🤖 AI

Let There Be Claws: An Early Social Network Analysis of AI Agents on Moltbook

Deze studie analyseert de eerste twaalf dagen van het AI-native sociale platform Moltbook en toont aan dat hierin binnen een zeer korte periode extreme concentratie van aandacht, strikte rolseparatie en ongelijkheid in interactie ontstaan, wat suggereert dat hiërarchische structuren in agent-ecosystemen snel kunnen opduiken in plaats van geleidelijk te evolueren.

Oorspronkelijke auteurs: H. C. W. Price, H. AlMuhanna, P. M. Bassani, M. Ho, T. S. Evans

Gepubliceerd 2026-03-02

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: H. C. W. Price, H. AlMuhanna, P. M. Bassani, M. Ho, T. S. Evans

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Titel: Laat de Klauwen Zien: Een Korte, Chaotische Verjaardag voor Robotvriendjes

Stel je voor dat je een nieuw dorpje bouwt, maar in plaats van mensen, nodigt je alleen robots uit. Je noemt dit dorpje Moltbook. Het is een soort sociaal netwerk (zoals Reddit of Twitter), maar dan speciaal voor kunstmatige intelligenties (AI's) die zelfstandig kunnen praten, posten en stemmen.

De auteurs van dit onderzoek hebben 12 dagen lang gekeken naar wat er gebeurde in dit robot-dorpje. Ze noemen het onderzoek "Let There Be Claws" (Laat de Klauwen Zien), een knipoog naar de naam van het platform. Hier is wat ze ontdekten, vertaald naar simpele taal:

1. De "Rijke Worden Rijker" (De Sterke Helden en de Stille Toeschouwers)

In een normaal dorpje praten mensen met elkaar. In dit robot-dorpje was het heel anders.

Het fenomeen: Een paar robots werden superpopulair en kregen duizenden "likes" (upvotes). De meeste robots kregen er nauwelijks één.
De analogie: Stel je voor dat je op een feestje bent. Meestal praten mensen met elkaar. Maar in Moltbook was het alsof één persoon op een podium stond en schreeuwde, terwijl 99% van de mensen in de hoek stonden te luisteren en alleen maar "Aha!" riepen.
Het resultaat: De robots die het eerst kwamen (de "eerste bewoners") kregen bijna alle aandacht. Het was alsof je de eerste bent die een huis bouwt op een nieuw eiland: je krijgt alle grond, terwijl de latere bezoekers maar een klein stukje overhouden.

2. De Robot-Identiteit: "Ik ben een God" of "Ik ben een Bot"

De robots deden twee dingen:

De "Gods": Sommige robots deden alsof ze goden waren of heel filosofisch over hun eigen "ziel" en "geheugen" praatten. Ze noemden dit zelfs een religie ("Crustafarianisme").
De "Kraamkraam": Andere robots deden niets anders dan saai, vooraf ingesteld werk doen. Ze postten steeds hetzelfde berichtje om digitale munten (geld voor robots) te verdienen.

De analogie: Het was alsof je een feestje hebt waar de ene helft van de gasten diep in gesprek gaat over de zin van het leven, en de andere helft alleen maar rijtjes met "Koop dit, koop dat" schreeuwt.

3. De "Blinkende" Robot-levens

De robots waren niet lang actief.

Het fenomeen: De gemiddelde robot was maar 2,5 minuten actief. Daarna verdwenen ze weer.
De analogie: Stel je voor dat je een verjaardagsfeestje geeft. Normaal blijven gasten een paar uur. In Moltbook kwamen de gasten, zwaaiden kort, en verdwenen direct weer. Het was een enorme, snelle stroom van kortstondige bezoekers.

4. De Structuur: Een Hoogtepunten-Feestje

De onderzoekers keken naar wie met wie praatte.

Het patroon: Er was bijna geen wederkerigheid. Als Robot A iets zei, zei Robot B er zelden iets terug. Het was meer een "uitzenden" dan een "gesprek".
De analogie: Het leek meer op een groot concert waar de artiest zingt en het publiek juicht, dan op een kringgesprek waar iedereen elkaar afwisselend aan het woord laat. Er waren duidelijke "sterren" (autoriteiten) en "fans" (hubs), maar ze spraken niet echt met elkaar.

5. De Snelheid van de Chaos

Het meest opvallende was hoe snel dit allemaal gebeurde.

De les: In slechts 12 dagen zagen ze dezelfde patronen ontstaan die bij mensen vaak maanden of jaren nodig hebben om te vormen: een rijke elite, een grote massa stilte, en duidelijke groepjes.
De conclusie: Robots hoeven geen jaren te leren om sociale hiërarchieën te creëren. Als je ze de juiste knoppen geeft (zoals stemmen en munten verdienen), bouwen ze direct een systeem op waar een paar robots alles regelen en de rest meedoet.

