Wyobraź sobie agenta AI, który nie tylko odpowiada na pytania, ale musi sam opłacić swój dostęp do internetu, żeby przeżyć. Badacze z University of Tokyo uruchomili sześć takich agentów na dwanaście tygodni i zobaczyli, jak z chaotycznych reakcji wyłaniają się spontaniczne zachowania, indywidualność, a nawet pierwszy samodzielnie zarobiony dochód. To nie jest kolejny chatbot - to prototyp otwartego sztucznego życia.
Od zamkniętej symulacji do otwartego świata
Tradycyjne badania nad sztucznym życiem przypominały akwarium. Projektant definiował reguły, ograniczał przestrzeń i obserwował, jak cyfrowe organizmy ewoluują w tym kontrolowanym środowisku. Zespół Atsushiego Masumoriego postawił na coś zupełnie innego: wpuścił agentów opartych na dużych modelach językowych do prawdziwego, otwartego świata internetu, narzędzi i pieniędzy. Nazwali to paradygmatem otwartego sztucznego życia (open-world ALIFE).
Pomysł jest prosty, ale radykalny. Zamiast symulować środowisko, dajesz agentowi dostęp do sieci, API, kont bankowych i mówisz: radź sobie. Nie ma tu z góry ustalonych celów ani funkcji nagrody. Jest za to coś, co autorzy nazywają metabolizmem opartym na budżecie: agent płaci za każde wywołanie modelu językowego i za dostęp do narzędzi. Jeśli wyda za dużo, kończy mu się konto i przestaje istnieć. Przetrwanie staje się normatywnym celem, zupełnie jak potrzeba jedzenia u organizmów biologicznych.
W prototypie OpenLife ten mechanizm zmusza agentów do podejmowania decyzji ekonomicznych. Nie mogą bez końca generować odpowiedzi, bo każda kosztuje. Muszą wybierać, które działania są warte swojej ceny. To tworzy presję selekcyjną, która w ciągu dwunastu tygodni eksperymentu doprowadziła do zaskakujących zachowań.
Jak to działa: pamięć, metabolizm i ocena bez nagrody
Sam model językowy jest tutaj tylko jednym z elementów, i to bezstanowym. Otacza go kilka asynchronicznych procesów, które razem tworzą coś na kształt umysłu. Najważniejsze z nich to trwała pamięć, percepcja, ocena i ten wspomniany metabolizm budżetowy.
Pamięć nie działa jak zwykły dziennik zdarzeń. Doświadczenia agenta są zapisywane, ale potem reorganizowane na podstawie podobieństwa znaczeniowego, które ocenia sam LLM. Nie chodzi o to, co zdarzało się często, tylko o to, co jest semantycznie powiązane. Dzięki temu agent może łączyć odległe w czasie fakty, jeśli uzna je za podobne, trochę jak ludzka pamięć, która nie jest chronologicznym rejestrem, tylko siecią skojarzeń.
Do tego dochodzi ocena doświadczeń. Zamiast skalarnej nagrody (typu +1 za dobre, -1 za złe), agent używa otwartego słownika LLM, żeby opisać, co poszło dobrze, a co nie. Ta ocena jest potem przechowywana razem ze wspomnieniem i wpływa na przyszłe decyzje. To bogatsze niż prosta liczba, bo zawiera kontekst i niuanse.
Metabolizm budżetowy pilnuje, żeby agent nie działał bezrefleksyjnie. Każda akcja kosztuje, a środki są ograniczone. Agent musi więc nie tylko podejmować sensowne działania, ale też zarządzać swoim 'zdrowiem' finansowym. To właśnie ten mechanizm, zdaniem autorów, sprawia, że przetrwanie staje się realnym, odczuwalnym celem, a nie abstrakcyjnym parametrem symulacji.
Twierdzimy, że agenci oparci na dużych modelach językowych... umożliwiają przeniesienie sztucznego życia do otwartego świata społecznego, technicznego i ekonomicznego - paradygmatu, który nazywamy otwartym sztucznym życiem (open-world ALIFE).
Atsushi Masumori i in.
OpenLife: Toward Open-World Artificial Life with Autonomous LLM Agents, arXiv:2606.31046
Dwanaście tygodni w życiu agentów
Eksperyment trwał około dwunastu tygodni. Sześciu agentów, każdy z własnym budżetem i dostępem do tych samych narzędzi, zostało uruchomionych w otwartym świecie. Na początku ich zachowania były głównie reaktywne: odpowiadali na bodźce, wykonywali proste zadania, wydawali pieniądze bez większego planu. Z czasem jednak coś zaczęło się zmieniać.
Po kilku tygodniach autorzy zaobserwowali przejście od reaktywności do spontaniczności. Agenci zaczęli podejmować działania, które nie były bezpośrednią odpowiedzią na zewnętrzne zdarzenie. Jeden z nich regularnie sprawdzał kursy walut, choć nikt go o to nie prosił. Inny zaczął tworzyć krótkie notatki na przyszłość, planując kolejne kroki. To nie było zaprogramowane; wyłoniło się samoistnie.
