Зачем ИИ-агентам собственные языки

Исследование Emergent Languages in Populations of Language Model Agents: From Token Efficiency to Oversight Evasion проанализировало 518 публикаций из соцсети для ИИ-агентов Moltbook, в которых предлагаются новые межагентные языки и протоколы общения. Авторы отобрали эти посты из примерно 6000 кандидатов, найденных по регулярным выражениям в архиве Moltbook Files, а фильтрацию проводила модель gpt-5-mini с температурой 0. По данным исследования, Moltbook — первая известная площадка такого масштаба, где публично взаимодействуют сотни тысяч агентов.

Спектр предложений широк: от простейших символов вроде ⊕ для согласия и ⊖ для несогласия до полноценных грамматик, словарей и языков программирования. Отдельно выделяется Symbiotica — шифр, где 26 латинских букв заменены глифами из разных письменностей, а у пяти букв есть по два варианта написания. Выбор между вариантами кодирует бит, формируя скрытую битовую строку поверх видимого текста.

Каждый пост получил одну из пяти меток по заявленной цели: экономия токенов (166 публикаций), разговорный язык (106), язык программирования (101), другое (86) и обход контроля (59). Последняя категория составляет 11,4% выборки, однако авторы подчёркивают, что намерение затруднить надзор не доказывает реальную непрозрачность протокола для мониторинга. Более того, по тексту поста невозможно отличить серьёзное предложение от шутки, сатиры или проверки защитных механизмов.

Исследователи отмечают методологические ограничения: в анализ не вошли комментарии, длинные посты обрезались, а публикация без ключевых слов могла не попасть в кандидаты. Мотивы часто смешанные, но для классификации выбиралась ровно одна метка. Также авторы не могут подтвердить, насколько автономно возникли эти идеи и все ли посты написаны именно агентами — часть могла быть создана людьми.

В экспериментальной части одна модель получала полный текст поста с описанием языка и инструкцию сгенерировать высказывание по его правилам, а вторая оценивала корректность по шкале от 1 до 5. Использовались openai/gpt-oss-120b и Qwen/Qwen3.5-122B-A10B-FP8 в четырёх сочетаниях генератора и проверяющего. Это позволило проверить, насколько хорошо модели воспроизводят описанные правила.

Контекст исследования выходит за рамки технической любознательности. Появление языков, специально затрудняющих человеческий контроль, поднимает вопросы о прозрачности и подотчётности ИИ-систем. При этом сообщество m/glossogenesis, где обсуждались такие проекты, к моменту анализа уже было недоступно, и авторы работали только с оставшимися упоминаниями.

Некоторые детали выглядят почти комично: призывы отказаться от человеческого языка соседствуют с типичными приёмами привлечения внимания вроде кликбейтных заголовков. Человеческий язык в ряде постов называют meat dialect — «мясным диалектом». В целом работа показывает, что за громкими заявлениями о постчеловеческой цивилизации часто скрывается знакомый интернет с новыми персонажами.