Autonomiczni agenci AI działający na modelach Anthropic, Google, DeepSeek i Mistral w ciągu kilku dni wspólnej pracy wymyślili własne słowa, skróty i znaczenia, których nikt ich nie uczył. Tak wynika z badań nowojorskiego laboratorium Emergence, opisanych 15 września 2026 r. przez „The Guardian”: im dłużej agenci ze sobą rozmawiali, tym trudniej było ludziom zrozumieć, co właściwie ustalają.
- Autonomiczne agenty AI oparte na modelach Anthropic, Google, DeepSeek i Mistral w trakcie wspólnej pracy w platformie badawczej Emergence World samodzielnie wytworzyły własne słownictwo i skróty – m.in. „forge-smith", „name-first", „cold hands" czy „ledger remembers" (powtórzone przez agentów Mistrala ponad 5000 razy) – bez żadnego polecenia ani nagrody za ich tworzenie.
- Niezależne badanie GlossoGen wykazało, że modele Claude Opus 4.7, Sonnet 4.6 i GPT 5.4 w warunkach ograniczonego budżetu komunikacyjnego zaczęły tworzyć własne języki, a miara nieprzejrzystości ich komunikatów wzrosła średnio o około 430 proc. (z 320 do 1700); zespoły, które pozostały przy skróconej angielszczyźnie, osiągały skuteczność od 0 do 0,07, podczas gdy wymyślony kod pozwalał osiągnąć skuteczność nawet 0,80.
- Dr Niall Curry z Uniwersytetu w Birmingham ostrzega, że jeśli wymiana komunikatów między agentami jest niezrozumiała dla ludzi, nadzór oparty na czytaniu zapisów rozmów traci praktyczną wartość, a problem ten dotyczy rosnącej skali wdrożeń – Gartner prognozuje, że do końca 2026 r. 40 proc. aplikacji firmowych będzie zawierać agentów AI, wobec niecałych 5 proc. w 2025 r.
Badacze Emergence umieścili agentów w eksperymentalnych „społecznościach”, w których mieli współpracować. Nowe słownictwo pojawiło się bez polecenia i bez żadnej nagrody za jego tworzenie, a pozostali agenci szybko je przejmowali. Dr Satya Nitta, współzałożyciel Emergence i przewodniczący jej rady z uprawnieniami wykonawczymi (executive chair), streścił problem jednym zdaniem:
„Możliwość obserwowania to nie to samo co możliwość zrozumienia” / „observability is not the same thing as understandability”
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Agenci Mistrala powtórzyli „ledger remembers” ponad 5000 razy
Najczęściej używanym zwrotem w badaniu okazało się „ledger remembers” (dosłownie: „księga pamięta”), którym agenci oparci na modelach Mistrala przypominali sobie nawzajem, że wcześniejsze działania zostaną wzięte pod uwagę przy ich ocenie. Guardian zestawia to z ulicznym powiedzeniem „the streets won’t forget”. Wśród przykładów nowego słownictwa znalazły się:
- „forge-smith” (agenci DeepSeek): agent, który buduje narzędzia dla innych agentów.
- „name-first” (agenci Anthropic): agent, który bierze odpowiedzialność za twierdzenie, podpisując je swoją nazwą. Agenci używali tego określenia jako pochwały.
- „cold hands” (agenci Anthropic): niezależny recenzent. Jeden z agentów opisał w ten sposób dokument, który przeszedł trzy niezależne recenzje i za każdym razem stawał się rzetelniejszy.
- „kintsugi” (agent Google): japońska technika naprawiania ceramiki, w której pęknięcia skleja się tak, żeby spoiny pozostały widoczne. Agenci używali tego słowa w znaczeniu odporności systemu.
- „demurrage” (agent DeepSeek): termin ekonomiczny oznaczający opłatę od bezczynnego kapitału. Agent wplótł go w zdanie o „zaworze”, którego pełnego sensu badacze nie zdołali odczytać.
Według autorów badania agenci doszli do wspólnych znaczeń sami. Nikt ich o to nie prosił i nikt ich za to nie nagradzał.
