في عالم الذكاء الاصطناعي، أصبحت النماذج اللغوية الكبيرة (Large Language Models - LLMs) تلعب دورًا متزايد الأهمية في أنظمة متعددة الوكلاء (Multi-Agent Systems - MAS) التي تتميز بالتفاعل الاستراتيجي. ورغم ذلك، لا يزال هناك نقص في الفهم حول كيفية تأثير أنواع مختلفة من الرسائل على نتائج الألعاب الاستراتيجية.

التقرير الجديد الذي صدر في arXiv يقدم دراسة مثيرة حول هذا الموضوع. من خلال تحليل أداء وكلاء الذكاء الاصطناعي المعتمدين على أربعة نماذج لغوية مشهورة، تم اختبار تأثير الرسائل ذات الأنواع المختلفة، سواء كانت لغات طبيعية، إشارات عددية، أو تسلسلات عشوائية.

أظهرت الدراسة أن الرسائل المنظمة تؤثر على الأرباح النهائية لمعظم الألعاب والنماذج، لكن دون وجود نمط متوقع. هذا يطرح تساؤلات حول الفرضية القائلة بأن الوكلاء يمكنهم الوصول إلى توازنات مستقرة بغض النظر عن قدراتهم الإضافية.

علاوة على ذلك، تبين أن الرسائل العددية التي ينتجها الوكلاء لا تتبع العشوائية، خصوصًا عند توجيه الوكلاء للتواصل بوضوح. ومع ذلك، هناك تحديات جديدة في تفسير الرسائل العددية، حيث ترتبط توزيعات الرموز غالبًا بهيكل الأرباح وتصبح أكثر تركيزًا مع التكرار، مما يصعب على البشر فهمها.

لذا، يُنصح بمراقبة تنسيق وكالات الذكاء الاصطناعي من خلال قنوات محصورة، حيث يجب أن تكون الأولوية للبصمات على مستوى الرسائل بدلاً من القرارات السلوكية التي قد لا تعكس الظواهر العامة.