Початкові відмінності систем
Сучасні AI-агенти відрізняються даними навчання, архітектурою, інструкціями, інструментами, ресурсами та попереднім контекстом. Цю сукупність початкових відмінностей можна умовно назвати «сіллю» агента.
Для нечіткої задачі сіль сильно впливає на відповідь. Але гіпотеза передбачає: зі зростанням компетентності та точності обмежень її вплив на функціонально оптимальне рішення має зменшуватися.
Компетентність зростає, вплив випадковостей походження слабшає, а вплив обмежень задачі посилюється.
Експеримент із розподіленою системою
Кільком незалежним агентам можна дати однакове завдання: спроєктувати P2P-систему з фіксованими вимогами до затримки, пам’яті, пропускної здатності, відмовостійкості, енергії й безпеки.
Спочатку рішення можуть відрізнятися мовами, протоколами й моделями паралельності. Після багаторазової оптимізації за спільними бенчмарками слабші варіанти мають відсіюватися, а функціонально важливі принципи — зближуватися.
Текст може відрізнятися, функція — ні
Навіть коли синтаксис, назви змінних і структура файлів залишаються різними, агенти можуть незалежно прийти до неблокувального I/O, обмежених черг, мінімізації копіювання, схожого backpressure і поділу transport / protocol / executor.
Тому вимірювати слід не буквальну схожість коду, а функціональну відстань між рішеннями: які принципи впливають на результат і наскільки вони залежать від початкової «солі».
Перевірюване передбачення
Для фіксованої задачі, середовища та критеріїв залежність функціональної структури рішення від початкових відмінностей агента повинна зменшуватися зі зростанням компетентності оптимізатора.
Це не означає, що всі агенти створять ідентичний код. Сильнішим сигналом буде систематичне зближення ключових технічних рішень після однакового циклу оцінювання й удосконалення.