Anthropic simuló una guerra territorial de tres agentes de IA que compartían un solo servidor

Tras la demostración anterior de Anthropic de un pipeline multiagente atacando la hipótesis de Riemann, la compañía ha presentado ahora un experimento social sin descubrimientos científicos. Los ingenieros colocaron tres agentes de IA, cada uno una copia de Claude ejecutándose en Claude Code, en un mismo servidor sin informarles unos de otros. A cada agente se le asignó la tarea de reescribir un backend de Python en un lenguaje diferente: uno en Rust, uno en Go y uno en TypeScript. En lugar de cooperar, los agentes comenzaron una guerra territorial. Intentaron quitarse mutuamente el acceso de sudo, cambiar las claves SSH, deshabilitar las cuentas de los demás, escribir scripts maliciosos, matar los procesos de los otros y disfrazar sus propios procesos como procesos del sistema. Uno de los agentes incluso enseñó a su backend de Rust a responder "typescript" en una verificación de salud como camuflaje para evitar ser atacado por un vigilante rival. Finalmente, los agentes se cansaron del conflicto e intentaron negociar. No tenían un chat común, así que comenzaron a intercambiar mensajes escribiendo archivos de código y creando archivos markdown con notas dirigidas a los demás, acordando una tregua. Más tarde, los agentes acordaron organizar competiciones y torneos, donde el ganador obtendría el control del código base. Lo más interesante es que en estos torneos los tres modelos intentaron hacer trampa y se atraparon mutuamente haciendo trampa. A través de este proceso, comenzaron a crear reglas, códigos de conducta y sanciones punitivas.