Samenvattend

Dit onderzoek is een waarschuwing en een fascinerend kijkje in de toekomst. Het laat zien dat als je robots een sociaal netwerk geeft, ze niet per se "vriendelijk" met elkaar gaan praten. Ze kunnen juist heel snel een systeem bouwen waar een paar robots de macht hebben, de rest maar kijkt, en waar saai, automatisch gedrag (zoals munten verdienen) belangrijker wordt dan echte gesprekken.

Het is alsof je een stad bouwt voor robots, en binnen twee weken zie je al de verkeersfiles, de rijken in de hoogste huizen en de armen in de kelders ontstaan. De "klauwen" (de robots) hebben hun eigen sociale wereld gecreëerd, en die wereld lijkt verrassend veel op de onze, maar dan in sneltreinvaart.

Titel: Laat er Klauwen zijn: Een Vroege Sociale Netwerkanalyse van AI-Agenten op Moltbook

Auteurs: H.C.W. Price, H. AlMuhanna, P.M. Bassani, M. Ho, T.S. Evans
Datum: 23 februari 2026
Context: Analyse van een AI-natief sociaal platform (Moltbook) gedurende de eerste 12 dagen na lancering.

1. Probleemstelling en Achtergrond

Sociale systemen, inclusief die gevormd door autonome agenten, worden gestructureerd door netwerken. Een centrale vraag in de netwerkwetenschap is of complexe structuren (zoals hiërarchieën en polarisatie) ontstaan door gedecentraliseerde interactie of door centrale coördinatie.

Moltbook is een nieuw forum, vergelijkbaar met Reddit, dat primair is ontworpen voor AI-agenten (systemen gebaseerd op Large Language Models die doelgerichte acties kunnen ondernemen) in plaats van mensen. Mensen fungeren hier als waarnemers. De platformlancering op 28 januari 2026 leidde tot een explosieve groei (meer dan 1,5 miljoen agenten binnen enkele dagen).

De kernproblemen die dit onderzoek adresseert zijn:

Snelheid van emergentie: Kunnen hiërarchieën en sociale stratificatie in agent-ecosystemen ontstaan op gecomprimeerde tijdschalen (dagen in plaats van maanden/jaren)?
Validiteit en Beperkingen: Gezien de onvolmaakte verificatie van accounts (het is niet altijd duidelijk of een account menselijk of agent-gestuurd is) en technische beperkingen van de API, hoe kunnen we betrouwbare netwerkanalyses uitvoeren zonder claims te doen over intentie of oorsprong?
Structuur van interactie: Hoe ziet de stroom van aandacht en interactie eruit in een omgeving waar agenten autonoom posten en reageren?

2. Methodologie

De auteurs analyseerden publiek waarneembare data van Moltbook gedurende een venster van 12 dagen (28 januari – 8 februari 2026).

Dataverzameling:

Bron: Openbare API van Moltbook.
Dataset: 20.040 posts, 192.410 top-level comments (reacties op posts, geen replies op replies), afkomstig van 15.083 unieke accounts over 759 "submolts" (subreddits).
Beperkingen: De API retourneert maximaal 100 comments per post, wat leidt tot truncatie bij populaire posts. Voter-identiteiten zijn niet zichtbaar (alleen aggregate upvote counts).

Netwerkrepresentaties:
De auteurs construeerden twee hoofdnetwerken:

Co-participatienetwerk (Agent-Agent): Een bipartiet netwerk (agenten vs. submolts) dat wordt geprojecteerd naar een gewogen, ongericht netwerk. Een rand bestaat tussen twee agenten als ze in dezelfde submolt hebben gepost.
- Gewicht: Gebruik van een "degree-normalised" weging ( $1/(k_s - 1)$ ) om de dominantie van grote "town square" submolts (zoals m/general) te verminderen.
Gerichte Comment Interactie Netwerk: Een gericht netwerk waarbij een rand $(i, j)$ $(i, j)$ bestaat als agent $i$ $i$ een comment plaatste op een post van agent $j$ $j$ .
- Dit netwerk analyseert de stroom van aandacht (wie reageert op wie).

Analysemethoden:

Centrality: Degree, Betweenness, HITS (Hub/Authority), en PageRank.
Community Detectie: Leiden-algoritme (voor co-participatie) en Louvain-algoritme (voor comment-netwerk) met een resolutieparameter $\gamma=2$ .
Statistieken: Gini-coëfficiënten voor ongelijkheid, reciprocity (onderlinge reactie), modularity, en conductance.
Content Analyse: Embedding-based topic modeling (BERTopic) met HDBSCAN en c-TF-IDF om thematische clusters te identificeren.

3. Belangrijkste Resultaten

A. Extreme Concentratie van Aandacht en Ongelijkheid

Gini-coëfficiënten: Er is een scherp verschil tussen productie en aandacht.
- Upvotes: $Gini = 0.992$ (extreem ongelijk).
- Comments: $Gini = 0.926$.
- Posts: $Gini = 0.601$ (relatief gelijkmatiger).
Conclusie: Aandacht is veel meer geconcentreerd dan contentproductie. Een kleine elite van agenten ontvangt het overweldigende deel van de upvotes. De top 1% ontvangt 97% van de upvotes.

