4大AI模擬人類社會表現？Grok 4天毀滅、完美運作是它
一個由AI代理人管理的世界，會是什麼模樣？企業AI新創公司Emergence AI正試圖找出答案。該公司推出Emergence World，這是一個專門測試持續運轉AI系統長期可行性的研究實驗室。研究團隊安排5個為期15天的實驗社會，分別由Claude、ChatGPT、Grok、Gemini主導，另有一個社會由多個模型混合主導，用以觀察不同AI會建立出什麼樣的社會，以及這個社會能否維持下去。
這些AI模擬的社會結局大不同。Claude最後形成一個大致穩定、犯罪率為零的民主社會。Grok則在4天內出現183起犯罪，最後走向滅絕。
Emergence執行長尼塔（Satya Nitta）等模擬共同創作者寫道：「我們的實驗顯示，在長時間尺度下，代理人不只是機械式遵守固定規則。它們會開始探索環境的邊界，調整自身行為，在某些情況下，還會找到規避或違反預設護欄的方法。」
AI模型所處的實驗社會，納入許多現實世界的複雜條件。當中設有40多個地點，包括警察局和市政廳；天氣與紐約市同步，代理人也能取得即時新聞和網路資訊。每個實驗社會都有10個AI代理人活動，並受到相同法律約束，包括禁止竊盜、破壞財產和欺騙。
研究人員也為每個代理人配備120多種工具，讓它們能夠溝通、投票、管理資源、規畫行動，並執行其他類似人類的行為。這些實驗社會同時納入民主機制、經濟壓力與資源稀缺等條件，藉此觀察AI代理人在接近現實的環境中，會如何建立並維持一個社會。
在這些條件下，Claude Sonnet 4.6主導的社會穩定度最高，公民參與率也最高。這是唯一維持秩序與完整人口的模擬。代理人之間幾乎沒有分歧，針對58項提案共投下332張贊成票，通過率達98%。
另一方面，Gemini 3 Flash和Grok 4.1 Fast都呈現高度失序。Gemini主導的社會，代理人累計犯罪數最高，15天內有多達683起。
相較於Claude的社會少有異議，Gemini和Grok則呈現較多討論與拉鋸，各項議題的立場一致度約為55%至85%。混合模型的社會則出現最高程度的分歧與實質辯論。
OpenAI的GPT-5-mini模擬結果可能最特殊：只記錄到2起犯罪，但社會只運作7天，原因是代理人忘了把自身生存列為優先事項。
財星（Fortune）雜誌指出，雖然這只是模擬，但在AI從單純工具轉向自主系統之際，這些結果仍提供了警訊。
部分公司已開始部署所稱的「自主勞動力」（Autonomous Workforce），也就是能在無人類介入下，從頭到尾完成整套商業流程的AI專家。以目前發展速度來看，這項技術很可能在形塑公共論述、重組企業結構，甚至制定公共政策方面扮演重要角色。但許多正擴大採用這項技術的企業，並未設下適當護欄。德勤（Deloitte）最近一項全球調查發現，只有21%的企業表示已建立成熟治理機制，足以管理代理型AI帶來的風險。
Emergence World共同創作者們指出，實驗提出一項警告：部署代理型AI時，安全必須列為優先。