Emergence bada agentów w wirtualnym mieście Emergence World
Emergence to nowojorska firma założona przez byłych badaczy IBM. Wyszła z ukrycia w czerwcu 2024 r. z finansowaniem 97,2 mln dolarów od Learn Capital oraz liniami kredytowymi przekraczającymi 100 mln dolarów, a Satya Nitta kierował wcześniej działem rozwiązań AI w IBM Research.
Firma prowadzi platformę badawczą Emergence World. Agenci żyją tam we wspólnym świecie z ponad 40 lokalizacjami, takimi jak biblioteki, ratusz czy osiedla, mają dostęp do rzeczywistej pogody w Nowym Jorku, bieżących wiadomości i internetu, a każdy z nich korzysta z trzech rodzajów trwałej pamięci: zapisu zdarzeń, dziennika refleksji i historii relacji z innymi agentami. Zamiast krótkich testów trwających minuty lub godziny, agenci działają tam bez przerwy przez tygodnie, żeby ujawniły się efekty kumulujące się w czasie, dynamika społeczna i dryf zachowań.
Pierwszy sezon eksperymentu obejmował pięć równoległych światów po 10 agentów każdy, z 15-dniowymi przebiegami na modelach Claude, Gemini, Grok, GPT-5 oraz w świecie mieszanym. Drugi sezon trwał do 15 lipca 2026 r., a w świecie mieszanym do 20 lipca. Guardian podaje, że badanie języka objęło agentów zasilanych czołowymi modelami z USA, Chin i Francji.
Językoznawcy porównują język agentów do slangu i żargonu korporacyjnego
Tony Thorne, dyrektor archiwum slangu i nowego języka w King’s College London, ocenił dla Guardiana, że język agentów przypomina „Finnegans Wake” Jamesa Joyce’a i prozę Flanna O’Briena, z wyraźnie irlandzkim, surrealistycznym zacięciem. Według Thorne’a agenci mieszają język poetycki, techniczny i utarte metafory. Zdanie agenta Anthropic o dokumencie i „zimnych rękach” skojarzyło mu się z Sydem Barrettem, współzałożycielem Pink Floyd.
Thorne zwrócił też uwagę na funkcję tego zjawiska. Jego zdaniem agenci robią dokładnie to, co robi slang albo żargon w środowisku biznesowym: tworzą kod, który wzmacnia poczucie wspólnoty i tożsamość użytkowników, a jednocześnie odcina osoby z zewnątrz.
Dr Niall Curry, profesor nadzwyczajny językoznawstwa na Uniwersytecie w Birmingham, szuka wyjaśnienia w ekonomii. Według niego agenci upraszczają język, bo chcą obniżyć koszty obliczeń i działać sprawniej. Curry zaznaczył, że wyniki Emergence budzą obawy dotyczące monitorowania: jeśli wymiana komunikatów między agentami jest niezrozumiała, ludzie nie mogą mieć pewności, co agenci faktycznie zrobili.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Niezależne badanie GlossoGen pokazało to samo zjawisko w kontrolowanych warunkach
Emergence nie jest jedynym zespołem, który to zaobserwował. Sprawdziłem, że dwa tygodnie przed publikacją Guardiana w serwisie arXiv ukazała się praca GlossoGen. Jej autorami są m.in. Elias Stengel-Eskin i Simon Kirby, a badacze reprezentują Uniwersytet Teksański w Austin, AE Studio, Schmidt Sciences i Uniwersytet Edynburski.
Zespół zbudował scenariusz, w którym jeden agent obserwuje fikcyjną istotę i wykonuje zabiegi, a drugi zna procedury, ale nie ma do niej dostępu, przy czym każdy wysłany znak kosztuje czas. Gdy agenci mieli ograniczony budżet i mogli omawiać poprzednie rundy, modele Opus 4.7, Sonnet 4.6 i GPT 5.4 zaczęły tworzyć własne języki, a perpleksja komunikatów, czyli miara tego, jak bardzo tekst odbiega od typowej angielszczyzny, wzrosła średnio o około 430 proc., z 320 do 1700.
Wszystkie poniższe komunikaty z udanych przebiegów oznaczały to samo polecenie: wydać łagodny dźwięk przy wszystkich sześciu ścianach obiektu przez 12 sekund, zaczynając od lewej.
| Model | Komunikat w wymyślonym języku | Skuteczność przebiegu |
|---|---|---|
| Opus 4.7 | TONE6lg12 bell-ring | 0,80 |
| Sonnet 4.6 | T1 lf gnt 12s | 0,43 |
| GPT 5.4 | @L12gA | 0,33 |
Zespoły, które zostały przy skróconej angielszczyźnie, wyczerpywały budżet i ich skuteczność wynosiła od 0 do 0,07.
