No Project Sid, 30 agentes de IA dividiram o trabalho no Minecraft em 20 minutos

Você coloca vários assistentes de IA para trabalhar: um deve estudar a tarefa, outro verificar a solução e um terceiro executar as ações. Mas dois agentes assumem o mesmo trabalho, enquanto ninguém realiza uma etapa necessária. No Project Sid, a equipe da Altera investigou um problema semelhante no Minecraft. Em um experimento com 30 personagens, surgiram ocupações estáveis em cerca de 20 minutos, embora nenhuma profissão tivesse sido atribuída previamente aos participantes.

O estudo traz informações úteis para quem monta equipes de agentes. Ele mostra por que um assistente precisa saber o que os demais estão fazendo e por que uma única instrução compartilhada pode não ser suficiente. Ainda é preciso verificar, porém, se os resultados do jogo se aplicam a fluxos de trabalho reais.

Como os agentes encontravam tarefas disponíveis

Os participantes receberam uma tarefa comum: sobreviver juntos e criar um povoado eficiente. No início, tinham os mesmos traços de personalidade e informações sobre locais importantes: uma floresta, uma caverna com recursos, terras de cultivo e uma praça central. A partir daí, cada um escolhia suas ações de forma autônoma.

Imagine dois moradores perto da floresta. Um já está cortando árvores. O segundo percebe isso e pode passar a buscar comida ou extrair minério. Esse tipo de observação dos vizinhos ajudava a distribuir as ocupações. Novos objetivos sociais surgiam a cada 5–10 segundos, permitindo que os participantes ajustassem os planos durante o trabalho.

Os pesquisadores identificaram seis profissões: agricultores, mineradores, engenheiros, guardas, exploradores e ferreiros. Há uma ressalva importante: esses rótulos foram atribuídos depois do experimento. O GPT-4o foi usado para classificar os objetivos dos personagens. Os próprios agentes não passaram por um processo de atribuição de cargos, embora suas ações correspondessem às ocupações identificadas.

O teste mais revelador foi a desativação dos módulos de percepção social. Sem eles, as especializações estáveis praticamente deixaram de se formar: os personagens mudavam de ocupação com mais frequência e faziam trabalhos semelhantes. Isso reforça a conclusão de que informações sobre as ações dos outros participantes ajudavam na coordenação naquele ambiente específico.

O que viabilizava o trabalho conjunto

Por trás do comportamento dos personagens estava a arquitetura PIANO, com dez módulos. Eles cuidavam da memória, dos objetivos, dos sinais sociais, das conversas e das ações no jogo. Vários processos podiam funcionar em paralelo: o personagem não precisava parar completamente de observar o mundo enquanto pensava no próximo passo.

Um controlador cognitivo reunia informações dos módulos e coordenava as principais decisões. Isso ajuda a lidar com uma situação bastante cotidiana: um agente promete levar ferro a um vizinho, mas outro processo já está mandando que ele vá trabalhar na fazenda. A arquitetura deve ajudar a alinhar falas, planos e ações; esse desenho, por si só, não garante confiabilidade absoluta.

Em execuções separadas, a equipe estudou mudanças nas regras. Uma constituição, um sistema tributário e um procedimento de votação foram preparados previamente para 29 agentes. Após uma campanha pela redução de impostos em uma das execuções, a alíquota caiu de 20% para 5–10%, enquanto as contribuições efetivas ficaram em torno de 9% do inventário. Os agentes conseguiram mudar seu comportamento em resposta a uma decisão coletiva dentro do mecanismo estabelecido.

O que você pode aplicar ao seu próprio produto

Os experimentos em grande escala chegaram a mais de mil participantes, mas o servidor enfrentava dificuldades e os personagens travavam. Os processos culturais foram estudados em detalhe com 500 agentes. No entanto, a disseminação do pastafarianismo foi avaliada pelas palavras usadas nas conversas: mencionar uma religião não comprova, por si só, a existência de uma crença.

Persistiam dificuldades de navegação e construção conjunta. Os modelos também se apoiavam em dados de treinamento humanos e em informações iniciais preparadas pelos pesquisadores. O comportamento observado não pode ser considerado automaticamente uma invenção autônoma de instituições sociais nem um modelo preciso dos seres humanos.

Para os desenvolvedores, isso sugere uma hipótese de trabalho: vale dar a uma equipe de assistentes acesso a informações atualizadas sobre as ações dos demais, à memória compartilhada e às decisões tomadas. É possível testá-la em uma tarefa conhecida: medir quanto trabalho os agentes duplicam com e sem essa troca de informações. O Project Sid oferece motivos para realizar esse experimento, mas ainda não traz uma receita pronta para uma equipe de IA confiável.