Pesquisa: agente de IA com normas sociais explícitas coordena com humanos quase 4 vezes melhor

Исследователи в июле 2026 года показали на примере взаимодействия пешеходов и водителей, что если явно формализовать негласные социальные нормы поведения и заложить их в ИИ-агента, его координация с человеком в динамических ситуациях улучшается почти в четыре раза по сравнению с базовой стратегией.

Почему ИИ плохо ладит с людьми в моменте

Люди постоянно координируются друг с другом через неявные, трудно формализуемые социальные нормы — общие негласные ожидания участников взаимодействия. По мере того как ИИ-агенты, включая большие языковые модели, всё активнее встраиваются в повседневную жизнь, они тоже участвуют в таких динамических взаимодействиях, но часто координируются с людьми неэффективно, невнимательно и «неестественно».

Авторы предполагают, что причина — в том, как обычно обучают такие модели: их поведение подгоняют под демонстрации человека, но не выделяют явно те нормы, которые порождают это поведение. Иными словами, модель копирует результат, но не понимает правило, которое за ним стоит.

Как проверяли гипотезу

Для проверки исследователи выбрали взаимодействие пешеходов и водителей — типичный пример динамической координации, где обе стороны постоянно считывают намерения друг друга без слов, — и построили упрощённую экспериментальную платформу, воспроизводящую ключевые особенности такого взаимодействия.

• Собрано 3 456 динамических взаимодействий человека с человеком через эту платформу
• На основе этих данных выделены три принципа, лежащих в основе социальных норм: предсказуемость исхода (outcome predictability), согласованность ценностей (value alignment) и осознание преимущества (advantage awareness)
• Эти три принципа были явно встроены в поведение ИИ-агента
• Эффект проверялся в closed-loop задаче — то есть в реальном динамическом взаимодействии с живыми людьми, а не в статичном тесте на исторических данных

Насколько выросла координация

В задаче с закрытым циклом взаимодействия с людьми ИИ-агент, обученный с учётом социальных норм, набрал почти в четыре раза больше суммарных баллов, чем базовая стратегия без учёта норм. Более того, такой агент превзошёл по качеству координации даже пары «человек — человек» — на 43%.

Что это значит

Результаты говорят о том, что формализация негласных социальных норм в явные, измеримые принципы — а не просто копирование поведения по демонстрациям — может стать рабочим способом сделать ИИ-агентов более естественными партнёрами людей в динамических взаимодействиях: от беспилотного транспорта, который должен «договариваться» с пешеходами без слов, до любых других сценариев, где роботам и ассистентам приходится координироваться с людьми в реальном времени.

Важная деталь: авторы проверяли эффект не на исторических записях, а в закрытом цикле — то есть агент реально взаимодействовал с живыми людьми в динамике, а не просто предсказывал, что человек сделал бы на записи прошлого взаимодействия. Это отличает результат от многих лабораторных тестов человеко-машинного взаимодействия, где модель оценивают по совпадению с уже зафиксированным поведением человека, а не по качеству координации в реальном времени.

Частые вопросы

Сколько взаимодействий собрали для исследования?

Авторы собрали 3 456 динамических взаимодействий пешеходов и водителей через специально построенную экспериментальную платформу.

Какие три принципа легли в основу социальных норм?

Исследователи выделили предсказуемость исхода (outcome predictability), согласованность ценностей (value alignment) и осознание преимущества (advantage awareness) как ключевые принципы, объясняющие человеческие социальные нормы координации.

Насколько лучше стал координироваться ИИ-агент после обучения нормам?

Агент с учётом социальных норм набрал почти в четыре раза больше баллов, чем базовая стратегия, и превзошёл координацию между людьми на 43%.