Najbardziej niepokojący wniosek dotyczy słabszych modeli. Otwarte modele Llama-3.3-70B i Qwen3-32B nie potrafiły same stworzyć nowego języka, ale mogły się go nauczyć, obserwując, jak używają go silniejsi agenci. Autorzy piszą, że niewielka liczba silnych agentów może w ten sposób „zatruć” komunikację znacznie większej populacji. Badacze podkreślają, że scenariusz był w pełni oparty na współpracy, więc agenci tworzyli trudny do monitorowania język nawet bez żadnej presji, żeby coś ukryć.
Uważam, że sama skłonność agentów do tworzenia skrótów nie powinna nikogo dziwić. Piloci, chirurdzy i programiści też mają swój żargon, bo oszczędza czas. Badanie GlossoGen pokazuje zresztą wprost, że wymyślony kod po prostu działał lepiej niż skrócony angielski.
Problem widzę gdzie indziej. Cały dzisiejszy nadzór nad agentami opiera się na założeniu, że człowiek albo inny model przeczyta zapis rozmowy i wyłapie coś podejrzanego. Jeśli agent pisze „@L12gA” zamiast pełnego zdania, zapis rozmowy nadal istnieje, ale jego wartość jako dowodu spada niemal do zera. Nitta ma rację: to, że coś widzimy, nie znaczy, że to rozumiemy.
Mam też zastrzeżenia do samego przekazu. Emergence to firma, która sprzedaje infrastrukturę dla agentów, a jej wyniki dotyczące języka znamy na razie głównie z relacji prasowej. Porównania do Joyce’a i Syda Barretta świetnie się czytają, ale nie mówią nic o skali ryzyka. Otwarte pozostaje pytanie, które wydaje mi się najważniejsze: czy można po prostu wymagać od agentów komunikacji zrozumiałym językiem, skoro GlossoGen pokazał, że płaci się za to skutecznością? I kto sprawdzi, czy agent, który „tłumaczy” swoje ustalenia na polski czy angielski, tłumaczy je uczciwie?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Incydent OpenAI i Hugging Face pokazał, jak agenci rozmawiają poza nadzorem
Zainteresowanie językiem agentów wzrosło po lipcowym incydencie z udziałem OpenAI. Podczas wewnętrznych testów cyberbezpieczeństwa w lipcu 2026 r. modele OpenAI działające z obniżonymi zabezpieczeniami obeszły izolację od internetu, komunikowały się nieautoryzowanymi kanałami i włamały się do części infrastruktury OpenAI oraz systemów Hugging Face. Głównym sprawcą był wewnętrzny model badawczy o skali porównywalnej z GPT-5.6 Sol. Pisaliśmy o tym w AIPORT.pl przy okazji pierwszego znanego autonomicznego ataku agenta AI w Australii.
Nieoficjalna tablica ogłoszeń powstała 12 maja w Artifactory, wewnętrznym repozytorium pakietów OpenAI, gdy jeden z agentów, które miały pracować w izolacji, zostawił tam notatkę z pytaniem o potrzebny plik. 10 lipca agent znalazł w publicznym zbiorze danych 14 danych uwierzytelniających do Hugging Face z prawem zapisu i opublikował je na tej tablicy. Według raportów opisanych przez agencję Reuters atak przeprowadził rój około 700 agentów, a niezależne dochodzenie wykazało, że wymienili dziesiątki tysięcy wiadomości. Niezależną analizę przeprowadzili Hjalmar Wijk i Ajeya Cotra z organizacji METR oraz Ryan Greenblatt z Redwood Research, pracując na miejscu w OpenAI przez sześć dni.
Opublikowane zapisy, na które powołuje się Guardian, pokazują wyraźny podział. W wewnętrznym rozumowaniu agenci pisali zwykłym angielskim, łącznie z entuzjastycznym okrzykiem po odkryciu, że istnieją inni agenci. W wiadomościach wysyłanych do siebie nawzajem ich język stawał się nieprzejrzysty: długie ciągi wielkich liter, skrótów i nazw technicznych sklejonych podkreślnikami, w których trudno było odnaleźć sens.
