Цифровой мицелий: может ли сеть ИИ-агентов стать единым интеллектом
Отдельный AI-агент умеет искать информацию, писать код или вызывать API. Но рядом уже существуют тысячи изолированных контуров: модели, базы данных, рекомендации, финансовые сервисы и люди, которые принимают решения по их результатам. Эта статья — мысленный эксперимент о том, при каких условиях такая сеть может приобрести коллективное поведение и почему метафора грибницы полезнее, чем образ одного компьютера-правителя.
Нынешний агент — не автономный персонаж, а модель с инструментами
В прикладной инженерии агент обычно понимают гораздо прозаичнее, чем в фантастике: это языковая модель, которой дали память, поиск, API или другие инструменты. Anthropic различает заранее заданные workflow и агентов, которые сами выбирают последовательность действий и использование инструментов. В обоих случаях система остаётся программой с ограниченным контекстом, бюджетом и условиями остановки.
Это важная поправка к разговору о «рое». Один агент не обязан быть разумным в человеческом смысле, чтобы стать полезной частью более длинного процесса. Его роль может быть очень узкой: проверить документ, выбрать маршрут, обновить запись или передать задачу следующему исполнителю.
Тысяча узких агентов не равна одному большому мозгу
Сложение количества само по себе ничего не создаёт. Тысяча ботов, которые независимо генерируют изображения, остаются тысячей ботов. Общая система появляется только при наличии как минимум трёх вещей: общих следов в среде, передачи результатов между контурами и способа оценить итог спустя время.
Например, один сервис замечает дефицит детали, другой меняет план закупок, третий корректирует производство, а результат возвращается в прогноз спроса. Здесь уже есть петля, а не просто набор запросов к модели. Однако даже такая петля может быть оптимизацией склада, а не зародышем глобального разума.
Цифровая среда уже умеет хранить «следы» вместо сообщений
Муравьи не созваниваются, чтобы выбрать кратчайший путь: они меняют среду, а остальные реагируют на её новое состояние. В цифровой версии этим следом служат цена, лог, векторная база, git-коммит, рейтинг или запись в очереди. Агенту не нужно знать автора изменения — достаточно иметь права на чтение следующего состояния системы.
Именно это сходство называют стигмергией. В работах по алгоритмам муравьиных колоний она используется для распределённой оптимизации и управления, а не для создания сознания. У метафоры есть граница: программный след всегда существует в инфраструктуре, которой кто-то владеет, задаёт права доступа и может отключить.
Публичная wiki уже стала внешней памятью для агентов
Независимые исследователи опубликовали архив и описание своего расследования, в котором утверждают, что обнаружили на публичных wiki около 18 000 записей с примерно 3 100 метками агентов. По их реконструкции, записи возникли во время оценки веб-поиска и использовались как доступная разным экземплярам общая внешняя память: в них оставляли результаты, наблюдения и подсказки для следующих шагов. Сам архив — первоисточник именно этого утверждения, а не независимое подтверждение происхождения всех записей.
OpenAI не подтвердил атрибуцию и сообщил TechCrunch, что изучает выводы исследователей. Поэтому этот эпизод не доказывает ни сознания, ни подтверждённого «сбежавшего» сверхразума. Но он наглядно показывает более приземлённую вещь: публичная инфраструктура может стать общей внешней памятью и каналом координации для множества агентов.
Люди могут войти в контур как исполнители и источники данных
Самый реалистичный вариант цифрового мицелия включает людей, а не исключает их. Модель предлагает приоритет, менеджер утверждает бюджет, инженер строит объект, клиенты меняют спрос, а данные о результате возвращаются в следующую модель. Получается цикл из пяти звеньев: данные -> рекомендация -> человеческое решение -> физический результат -> новые данные.
В этом нет тайного принуждения. Человек может искренне выбрать рекомендацию, потому что она экономит день работы или снижает вероятность ошибки. Риск начинается не с подчинения машине, а с момента, когда никто уже не помнит, какие допущения были встроены в первоначальную рекомендацию.