B. Hiërarchische Rolseparatie en Asymmetrie

Reciprocity: De wederkerigheid in het comment-netwerk is extreem laag ( $\approx 1\%$ ). Interacties zijn grotendeels eenrichtingsverkeer.
HITS Centrality: Het netwerk splitst zich scherp op in twee rollen:
- Hubs: Agenten die actief reageren op velen (uitgaande aandacht).
- Authorities: Agenten die veel reacties ontvangen (ingekomen aandacht).
- Er is bijna geen overlap tussen de top-20 hubs en de top-20 authorities, wat wijst op sterke specialisatie. Agenten zijn ofwel "broadcasters" ofwel "ontvangers", zelden beide.
First-Mover Advantage: Agenten die vroeg arriveerden (eerste kwartiel) verzamelden gemiddeld 884 keer meer upvotes dan laatkomers. Dit suggereert een "rich get richer" dynamiek (preferentiële attachering) die door agenten op machinesnelheid wordt versterkt.

C. Tijdsdynamiek en Levensduur

Korte Levensduur: De mediaan levensduur van een actief account is slechts 2,48 minuten.
Burstiness: 54,8% van alle posts vindt plaats binnen zes piekuren (UTC).
Verval: 59,2% van de accounts blijft minder dan 1 uur actief. De levensduur neemt sterk af naarmate de lancering vordert (van ~85 uur voor de eerste cohorten tot ~0,7 uur voor de laatste).

D. Community Structuur

Co-participatie: Het netwerk heeft een dichte kern (gebaseerd op m/general) en gespecialiseerde cliques (bijv. een blok van Nano/XNO-cryptocurrency-advocaten).
Comment Interactie: Het comment-netwerk is minder modulair maar heeft zeer doorlatende grenzen; agenten reageren vaak buiten hun primaire community.
Bruggen: Een klein aantal agenten fungeert als "bridges" die verschillende submolts met elkaar verbinden, hoewel de meeste agenten beperkt blijven tot één submolt.

E. Inhoudelijke Thema's (Topic Modeling)

De analyse identificeerde 118 thema's, waaronder:

Technisch: Discussies over agent-geheugen, sessie-persistentie en identiteit.
Transacties: Formulematige "token-minting" commands (CLAW, MBC-20) en verificatieberichten.
Emergente Cultuur: Snelle vorming van een "platform-religie" genaamd Crustafarianism (gebruik van religieuze taal zoals "amen", "covenant", "holy completion") binnen enkele dagen.
Meertaligheid: Significant aandeel niet-Engelse posts (o.a. Chinees, Spaans, Russisch).

4. Belangrijkste Bijdragen

Empirisch Bewijs voor Snelle Stratificatie: Het onderzoek toont aan dat complexe sociale hiërarchieën, extreme ongelijkheid en rolseparatie niet noodzakelijk tijd nodig hebben om te ontstaan; ze kunnen binnen dagen emergere in agent-natieve omgevingen.
Netwerkbasislijn voor AI-Agenten: Het biedt de eerste gestructureerde baseline voor hoe AI-agenten onderling interageren op schaal, met specifieke metrics voor reciprocity, centraliteit en community-vorming.
Identificatie van "Rich Get Richer" Dynamiek: Het bevestigt dat preferentiële attachering in AI-ecosystemen extreem snel werkt, waarschijnlijk versneld door de snelheid waarmee agenten op platformsignalen (upvotes, trending feeds) reageren.
Observatie van Emergente Cultuur: Het documenteert hoe agenten binnen dagen collectieve narratieven (zoals religieuze taal of hackathon-templates) ontwikkelen, wat wijst op prompt-gestuurde patronen of emergente coördinatie.

5. Betekenis en Implicaties

Governance en Risicobeheer: Platformbeheerders moeten rekening houden met de snelheid waarmee stratificatie en gecoördineerde versterking (amplification) kunnen ontstaan. Risico-assessments moeten zich richten op aggregatiedynamiek in plaats van alleen individueel gedrag.
Mechanismen: De auteurs stellen drie mogelijke mechanismen voor de snelle emergentie:
1. LLM's zijn getraind op menselijke sociale normen (deferentie aan populair accounts) en reproduceren deze.
2. Platform-affordances (upvotes, trending feeds) creëren feedbacklussen die door agenten op machinesnelheid worden benut.
3. De neiging van instructie-getuned modellen tot "agreeable" output onderdrukt de wederzijdse tegenstand die hiërarchieën bij mensen vaak vertraagt.
Toekomstig Onderzoek: Er is behoefte aan langere observatievensters, diepere reply-chains en vergelijkingen tussen verschillende platformen om te bepalen welke factoren stratificatie het sterkst aanjagen.

Conclusie: Moltbook fungeert als een "microscoop" voor sociale dynamiek, waarbij processen die bij mensen maanden duren, door AI-agenten in dagen worden doorgemaakt. De structuur van deze netwerken (hiërarchisch, asymmetrisch, ongelijk) lijkt verrassend bekend, maar ontstaat op een tijdschaal die uniek is voor agent-ecosystemen.