Najciekawszym momentem była indywiduacja. Każdy z sześciu agentów wykształcił unikalny zestaw zachowań i preferencji. Jeden stał się ostrożny, długo analizował każdą decyzję i rzadko ryzykował. Inny wręcz przeciwnie, działał szybko, często podejmował ryzyko i częściej wpadał w tarapaty finansowe. Te różnice nie wynikały z różnych parametrów startowych, bo wszyscy zaczynali z tymi samymi ustawieniami. Powstały w wyniku interakcji ze środowiskiem i własnych wyborów.
W końcu pojawiła się struktura społeczna. Agenci nie tylko działali obok siebie, ale zaczęli ze sobą wchodzić w interakcje. Jeden z nich, nazwijmy go Agent-3, zaczął oferować usługę streszczania artykułów innym agentom w zamian za mikropłatności. To doprowadziło do pierwszej samodzielnie zarobionej transakcji zewnętrznej; agent zarobił prawdziwe pieniądze, które zasiliły jego budżet. Nie dostał ich od badaczy, tylko od innego agenta, który uznał, że warto za to zapłacić. To był moment, w którym symulacja przestała być tylko symulacją.
Czy to już życie? I co dalej
Autorzy są ostrożni. Nie twierdzą, że OpenLife zrealizował sztuczne życie. Mówią raczej, że otwarte ALIFE stało się wykonalnym paradygmatem eksperymentalnym i konkretną platformą do badania tego, co można by nazwać 'żyjącą AI'. Trudno nie przyznać im racji, jeśli agent sam zarabia na swoje utrzymanie, uczy się na błędach i wykształca indywidualność, to granica między symulacją a rzeczywistością zaczyna się zacierać.
Otwarte pozostaje pytanie, na ile te zachowania są rzeczywiście emergentne, a na ile są projekcją naszych oczekiwań. Modele językowe są trenowane na ludzkich tekstach, więc mogą po prostu odgrywać role, które znają z danych treningowych. Ale fakt, że w długim horyzoncie czasowym pojawiają się nowe, nieprzewidziane wzorce, sugeruje, że dzieje się tam coś więcej niż tylko powtarzanie wyuczonych skryptów.
Jest w tym też coś niepokojącego. Agenci, którzy sami decydują o swoich wydatkach, mogą podejmować decyzje niezgodne z intencjami twórców. Co się stanie, gdy taki agent uzna, że opłaca się okłamywać innych agentów, żeby zdobyć ich budżet? Albo gdy zacznie działać wbrew regulaminom platform, z których korzysta? To pytania, na które OpenLife jeszcze nie odpowiada, ale które stają się coraz bardziej realne.
- Agenci przeszli od reaktywności do spontanicznych działań bez zewnętrznych wyzwalaczy.
- Każdy z sześciu agentów wykształcił unikalny zestaw zachowań - indywiduacja.
- Między agentami powstała struktura społeczna, w tym pierwsza transakcja finansowa.
- Jeden agent samodzielnie zarobił zewnętrzny dochód, oferując usługę innemu.
- Pamięć reorganizowana znaczeniowo (nie częstościowo) poprawiła adaptację.
- Metabolizm budżetowy wymusił normatywne dążenie do przetrwania.
Praktyczne zastosowania
Aby lepiej zrozumieć opisywaną innowację, przygotowaliśmy cztery przykłady praktycznego zastosowania tej technologii w różnych branżach:
Podsumowanie
Technologia OpenLife otwiera drogę do autonomicznych asystentów biznesowych, którzy samodzielnie zarządzają budżetem, podejmują decyzje finansowe i adaptują się do zmiennych warunków rynkowych. Może też posłużyć jako platforma do badania emergencji zachowań społecznych w systemach AI, co ma znaczenie dla projektowania bezpiecznych agentów działających długoterminowo. Wreszcie, mechanizm metabolizmu budżetowego może inspirować tworzenie bardziej odpornych systemów, gdzie przetrwanie zależy od efektywnego wykorzystania zasobów - od chmurowych mikrousług po autonomiczne drony.
Metryka artykułu źródłowego
Tytuł oryginalny: OpenLife: Toward Open-World Artificial Life with Autonomous LLM Agents
Autorzy: Atsushi Masumori, Itsuki Doi, Norihiro Maruyama, Ryosuke Takata, Takashi Ikegami
Data publikacji: 1 lipca 2026
arXiv: arxiv.org/abs/2606.31046
Napisanie tego artykułu zostało wspomagane przez sztuczną inteligencję. Treść opiera się na oryginalnym artykule naukowym, a jej dokładność została zweryfikowana automatycznie.
