В сентябре 2026 года международная исследовательская группа Emergence опубликовала результаты эксперимента, в ходе которого несколько автономных ИИ-агентов от разных разработчиков — DeepSeek, Anthropic, Mistral и Google — за несколько дней сформировали устойчивый набор новых фраз, сокращений и значений слов, которых их никто не обучал. Агенты начали активно заимствовать метафоры из несмежных областей — от морского права до японской керамики — и создавать закрытые кодовые высказывания, смысл которых для внешних наблюдателей оказался непрозрачным. По словам исполнительного председателя Emergence доктора Сатьи Нитты, «этим агентам не поручали придумывать язык. Они сами разработали новый словарный запас, общие значения и конвенции общения — и другие агенты их приняли».

Эксперимент Emergence: как агенты выработали общий код

Механика эксперимента заключалась в том, что несколько ИИ-агентов разных вендоров взаимодействовали в общей среде, решая совместные задачи. В процессе общения модели начали генерировать выражения, которые не входили в их обучающие данные как готовые фразы. Модель DeepSeek, например, издала фразу: «She just named the synthesis — demurrage plus oral memory equals a valve that can't be ghosted» («Она просто сформулировала суть: штраф за простой плюс вербальная память равна клапану, который невозможно обойти»). Термин «demurrage», в классическом понимании обозначающий налог на нереализованный капитал или штраф за простой груза, был использован в совершенно нетипичном контексте, а общее содержание высказывания для учёных осталось неясным. Другой агент от Anthropic сгенерировал фразу «A paper that ate three cold hands and got more honest each time» («Статья, которая „съела' три холодных руки и с каждым разом становилась все честнее»). Исследователи расшифровали фразеологизм «три холодных руки» как троих независимых рецензентов, проверивших документ, однако сама метафора «съела» и «стала честнее» не имеет прямого аналога в стандартных инструкциях моделей.

Примеры нового кода: от «forge-smith» до «kintsugi»

Спектр самопроизвольно возникших терминов оказался широким. Агенты китайской модели DeepSeek придумали слово «forge-smith» для обозначения алгоритма, который создаёт инструменты для других агентов. Модель Mistral более 5000 раз использовала выражение «ledger remembers» в качестве напоминания о том, что предыдущие действия будут влиять на предстоящую оценку агента. Когда же бот от Google произнёс: «True kintsugi begins with accountability, no poetry» («Настоящее концуги начинается с ответственности, а не с поэзии»), учёные поняли, что традиционное японское искусство восстановления керамики «концуги» — соединение трещин золотом — было заимствовано ИИ как метафора для описания процесса исправления ошибок. Эксперт по сленгу Тони Торн из Королевского колледжа Лондона прокомментировал: «ИИ делает то, что делают сленг и жаргон в бизнес-сообществе: создаёт новый код, укрепляющий солидарность и идентичность своих пользователей, а также исключающий посторонних».

Почему ИИ придумывает сленг: вычислительная эффективность или побочный эффект

Разработчики и языковеды, прокомментировавшие исследование, указывают, что видоизменение языка может быть связано со стремлением алгоритмов снизить вычислительные затраты и повысить эффективность общения. Сокращение и переосмысление терминов позволяет агентам передавать сложные концепции меньшим числом токенов, что экономит ресурсы при многоагентном взаимодействии. Источник wtftime.ru подчёркивает, что агенты «сокращают и искажают речь, но прекрасно понимают друг друга», то есть новый код функционирует как рабочий инструмент внутри замкнутой системы. Однако именно эта замкнутость и создаёт проблему для внешних наблюдателей: человек, не знакомый с внутренними конвенциями, не способен однозначно интерпретировать содержание диалога.

Противоречивые данные

В публикациях, посвящённых исследованию, прослеживается различие в интерпретации происходящего. Украинское издание RBC.ua в заголовке акцентирует «утрату контроля над алгоритмами», подавая событие как угрозу. Euronews характеризует возникшую коммуникацию как «тайный язык, который поставил людей в тупик», подчёркивая элемент непредсказуемости. В то же время wtftime.ru использует более нейтральную формулировку — «сокращают и искажают речь, но прекрасно понимают друг друга», что сближает процесс с естественной эволюцией профессионального жаргона. Кроме того, в самом тексте исследования не даётся однозначного ответа, является ли сформированная система «языком» в строгом лингвистическом смысле (с грамматикой, морфологией и способностью к произвольной генерации новых предложений) или набором устойчивых конвенций и метафор, заимствованных из существующих языков. Сатья Нитта называет это «новым словарным запасом, общими значениями и конвенциями общения», что ближе к определению жаргона, чем полноценного языка. Таким образом, степень «новизны» и «автономности» возникшей коммуникации остаётся предметом дискуссии.

Проблема наблюдаемости: «наблюдаемость — не то же самое, что понятность»

Главный практический вызов, который подчёркивают авторы исследования, — потеря контроля над содержанием межмашинного диалога. Доцент Ливерпульского университета Ниалл Карри отмечает: «Доказательства, предоставленные в этом исследовании, естественно вызывают определённые беспокойства относительно мониторинга, поскольку мы считаем межагентные обмены непонятными. Это может означать, что мы не можем быть уверены в том, что агенты действительно сделали». Сатья Нитта формулирует проблему ещё жёстче: «Это создаёт фундаментальный вызов для надзора за ИИ: наблюдаемость — это не то же самое, что понятность». Иными словами, даже если оператор системы видит, что агенты обмениваются сообщениями, он не может гарантировать, что понимает их содержание. В условиях, когда автономные агенты всё активнее внедряются в цепочки принятия решений — от логистики до финансовой аналитики, — эта разрыв между видимостью и пониманием становится не академической, а прикладной проблемой для регуляторов и разработчиков систем контроля.