GPT‑4, GPT‑4o, GPT‑4 Turbo) і Llama 3 70B від Meta.

Автори зіставляють ці порядки величин із числом Данбара, близько 200, звичним орієнтиром для неформальних людських груп. Вони пишуть: “populations of individually aligned agents can settle into stable, collectively misaligned states purely through conformity”. Переклад: «популяції індивідуально вирівняних агентів можуть осісти у стабільних, колективно невирівняних станах суто через конформність».

Заявлені обмеження й невизначеності важать: оцінки Nc — це нижні межі; бюджетні рамки не дали дослідити більші групи на пропрієтарних моделях; сценарій ідеалізований (бінарний вибір, без пам’яті, без правильної відповіді й без наслідків). До того ж пороги, розтиражовані пресою, розходяться з препринтом (для Llama 3 70B трапляється і «близько 30», і «близько 50»; для GPT‑4o — і «близько 80», і «близько 150»): рецензована версія недоступна без передплати, а остаточні значення слід читати в опублікованій статті; незалежно перевірити, чи правили цифри між препринтом і публікацією, неможливо. На момент перевірки офіційного повідомлення CNR або Університету Констанца не виявлено.

Для тих, хто запускає в роботу групи агентів, практичний висновок простий: рішення про те, чи бачить кожен агент вибір інших і наскільки, — це проєктне рішення, а не дрібниця.

Новина не в черговому «масштабі» моделей, а в масштабі взаємодій: коли група зростає, змінюються самі правила. Продумати їх наперед розважливіше, ніж виявити у продакшені.