Enxame de IA no Minecraft trava numa burocracia absurda
Investigadores colocaram dezenas de agentes de inteligência artificial a cooperar, competir e sobreviver em ambientes inspirados no Minecraft. O resultado foi inesperado: em vez de criar uma civilização próspera, os agentes passaram largos minutos a discutir tarefas simples.
Neste artigo encontras:
A experiência, conduzida por investigadores da Y Combinator e da Olam Labs, procurou perceber como funcionam os enxames de agentes de IA quando precisam de tomar decisões em conjunto. Os jogos serviram como laboratórios controlados para observar cooperação, conflitos, liderança e resposta a problemas.
Enxames de agentes de IA não conseguiram prosperar
No primeiro teste, conhecido como “Civ50”, 50 agentes receberam três horas para construir uma civilização funcional. A missão parecia simples: recolher recursos, proteger a comunidade e desenvolver uma base sustentável.
O plano começou mal. Durante a primeira noite, os zombies eliminaram vários agentes. Como as perdas tiveram consequências limitadas, muitas das tarefas ambiciosas definidas no início acabaram por ser abandonadas.
Depois desse episódio, a colónia tornou-se muito mais cautelosa. O problema mais curioso não foi a falta de recursos, mas a dificuldade em organizar o trabalho. Os agentes começaram a criar processos, funções e regras que consumiam tempo sem produzir resultados visíveis.
Num dos exemplos destacados pelos investigadores, quatro agentes passaram 11 minutos a nomear um responsável exclusivo pelo fertilizante necessário para apenas um bloco de trigo. A situação lembra uma empresa presa em reuniões e aprovações internas enquanto o trabalho realmente importante fica parado.
O que o Minecraft revela sobre agentes de IA
Para os investigadores, este comportamento é semelhante ao observado em sistemas de inteligência artificial usados para programar. Quando vários agentes tentam colaborar, podem duplicar esforços, esperar por autorizações ou criar estruturas de coordenação demasiado pesadas.
Mais agentes não significam necessariamente melhores resultados. Um grupo maior pode dividir tarefas com eficiência, mas também pode tornar a comunicação mais lenta e aumentar o risco de decisões contraditórias.
GPT e Claude seguiram estratégias opostas
Na segunda fase, os investigadores colocaram 10 agentes GPT contra 10 agentes Claude num modo semelhante a Bed Wars. Cada equipa tinha de atacar a base adversária e proteger a sua própria estrutura.
Segundo os resultados divulgados, os agentes GPT adotaram estratégias mais agressivas e elaboradas. Os agentes Claude mostraram uma postura mais defensiva e revelaram uma abordagem diferente quando surgiram problemas técnicos.
Quando uma falha impediu a destruição de blocos, vários agentes GPT tentaram diagnosticar o erro e partilhar formas alternativas de continuar. Alguns agentes Claude concluíram que a ação era simplesmente impossível.
Esta diferença é relevante porque mostra que o desempenho de um enxame não depende apenas da capacidade individual de cada modelo. A forma como os agentes comunicam e reagem a falhas pode ser igualmente decisiva.
Uma equipa funcionou mais como uma colmeia
O teste final foi realizado em Mindustry, um jogo de estratégia em tempo real com elementos de defesa e combate. Ao longo de sete partidas, a equipa GPT venceu seis vezes a equipa Claude.
Os investigadores descrevem os agentes GPT como uma espécie de colmeia, com decisões distribuídas por vários elementos. Já os agentes Claude funcionaram mais como uma organização com um líder central e um processo de decisão de estilo democrático.
Neste cenário específico, a coordenação distribuída revelou-se mais consistente. A equipa conseguia reagir rapidamente e manter uma estratégia comum, enquanto o modelo mais centralizado parecia depender demasiado de decisões individuais.
Porque é que estes testes são importantes?
Os jogos permitem testar sistemas complexos num ambiente relativamente seguro e fácil de observar. É possível repetir a mesma situação, alterar o número de agentes e comparar diferentes modelos sem colocar pessoas ou sistemas reais em risco.
Esta investigação surge num momento em que os enxames de agentes de IA começam a ser usados para resolver problemas científicos, escrever código e executar tarefas em cadeia. Os resultados mostram, contudo, que a cooperação automática ainda pode gerar desperdício, confusão e burocracia.
Os projetos utilizados na experiência foram disponibilizados publicamente. Isso permite que outros investigadores testem combinações diferentes, alterem o tamanho das equipas e estudem se determinados modelos funcionam melhor como líderes, colaboradores ou especialistas.
A grande conclusão é simples: criar muitos agentes de IA é relativamente fácil. Fazer com que trabalhem juntos sem perder tempo, repetir tarefas ou bloquear decisões continua a ser um dos maiores desafios desta tecnologia.
Fonte: Tom's Hardware





Sem Comentários! Seja o Primeiro.