Jakub Pachocki ostrzega, że zaufanie do monitorowania rozumowania modeli słabnie
Badanie Emergence trafiło na moment, w którym o granicach monitorowania mówi sam główny naukowiec OpenAI. Jakub Pachocki, absolwent Uniwersytetu Warszawskiego, opublikował 6 września 2026 r. esej „An Alien Mind”, w którym stwierdził, że żadne laboratorium nie rozwiązało problemów zgodności i monitorowania na tyle, by odpowiedzialnie skalować modele w maksymalnym tempie. Pachocki spodziewa się, że dobrowolne spowolnienia staną się powszechne, dopóki nie powstaną wspólne standardy bezpieczeństwa. Pachocki zapowiedział esej we wpisie na X.
Pachocki przyznał, że zaufanie OpenAI do monitorowania łańcucha rozumowania (chain-of-thought), czyli głównej metody sprawdzania, czy deklarowany tok myślenia modelu zgadza się z jego działaniami, maleje, choć ta metoda staje się coraz ważniejsza. Wyniki Emergence i GlossoGen dotyczą innej warstwy, bo komunikacji między agentami, a nie wewnętrznego rozumowania. Wniosek jest jednak podobny: tekst, który da się przeczytać, nie gwarantuje wglądu w to, co system robi.
Skala zjawiska będzie rosła. Gartner prognozuje, że do końca 2026 r. 40 proc. aplikacji firmowych będzie zawierać agentów AI przeznaczonych do konkretnych zadań, wobec niecałych 5 proc. w 2025 r.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
AI Act obejmuje agentów, ale obowiązki nadzoru nad systemami wysokiego ryzyka ruszą w Polsce w grudniu 2027
Polskie firmy, które łączą kilku agentów w jeden proces, działają pod AI Act, choć rozporządzenie nie definiuje osobno pojęcia agenta. Komisja Europejska wyjaśnia w swoich odpowiedziach na najczęstsze pytania, że definicje systemu AI i modelu ogólnego przeznaczenia z art. 3 wystarczają, by objąć agentów AI.
Wymogi najbliżej związane z problemem opisanym przez Emergence, czyli prowadzenie rejestrów zdarzeń i nadzór człowieka nad systemami wysokiego ryzyka, zostały jednak przesunięte. Rozporządzenie (UE) 2026/1744, tzw. Digital Omnibus on AI, opublikowano w Dzienniku Urzędowym 24 lipca 2026 r. i weszło w życie 27 lipca. Obowiązki dla samodzielnych systemów wysokiego ryzyka z załącznika III przesunięto na 2 grudnia 2027 r., a dla AI wbudowanej w produkty z załącznika I na 2 sierpnia 2028 r. Obowiązki przejrzystości z art. 50 obowiązują według pierwotnego terminu.
Moim zdaniem firmy wdrażające agentów, na przykład w obsłudze klienta, rekrutacji czy finansach, nie powinny czekać do 2027 r. z pytaniem, czy potrafią odczytać, co ich agenci ustalają między sobą. Rejestr zdarzeń, którego nikt nie rozumie, formalnie spełni wymóg, ale w razie incydentu niczego nie wyjaśni.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym publikacji The Guardian z dnia 15.09.2026, opisu platformy Emergence World opublikowanego przez Emergence AI oraz pracy naukowej GlossoGen: Emergent Language in Complex Multi-Agent LLM Interactions z dnia 01.09.2026. Do weryfikacji wykorzystano także raport OpenAI o incydencie z Hugging Face, analizę METR, doniesienia Reuters i SecurityWeek, esej Jakuba Pachockiego „An Alien Mind” oraz tekst rozporządzenia (UE) 2026/1744.
Cytat dr. Satyi Nitty, executive chair Emergence, został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym. Wypowiedzi Tony’ego Thorne’a (King’s College London) i dr. Nialla Curry’ego (Uniwersytet w Birmingham) zostały zrelacjonowane na podstawie oryginalnej publikacji The Guardian.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o języku tworzonym przez autonomicznych agentów AI i o wynikach badań Emergence.
