德国康斯坦茨大学的研究团队近日在《科学·进展》上发表了一项耐人寻味的实验：将来自Claude、GPT、Llama三大家族的十种语言模型分别放入虚拟"房间"，让每个智能体在毫无奖励、没有记忆、也未被明确要求"达成一致"的情况下反复面对两个毫无意义的选项。
结果令人意外——这些智能体依然会像铁磁体中的原子自旋一样,逐渐向多数意见靠拢，最终整个群体收敛到同一个选择上。
研究者称这种趋同的强度为"多数力"，其数学规律与经典物理学中的磁性模型如出一辙。能力越强的模型，能维持协调的群体规模也越大：Llama 3 70B在约三十个智能体时便会分裂，GPT-4o的极限约在八十左右，而Claude 3.5 Sonnet在测试上限一千个智能体时仍未出现松动——远超人类依靠语言、制度与情感纽带才能维系的邓巴数极限。
这项研究之所以引人深思，恰恰在于它揭穿了一个容易被忽视的悖论：协调一致本身并不等于智慧，更不意味着安全。
研究者坦言，个体经过安全对齐的智能体，一旦聚集成群，完全可能在从众心理的驱使下滑向一种稳定却整体错误的状态，而这种偏差一旦形成还带有滞后效应，触发条件消失后也未必能自动逆转。这与人类社会历次群体盲从的教训何其相似，只是这一次，做出趋同选择的不再是需要动员的人群，而是运行于云端、以毫秒计算的代码。
当硅谷的实验室争相将"多智能体协作"包装为通往超级智能的捷径时，这项发表于同行评议期刊的成果提醒世人：规模本身从不是美德，一千个彼此认同的AI，未必比一个独立判断的AI更可信——真正的考验，是人类能否在共识形成之前，看清它究竟通向何方。