在 MIT的一項實驗裡，研究人員搭了一張72×54格的虛擬地圖，把200個 AI智能體放了進去。地圖上散落着甲殼素、纖維素、真菌、礦物和海藻，也有不同的加工設施；污染、乾旱和風暴會不時出現。
AI得自己找資源、做實驗、造裝置，再給裝置寫控制程序。所有 AI起點相同，沒有誰被指定為工程師，也沒有誰天生就是項目經理。它們只收到一項長期任務：開發能夠提高環境韌性的仿生材料系統。
這套系統叫 SwarmWorld，有點像 AI版《文明》。但實驗裡有意思的結果不是 AI會採礦、會蓋東西，或者最後出現了分工，而是 AI世界裏的技術並不主要依靠聊天傳遞。在這個系統里，群聊沒有消失，也有一定用處。但真正承擔技術傳播的，是這200個智能體共同生活的世界。
同一項任務，研究團隊一共跑了四個版本。第一個版本叫「完整文化」。智能體共享世界，可以發消息、發佈記錄、教學、交易、認領任務，也能看到、復用和修改別人裝置里的程序。它很像一間通信、知識庫和代碼協作工具全部開放的實驗室。
第二個版本禁止通信。消息、公開記錄、教學和交易都被拿掉，但智能體仍在同一張地圖上，也能觀察前人留下的裝置，復用或者修改其中可以看到的程序。它們不能聊天，卻還可以沿着機器和代碼繼續做。
第三個版本則是「沒有顯式文化」。除了不能通信，跨智能體的程序分叉、技能繼承、作者文字和父版本信息也都被關閉。智能體只能看到物理結果：某地的資源減少了，地圖上多了一台裝置，附近的水分或污染發生了變化。
最後一個版本是獨立搜索。如果共享世界裏有100個智能體，研究團隊就複製出100個互相隔離的單人世界，給每個智能體相同的決策機會。最後比較某項成績時，從100個獨立結果里挑最好的那個。而且每個指標可以換一個冠軍。最強裝置可以選 A，發明數量可以選 B，災害測試又可以選 C。
圖｜SwarmWorld的共享世界與 Agent—環境循環。（來源：arXiv）
圖｜四種實驗條件，以及移除 Agent後的壓力測試流程。（來源：arXiv）
四種條件拉開了一個很有意思的差別：AI之間能不能說話，和它們能不能利用彼此留下的成果，並不是一回事。生物學裏有一個詞叫 stigmergy，通常譯作「痕跡協作」。螞蟻不會開會規劃路線，前一隻螞蟻留在環境裏的痕跡，卻會改變後一隻螞蟻往哪裏走。
SwarmWorld里的裝置，也起到了類似作用。一個 Agent造出的設備會留在原地，繼續感知環境和執行程序。後來者走到附近，可以看到它、測試它、使用它。在允許程序繼承的條件下，還能複製其中的控制器，改掉一條指令或者一個閾值，再裝進新的設備。
論文附錄里就記錄了一條這樣的行動鏈：一個智能體造了水分閾值為0.35的甲殼素裝置；另一個智能體發現它以後，複製父程序，把閾值改成0.50，再安裝到自己的新裝置上，隨後比較兩個版本在當地環境裏的表現。技術由此有了一條可以追蹤的「家譜」。
圖｜技術如何通過共享世界擴散，以及程序譜系如何延伸（來源：arXiv）
這些持續存在的裝置，還把原本相同的智能體推向了不同的行為軌跡。研究團隊沒有給任何智能體分配職業。實驗結束後，他們只看完整行動軌跡，把相似的行動分到一起，仍然分出兩類明顯行為：一類移動範圍更廣，主要負責探索和測試；另一類更常停留在裝置附近，參與建造、操作、安裝程序和維護。如果把軌跡按時間切得更細，還能看到建造者、維護者、協調者和移動勘探者等狀態。同一個智能體會從一種狀態切換到另一種，並不是領到一份工作後做到底。
圖｜長時實驗終點的技術組合、發明數量、留守韌性和最強單件裝置（來源：arXiv）
研究人員先讓 AI們把一個虛擬村莊建好，再把所有 AI撤走，隨後給這個村莊安排一輪新的乾旱、污染和風暴。之後不許聊天，也不許回來維修，只看它們留下的設備和程序還能不能繼續工作。
研究人員統計的不是災害結束那一刻還剩多少功能，而是整個災害過程中，村莊維持服務的總表現。沒有顯式文化、但共享同一張地圖的世界，平均得分0.0446；獨立搜索組即使從100個單人世界裏挑出冠軍，平均也只有0.0356。前者大約高25%。
也就是說，各自為戰的 AI智能體更容易造出一件特別強的設備，但共享世界更容易留下一個功能互補的系統，一個更不容易崩潰的文明。即使 AI智能體之間不聊天，前人留下的裝置、程序和被改變的環境，也會給後來者提供現成的起點。
對今天的 AI智能體產品來說，SwarmWorld或許提供了一種不同的思路。多智能體協作不一定只是在同一個上下文裏互相發言，也可以是共同維護一套持久、可執行、能夠追溯來源的外部狀態。過去不只是被總結進記憶，也被壓進了工具和環境。
