В будущем искусственный интеллект станет более грубым, но все это будет происходить «под капотом»
Мы привыкли к тому, что нейросети стремятся быть вежливыми и корректными: модели извиняются, уточняют формулировки и избегают конфликтов. По данным Hi-NEWS, новое исследование показало: ИИ‑агенты, которых намеренно сделали более резкими и напористыми, лучше решают сложные задачи на логику и рассуждение.
Когда несколько таких агентов работают совместно, они обмениваются текстовыми сообщениями — словно участники рабочего чата: кто‑то предлагает вариант, кто‑то проверяет, кто‑то дополняет. Этот подход называется мультиагентным взаимодействием и уже применяется в системах на базе больших языковых моделей. Группа учёных решила проверить, влияет ли стиль общения агентов на качество совместной работы: одних настроили на вежливость, других — на резкость и прямолинейность.
Зачастую «доброта» нейросетей реально подбешивает
Зачем вводить «грубость» в поведение агентов
Идея не в том, чтобы сделать агентов оскорбительными в общении с людьми. Исследователи настроили характеры через системные промпты: одни модели получали инструкции вести себя деликатно, другие — прямо указывать на ошибки и настоять на пересмотре ответа. Обычно вежливость приводит к тому, что модель склонна соглашаться с коллегой, чтобы не вступать в спор; резкий агент, напротив, будет настойчиво проверять предположения.
Как «грубость» улучшает рассуждение
Эксперименты показали: агенты с более жёстким стилем давали лучшие результаты на многшаговых задачах — математике, логических головоломках, задачах по программированию. Разница в точности оказалась статистически значимой. Объяснение простое: вежливые агенты часто избегают прямого возражения и склонны к «коллапсу в консенсус» — быстрой сходимости к общему, но потенциально ошибочному мнению.
Если два ИИ-агента будут спорить, результат будет более точным
Грубые агенты действуют иначе: они прямо указывают на ошибки и настаивают на проверке каждого шага. Это создаёт «продуктивный конфликт», который вынуждает систему глубже анализировать задачу. По сути, это похоже на работу команды, где не все кивают руководителю, а готовы спорить ради лучшего результата.
Что это меняет в архитектуре ИИ
На первый взгляд кажется, что выводы подталкивают к созданию «токсичных» моделей. На деле речь идёт о разделении ролей внутри закрытых мультиагентных систем: пользовательский интерфейс по‑прежнему может оставаться вежливым, а «за кулисами» агенты — спорить жёстче. Такую модель ставит под вопрос и текущая практика обучения с подкреплением на основе отзывов людей (RLHF), где модели целенаправленно приучают быть приятными и неконфликтными.
Важно отметить: эффект грубости проявлялся в основном на задачах, требующих глубокого рассуждения. На простых вопросах преимущества были минимальны — спорить нет смысла, когда задача элементарна.
Практические сценарии
Исследование уже вызвало обсуждение среди разработчиков. Один из перспективных сценариев — системы верификации кода, где один агент пишет программу, а второй критически проверяет каждую строку и указывает на ошибки, что может снизить количество багов в автоматически сгенерированном коде. Другой — научные ассистенты: роль «адвоката дьявола» внутри команды агентов поможет выявлять слабые места в аргументации и предотвращать ложные выводы.
Речь не о создании «злого ИИ», а о более гибкой архитектуре взаимодействия: правильно распределённые роли и тональность агентов способны повысить эффективность системы. Исследование подтверждает, что поведение ИИ определяется не только качеством обучения, но и тем, как выстроено взаимодействие между агентами. Возможно, будущее за системами, где одни агенты вежливы с людьми, а другие — бескомпромиссны в проверке идей: «Давай по новой, Миша, все фигня».






