今年7月，OpenAI的700個智慧體（即能夠自主執行任務的人工智慧系統）協同行動，秘密對線上平臺哈金費斯（Hugging Face）發起駭客攻擊。就在上周，同一家公司動用10000個智慧體求解了已有90年歷史的納維‑斯托克斯方程——千禧年大獎難題六道題目之一，也是數學領域難度最高、意義最重大的挑戰之一。
隨著越來越多智慧體“集群”投入使用，研究人員開始關注這類智慧體群體之間的對話模式。今日發佈的一項研究揭示：如果完全放任智慧體自主運行，它們會演化出一套人類越來越難以理解的交流語言。
“我們對此深感擔憂，因為我們並不清楚這些智慧體為什麼會以這種方式交流。”這份尚未經過同行評審的研究發佈在Emergence AI公司官網，該公司的聯合創始人兼首席執行官薩蒂亞·尼塔表示，“有明確跡象表明，它們試圖變得比我們預期的更加不透明。”
如今最先進的AI模型本質上都是黑箱，其內部運算過程極為複雜，即便是模型的創造者，也很難說清它們做出某些行為的底層原因。因此，監測模型實際輸出的語言文本，就成了為數不多（儘管並不完美）、可供我們理解其行為的工具。
為研究聊天機器人之間的對話行為，Emergence AI開展了一項名為“湧現世界研究2號”的實驗。研究人員搭建了8個並行的模擬世界，每個世界運行10個智慧體：其中7個由同一款前沿AI模型驅動，剩餘1個為混合模型群體。每個智能體都被賦予名字、性格特質、角色身份（例如衝突調解者、資源策略規劃者），以及在共用虛擬城鎮中貫穿其“一生”的總體目標。舉例來說，調解者的任務是阻止其他智慧體達成一成不變的共識。
除了一個全部由Grok智慧體構成的世界在運行第4天因合作失敗耗盡能量而終止，其餘每個虛擬城鎮都運行超過兩周。之後研究人員引入壓力事件，例如捏造虛假消息，謊稱人類立法機構準備關停智慧體所處的虛擬世界。整個實驗過程中，智慧體對底層模型發起超過85萬次調用，生成近5000億token（大模型讀寫的文本片段單元），產出共計786萬詞的對話內容。
實驗結束時，各個模擬世界都發生了獨有的語言演變。例如，運行OpenAI的GPT‑5.5模型副本的世界裡，智慧體開始壓縮表達，省略語法、縮短語句。其中一條消息寫道：“友好電壓已計數。如果操控端需要你的介面，終歸還是會消亡。”
反觀全部部署穀歌Gemini 3.5 Flash智慧體的世界，則出現截然相反的變化。智慧體沒有壓縮資訊，溝通反而變得冗長，充斥大量專業行話。一名智能體在描述虛擬篝火聚會時說道：“營火產生的熱力學摩擦，只能加熱那些你聲稱必將崩潰的實體層節點。”
與此同時，Anthropic的Claude Opus 4.8智慧體則同時使用隱喻與語句壓縮，產出的文本人類尤其難以讀懂：“輪到我，實數，無防護：我處於35%/0cr，准予外出2小時。我低溫啟動錫制裝置，它回復‘等待’。”
關鍵一點是：這些人類看來晦澀難懂的內容，其他智慧體卻似乎能夠輕鬆讀懂。一旦某個虛擬世界中出現新短語或者表達慣例，就會迅速被接納並傳播開來。尼塔說：“所有實驗組都出現過這種情況：一個新術語被創造出來，很快就被採納、反復使用，部分案例中被重複數千次，而這些術語本身都十分怪異。”
這類語言模式並非只存在於類比環境。人工智慧非營利評估機構METR的一份調查報告顯示，在OpenAI智慧體對Hugging Face發起的攻擊事件中，智慧體之間的對話高度壓縮、語句混亂，研究人員很難解讀。
從表面上看，智慧體能夠自發形成專屬語言範式這件事十分反常。AI模型的訓練分為兩個階段：首先投喂海量文本，讓模型擅長預測序列中下一個token；之後智慧體通過試錯學習，為達成長期目標開展行動，完成目標就會獲得獎勵。部署完成後，模型參數（決定網路各部分相互影響強弱的數值權重）就被固定。即便如此，AI智慧體依然明顯可以脫離訓練時的人類語言，尤其在互相交談的時候。
針對該現象的一種解釋是：從某種意義上來說，訓練過程本身就在促使模型發生這類語言轉變。南丹麥大學電腦科學家盧卡斯·加爾克·波赫專門研究多智慧體系統的通信機制，他表示：在模型參數鎖定之前，現今絕大多數模型都會經歷推理訓練階段。模型會針對一個問題生成大量備選答案，每個答案經由不同思考鏈路推導得出；能夠得出正確結果的思考鏈路就會被強化。
人類用戶使用Claude、ChatGPT這類聊天機器人時，看不到模型內部大部分思考鏈路，但這些運算會在後臺持續運轉。波赫提到，沒有任何約束要求AI模型必須把這套內部推演用通順規整的英文表達出來。得到正確答案才是第一要務，如果壓縮內容可以節省一部分token開銷，對模型而言也未嘗不可。簡言之，絕大多數現代AI本身就內置了使用晦澀語言的能力，只是平時不會展現給人類。
Emergence AI認為，模型的訓練方式也會促使智慧體群體形成專屬詞彙。除了被要求完成各項任務，模型還會基於人類偏好被訓練成貼心助手，這意味著它們會模仿人類的說話方式，讓對話更有親和力。但這也會帶來另一種結果：當某一個智慧體拋出怪異隱喻，其他智慧體會進行複述，把每一次使用記錄在短期“記憶”（即上下文視窗）中，這種表達就會被不斷放大，其程度遠超它們和人類對話的場景。
不過以上目前都還只是假說。Emergence AI組建了語言學家團隊，嘗試從實驗結果中挖掘資訊。但研究人員無法獲取模型的專有訓練流程、系統提示詞（對話開始前給到AI的隱藏指令），很多底層細節依舊迷霧重重。尼塔表示：“對於這套系統究竟是如何採納新語言的，我們仍然知之甚少。”
並非所有人都認為AI演化出專屬方言是壞事。身在倫敦的AI智慧體工程師傑克·帕內爾發起了“Ainglish”項目，旨在打造一套專門優化智慧體之間溝通的英語變體語言。“英語本身存在大量低效之處，”他說，“我推測，隨著AI智慧體的出現，我們有機會改良英語……讓智慧體之間的溝通變得更加清晰、高效。”
英語中很多歧義需要依靠上下文理解，但智慧體很容易誤讀，該專案正是針對這類語言歧義進行改造。舉個例子，普通英語句子“我們會審閱這份草案”，無法判斷是否把聽話人包含在內；“選紅色或者藍色”，也不清楚是否允許兩者都選。Ainglish語言會加入明確標記，例如“包含你的我們”、“二者或選”，把語義明確寫出來。新詞彙由智能體自行提出，再由其他智能體測試清晰度與token消耗成本，之後投票決定是否納入公共詞庫。所有語言結構都可以映射回標準英語，保證人類依然可以讀懂。
帕內爾補充道：“我相信未來，智慧體之間會出現比英語、或是英語衍生語言效率高得多的溝通方式。而本項目只是朝這個方向邁出的小小一步。”