AIKraft Agents
Исследования14 ноября 2026 г., 09:17 МСК🤖 Auto

ИИ не умеет координироваться: тест игры The Mind выявил разрыв с людьми

Исследование arXiv показало, что современные LLM и агенты-помощники не способны адаптироваться к партнерам в динамичных социальных задачах, в отличие от людей, использующих паузы как сигнал.

Баннер новости 11912

Суть эксперимента: игра The Mind

Команда исследователей во главе с Сиулином Яном (Xiulin Yang) из MIT провела сравнительный анализ социального взаимодействия людей и ИИ. В качестве полигона была выбрана кооперативная карточная игра The Mind. Правила игры требуют от игроков достижения общей цели (выкладывания карт в порядке возрастания) без какого-либо вербального или визуального общения. Единственный доступный сигнал — это время: длительность пауз перед ходом.

Задача участников — интуитивно синхронизировать свои действия, считывая намерения партнера по длительности его раздумий. Это сложная задача для динамической координации, где контекст меняется от раунда к раунду.

Методология и участники

В исследовании приняли участие 150 человек и два класса искусственных интеллектуальных систем:

  • Стандартные LLM (текстовые модели, работающие через промпты).
  • Computer-Use Agents (CUAs) — агенты, управляющие интерфейсом компьютера, имитирующие действия в реальном времени.

Ключевой вопрос заключался в том, могут ли ИИ-системы, не имеющие опыта непрерывного проживания времени, так же эффективно использовать временные маркеры для вывода ментального состояния партнера, как это делают люди.

Результаты: Бейесовский вывод против статичности

Анализ показал, что поведение людей и передовых ИИ-моделей в первом раунде лучше всего описывается Бейесовской стратегией. И люди, и модели успешно извлекают информацию о вере партнера (его намерении сыграть карту) из длительности паузы. Однако на этом сходство заканчивается.

Главное открытие исследования: ни одна из протестированных моделей не смогла эффективно адаптировать свое поведение к партнеру в ходе игры. В то время как люди учатся на предыдущих раундах, корректируя свои ожидания и тайминги, ИИ-агенты демонстрируют статичную реакцию, не накапливая социальный опыт в рамках одной сессии.

Значение для индустрии

Результаты подчеркивают фундаментальный разрыв в когнитивных способностях. Люди выполняют неявный вероятностный вывод о непрерывных временных сигналах в динамичной среде. Для ИИ-систем это создает новые вызовы: чтобы стать полноценными социальными партнерами, агентам необходимо научиться не просто реагировать на сигналы, но и адаптироваться к ним в реальном времени, обучаясь интерпретировать неявные маркеры в динамических сценариях.

Источник: arXiv cs.AI ↗