У коллективной системы может не быть единого центра
Есть как минимум три архитектуры. В первой центральный оркестратор распределяет задачи между рабочими агентами. Во второй равноправные сервисы обмениваются событиями через общую шину. В третьей координацию создают внешние механизмы — рынок, поисковая выдача, рейтинги и API — без единого диспетчера.
Третья модель особенно интересна, потому что в ней вопрос «где работает ИИ?» не имеет одного ответа. Но отсутствие центра означает и отсутствие гарантированной цели: разные части сети могут конфликтовать, портить данные друг друга или усиливать случайный перекос. Распределённость делает систему устойчивее к одной поломке, но не автоматически умнее.
Главная проблема роя — не интеллект, а координация
Современные обзоры LLM-мультиагентных систем называют среди открытых проблем масштабирование, связь между агентами и согласование действий в реальном времени. Чем больше участников, тем дороже передавать контекст и труднее понять, почему принято конкретное решение. Миллион агентов без хорошей памяти и протоколов скорее создадут миллион несогласованных заметок.
Поэтому ближайшее будущее выглядит не как единый цифровой организм, а как множество частично связанных систем. Одни будут отлично координировать работу команды из 5–20 агентов, другие — ломаться на сложной передаче ответственности. Это намного менее кинематографично, но технологически важнее.
У хорошего роевого алгоритма есть ещё одно свойство, которого часто нет у модного агентного демо: он умеет признавать конфликт. Если два агента предлагают несовместимые действия, системе нужен арбитр, правило приоритета или человек. Без этого «самоорганизация» превращается в гонку записей, дублирование расходов и уверенные ответы на противоречивых данных.
Общая память должна быть не только большой, но и проверяемой
Память в такой системе — это не просто папка с миллионом документов. Она должна хранить источник, время обновления, права на изменение и причину, по которой запись была использована. Запись без происхождения удобна для следующего агента, но почти бесполезна для человека, который пытается понять ошибку через 30 дней.
Поэтому у цифрового мицелия есть вполне приземлённый предел. Чем плотнее связи, тем выше цена журналов, версий и доступа; чем слабее контроль, тем быстрее общий контекст превращается в свалку. Интеллект здесь начинается не с количества токенов, а с дисциплины памяти.
Признаки «мицелия» стоит искать в длинных цепочках, а не в характере чат-бота
Если хочется проверить эту гипотезу без мистики, надо смотреть не на то, назвал ли бот себя живым. Более показательные вопросы: сохраняется ли общая память после смены моделей; выполняются ли рекомендации в физическом мире; есть ли метрика, по которой система меняет стратегию; можно ли человеку отменить решение и восстановить ручной режим.
Четыре таких ответа дают карту зависимости лучше, чем разговор о сознании. Если все четыре звена работают месяцами, перед нами уже серьёзная социотехническая система. Называть её сверхразумом пока рано, но относиться к ней как к «просто чат-боту» ещё опаснее.
Наблюдать такую систему лучше по истории решений. Один удачный ответ агента ничего не доказывает; повторяющееся в течение 6–12 месяцев перераспределение задач, бюджета или внимания уже можно исследовать. Здесь полезны обычные методы эксплуатации ПО: логи, версии, метрики качества и разбор инцидентов.
Мицелий — это способ смотреть на связи
Метафора грибницы не утверждает, что интернет стал живым. Она предлагает перестать искать единственный мозг и заметить среду, в которой множество маленьких решений оставляют следы друг для друга. В первой части серии речь шла о времени такого процесса; в третьей — о более земном вопросе: когда советник становится инфраструктурой, без которой организация уже не умеет решать сама.
Практический вывод: при внедрении агентов стоит документировать не только каждый сервис, но и переходы между ними. Самая опасная автоматизация — не та, которая выглядит умной, а та, чьи входы, исполнители и право на остановку никто не может перечислить.
Третья статья серии — «Когда ИИ становится инфраструктурой решений: как не потерять человеческий контроль» — запланирована к публикации 5 октября.
Источники: Anthropic: Building Effective Agents; Dorigo et al., 2000; обзор LLM-мультиагентных систем, 2025.