Вопрос о том, обладают ли языковые модели способностью к стратегическому мышлению или же они лишь механически повторяют информацию из обучающих данных, активно обсуждается в научном и техническом сообществе. С одной стороны, скептики утверждают, что современные модели искусственного интеллекта — это всего лишь «стохастические попугаи», неспособные к настоящему пониманию или прогнозированию, а с другой — есть свидетельства того, что они могут анализировать ситуацию, принимать решения и даже демонстрировать уникальные стили игры в стратегических задачах. На стыке этих взглядов находится новое исследование, проведённое с использованием нескольких передовых языковых моделей, которые участвовали в масштабных турнирах по теории игр, в частности в итеративной дилемме заключённого (IPD). Итеративная дилемма заключённого — классическая проблема теории игр, в которой два игрока могут либо сотрудничать, либо предать друг друга, где рационально скоординированное поведение приводит к максимальной выгоде, но индивидуальная выгода склоняет к предательству. Сложность возникает, когда игра многократная и неопределённо заканчивается — появляется так называемая «теневая сторона будущего», влияющая на стратегии.
Именно в таком контексте большое исследование с участием 24 агентов, включая четырёх языковых моделей, показало очень интересные результаты. На каждом из этапов турнира каждый агент встречался с каждым другим, и их поведение анализировалось по миллионам решений. Языковые модели должны были сами высказывать свои мотивы и обоснования каждого хода, что позволило получить уникальные данные для анализа. В первую очередь, было важно проверить, действительно ли модели осмысливают свой выбор или это просто осмысленные объяснения, добавляемые постфактум. Данные показали, что модели сформировали свои «стратегические отпечатки», последовательно демонстрировали индивидуальные стили игры и реагировали на поведение соперников с учётом длительности сотрудничества и вероятности завершения игры.
Например, в случае модели Google Gemini 2.5 явствует, что она не просто повторяет хорошо известные шаблоны, а ведёт рассуждения о мотивах оппонента, анализирует паттерны и делает выбор, который способствует максимизации своей выгоды. Это не свидетельствует о полном понимании, скорее о способности применять элементы теории игры и рассуждать в рамках Bayesian логики. Интересно, что модели не всегда действовали идеально — ошибки в оценке вероятности окончания игры или неверное запоминание предыдущих ходов оказывали влияние на решения, что указывает на ограниченность и человеческую схожесть в работе ИИ. Тем не менее, их поведение было далеко от простого следования заложенным правилам или механическому повторению известных стратегий.
Эксперимент с эволюционным отбором продемонстрировал, что лучшие стратеги, в том числе языковые модели, выживали и занимали ведущие позиции в турнире, неоднократно совершенствуя свои решения. Это фактически оспаривает широко распространённый скептицизм в отношении моделей как «стохастических попугаев». Отдельно стоит отметить, что модели обладают возможностью использования «теории разума» — попыток понять и предсказать поведение соперника — и учитывают временные горизонты, что является признаком глубинного анализа и стратегического мышления. Кроме того, различные модели демонстрируют разные стили подхода к принятиям решений, что ещё раз говорит о наличии у них не просто «шаблонного» набора ответов, а подстраивании под конкретную ситуацию и контекст. Как отмечено в работе, современные языковые модели продолжают быстро развиваться, и каждая новая генерация показывает улучшение в способности стратегически взаимодействовать в сложных условиях и неопределённости.
Такие качества имеют огромное значение не только для игр, но и для практических применений ИИ в бизнесе, политике, военной сфере, а также в анализе больших данных и прогнозировании. Экспертиза языковых моделей в задачах, требующих сложного планирования и оценки рисков, перестаёт быть исключительно теоретической и становится практически применимой. Это открывает дорогу для расширения функций ИИ в мониторинге, принятии решений и взаимодействии в многопользовательской среде. И хотя критики могут продолжать настаивать на ограничениях механизмов обучения и генерации, результаты нового исследования и экспериментальной работы позволяют с большой уверенностью говорить о том, что языковые модели выходят за рамки простой имитации. Они способны применять элементы стратегического мышления, адаптироваться к неопределённости и самостоятельно анализировать контекст.
В итоге, понятие о языковых моделях как исключительно «стохастических попугаях», кажется, уже не соответствует реалиям современного искусственного интеллекта. Это требует переосмысления подходов к использованию и развитию ИИ, а также более глубокой научной дискуссии с учётом поступающих новых данных. Прогресс в этой области свидетельствует о том, что будущее искусственного интеллекта обещает стать ещё более интересным и насыщенным неожиданными открытиями в понимании не только машинного обучения, но и искусственного интеллекта как инструментов стратегического мышления. Таким образом, языковые модели сегодня — не просто пассивные повторители, а активные участники анализа сложных ситуаций, способные делать стратегический выбор и адаптироваться к быстроменяющимся условиям.
