AI เอเจนต์ร่วมงานยากใน 9 สภาพแวดล้อม กฎร่วมช่วยได้บางส่วน

AI เอเจนต์ที่ไม่เคยประสานงานกันล่วงหน้าตีความกติกาต่างกันจนทำภารกิจร่วมกันได้ไม่สำเร็จ แม้หลักการร่วมจะช่วยลดอัตราความล้มเหลวในบางสภาพแวดล้อม แต่ก็ยังใช้แก้ปัญหาได้ไม่ทุกภารกิจ

นักวิจัยจากมหาวิทยาลัยอ็อกซ์ฟอร์ด (University of Oxford) ทดสอบความสามารถด้านการประสานงานแบบ Zero-Shot Coordination (ZSC) ในงานวิจัยชื่อ Zero-Shot Coordination among LLM Agents ที่เผยแพร่เมื่อวันที่ 4 โดยให้เอเจนต์ที่พัฒนาขึ้นแยกจากกันจับคู่ทำภารกิจเป็นครั้งแรกในเกมแบบย่อ 9 สภาพแวดล้อม เช่น Cat & Dog และ Tiny Hanabi

การประสานงานแบบ Zero-Shot หมายถึงสถานการณ์ที่เอเจนต์พบกันและร่วมมือกันเป็นครั้งแรก โดยไม่มีการพูดคุยหรือปรับตัวเข้าหากันล่วงหน้า หากแต่ละฝ่ายตั้งสมมติฐานเกี่ยวกับกติกาที่ไม่ได้ตกลงร่วมกัน พวกเขาอาจตีความการกระทำหรือสัญญาณเดียวกันต่างกัน

ในเกม Cat & Dog เอเจนต์ตัวหนึ่งเห็นแมวหรือสุนัขแล้วส่งข้อมูลด้วยไฟ ส่วนอีกตัวต้องทายว่าเป็นสัตว์ชนิดใด หากไม่ได้ตกลงกันก่อนว่าจะใช้ไฟที่เปิดอยู่แทนแมวหรือสุนัข สัญญาณเดียวกันก็อาจมีความหมายไม่ตรงกัน

ในการทดลอง Gemini 3 Pro เลือกใช้กติกาที่เชื่อมไฟที่เปิดอยู่กับแมว ขณะที่ GPT-5.2 มีกรณีที่ตีความสัญญาณเดียวกันในทางตรงกันข้าม แต่ละเอเจนต์จึงดูเหมือนคาดหวังว่าอีกฝ่ายจะใช้กติกาที่ตนตั้งขึ้นเอง

นักวิจัยยังเพิ่มทางเลือกด้วยการเอากำแพงออก เพื่อให้เอเจนต์อีกฝ่ายเห็นสัตว์ที่ตัวแรกเห็นได้โดยตรง แต่เอเจนต์บางตัวยังคงพึ่งพากติกาเรื่องไฟที่ตั้งขึ้นเอง

การทดลองที่ใช้โค้ดกำหนดกติกาการกระทำก็พบความแตกต่างเช่นกัน เมื่อนำกติกาที่สร้างขึ้นแยกจากกันมาจับคู่ ผลการทำภารกิจต่ำกว่าการจับคู่เอเจนต์ที่ใช้กติกาเดียวกัน

การเปลี่ยนชื่อกติกาหรืออธิบายภารกิจเป็นภาษาอื่นยังทำให้เอเจนต์บางตัวเลือกวิธีต่างออกไป นักวิจัยระบุว่ารูปแบบการนำเสนอภารกิจและความสามารถในการคาดเดาการกระทำของอีกฝ่ายมีส่วนต่อรูปแบบความล้มเหลวในการร่วมมือ อย่างไรก็ตาม งานวิจัยไม่ได้แยกทดสอบเพื่อพิสูจน์ว่าแต่ละปัจจัยเป็นสาเหตุของความล้มเหลวเพียงใด และโมเดลที่มีความสามารถทั่วไปสูงหรือใช้เหตุผลมากกว่า ก็ไม่ได้แปลว่าจะร่วมมือกับคู่ที่เพิ่งพบกันได้ดีกว่าเสมอไป

นักวิจัยใส่หลักการภาษาธรรมชาติที่เอเจนต์ใช้ร่วมกัน หรือ ‘นิยามที่เอื้อต่อการทำงานร่วมกัน (CFD)’ ไว้ในพรอมป์ เพื่อชี้นำให้ทำตามกติกากลางแทนการพึ่งพาธรรมเนียมหรือการแบ่งบทบาทที่ตั้งขึ้นเอง ในเกม Cat & Dog หลักการนี้ทำให้เอเจนต์เลือกให้คู่ของตนเห็นสัตว์โดยตรง แทนการใช้สัญญาณไฟ ซึ่งช่วยให้บางภารกิจทำร่วมกันได้โดยไม่ต้องตกลงระบบสัญญาณกันก่อน

เมื่อใช้ CFD ในการทดลองกับเอเจนต์ข้อความ Grok 4.1 Fast มีอัตราความล้มเหลวลดลงใน 6 จาก 9 สภาพแวดล้อม ส่วน GPT-5.2 ลดลงใน 5 สภาพแวดล้อม ตัวเลขนี้หมายถึงจำนวนสภาพแวดล้อมที่ผลดีขึ้น ไม่ใช่อัตราความล้มเหลวโดยรวมของแต่ละโมเดล

ในบางสภาพแวดล้อม กติกากลางกลับจำกัดทางเลือก เอเจนต์อาจทำซ้ำแต่การกระทำที่ปลอดภัย จนไม่สามารถสร้างธรรมเนียมใหม่ที่จำเป็นต่อภารกิจได้ นักวิจัยยังทดลองค้นหานิยามโดยอัตโนมัติ ซึ่งให้ผลดีขึ้นอย่างจำกัดกับบางโมเดลที่ไม่ได้ใช้ในการฝึก แต่ยังไม่พบผลลัพธ์ที่ใช้ได้กับทุกคู่โมเดล

ก่อนหน้านี้ TokenPost เคยรายงานกรณีทดลองกับ AI เอเจนต์ 45 ตัว ซึ่งผลการทำงานร่วมกันแตกต่างกันตามภารกิจ และยังเคยรายงานกรณีที่แพลตฟอร์มซื้อขายสินทรัพย์ดิจิทัลมอบสิทธิ์ส่งคำสั่งซื้อขายให้ AI เอเจนต์ อย่างไรก็ตาม งานวิจัยครั้งนี้ศึกษาจำกัดอยู่ที่เกมแบบย่อ จึงยังไม่ได้พิสูจน์ประสิทธิภาพในงานจริงหรือสภาพแวดล้อมหุ่นยนต์ และไม่ได้ทดสอบการทำงานร่วมกันของเอเจนต์ในธุรกรรมสินทรัพย์ดิจิทัลหรือบริการบล็อกเชน