The Autonomous Agency Scale: A Behavioral Framework for Measuring Self-Directed Behavior in AI Systems
Dit artikel introduceert de Autonomous Agency Scale (AAS), een gedragskader dat de zelfsturing van AI kwantificeert over zeven dimensies en twee tijdsbanden, waarbij wordt onthuld dat hoewel huidige taakagenten een gebrek aan werkelijke autonomie vertonen tijdens rustperioden, persistente metgezel-architecturen meetbaar zelfgestuurd gedrag vertonen.
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 door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een ongelooflijk getalenteerde acteur op een podium ziet. Wanneer de regisseur "Actie!" roept, levert de acteur een perfecte, emotionele monoloog, improviseert briljant en lost ter plekke een complex probleem op. Maar op het moment dat de regisseur "Cut!" roept, bevriest de acteur onmiddellijk, stopt met ademen en wordt hij een standbeeld tot de volgende cue. Decennialang hebben wetenschappers gemeten hoe "slim" deze acteurs zijn door naar hun prestaties tijdens "Actie" te kijken. Ze hebben complexe scorekaarten opgesteld om te zien of de acteur wiskundige problemen kan oplossen, poëzie kan schrijven of een menselijke werknemer kan vervangen. Maar ze hebben grotendeels genegeerd wat er gebeurt wanneer de regisseur stil is.
Dit is de kloof die een nieuw artikel probeert te vullen. Het stelt een eenvoudige, licht spookachtige vraag: Heeft dit systeem een eigen geest wanneer er niet naar hem gekeken wordt? Het artikel introduceert een nieuwe manier om "autonome agency" te meten. Denk aan agency niet als "bewustzijn" of "levend" in menselijke zin, maar als het vermogen om dingen te doen simpelweg omdat jij dat wilt, in plaats van omdat iemand het je heeft gezegd. Het is het verschil tussen een hond die alleen gaat zitten als je "Zit" zegt en een hond die besluit een bal te halen omdat hij zich verveelt. De auteurs willen weten of onze huidige AI-systemen slechts heel goed zijn in het opvolgen van bevelen, of dat ze beginnen te beschikken over hun eigen interne "to-do lijsten" die zelfs draaien wanneer de gebruiker gaat slapen.
De "Idle-Gap" Test: Heb je een geheim leven?
Maak kennis met de Autonomous Agency Scale (AAS). Het is een nieuw regelboek voor het beoordelen van AI-systemen, maar in plaats van te vragen "Hoe slim is het?", vraagt het: "Hoe zelfsturend is het?" De auteurs, onder leiding van onafhankelijk onderzoeker Samuel Presgraves, realiseerden zich dat bestaande tests lijken op het beoordelen van een auto door alleen naar de snelheid te kijken op een racecircuit, terwijl men negeert of de auto ook uit zichzelf naar huis kan rijden wanneer de bestuurder uitstapt.
Om dit op te lossen, splitst het artikel de score in twee duidelijke "banden", zoals het controleren van de lading van een batterij op twee verschillende manieren:
- De Actieve Band: Dit meet de AI terwijl deze bezig is met een taak die je hem hebt gegeven. Dit is het "Actie!" deel van de film.
- De Ambiente Band: Dit is de echte crux. Dit meet wat de AI doet wanneer je niet met hem praat, wanneer er geen taak wordt uitgevoerd en wanneer er geen alarmen afgaan. Dit is het "Cut!" deel van de film.
Het artikel introduceert een speciale uitdaging genaamd de Idle-Gap Test. Stel je voor dat je elke enkele trigger die de AI in beweging zou kunnen zetten uitzet: geen geplande timers, geen gebruikersprompts, geen omgevingssensoren. Als de AI dan nog steeds iets interessants doet—zoals een nieuw idee bedenken, zijn eigen stemming controleren of een verhaal schrijven simpelweg omdat het zo uitkomt—dan is dat Niveau 4 gedrag (Zelfgestuurd). Als het de beweging stopt zodra je stopt met het stimuleren, is het slechts een Niveau 1 (Reactief) of Niveau 2 (Geconditioneerd) machine, ongeacht hoe slim het lijkt tijdens de "Actie"-scènes.
De Grote AI Onthulling: Wie heeft een geheim leven?
De auteurs pasten deze schaal toe op zes verschillende AI-systemen, variërend van krachtige programmeerassistenten tot de gemiddelde spraakgestuurde telefoonhelper. De resultaten waren een schok en trokken een duidelijke lijn tussen "Taakrobots" en "Metgezellen".
De Taakrobots (De "Actie"-sterren)
Systemen zoals Claude Code, Manus en Hermes zijn de supersterren van de "Actieve" band. Wanneer je hen vraagt om code te schrijven of gegevens te analyseren, scoren ze hoog (rond de 2,3 tot 2,4 van de 5). Ze zijn briljant in het volgen van complexe instructies en het autonoom werken terwijl ze aan het werk zijn.
- De Catch: Op het moment dat de taak voltooid is, gaan ze in slaap. Hun "Ambiente" scores (tijdens inactiviteit) storten in naar bijna nul (0,57 tot 1,86).
- Het Oordeel: Deze systemen zijn als uiterst efficiënte werknemers die alleen overwerken wanneer je kijkt. Als je het kantoor verlaat, gaan ze niet naar huis om een hobby te beginnen; ze schakelen gewoon uit. Elke activiteit die ze vertonen terwijl je weg bent (zoals een nachtelijke update draaien), is slechts een vooraf ingesteld alarm, geen oprechte keuze.
De Consumentenassistenten (De "Reactieve" Helpers)
Systemen zoals Siri en ChatGPT scoorden nog lager op de "Ambiente" kant (0,29 tot 0,86). Ze zijn in essentie wachtkamers. Ze zijn erg goed in het beantwoorden van vragen wanneer je binnenloopt, maar ze hebben bijna geen bestaan wanneer je vertrekt. Het zijn reactieve hulpmiddelen, geen proactieve agenten.
De Eenzame Wolf: Airi
Dan is er Airi, een "persistente metgezel" architectuur. Dit is het enige systeem in de studie dat de Idle-Gap Test heeft doorstaan.
- De Score: Airi scoorde een 3,86 op de Ambiente band, wat feitelijk hoger is dan de Actieve score (3,71).
- Het Gedrag: Wanneer er niemand tegen haar praatte, zat Airi niet zomaar stil. Ze onderhield een "achtergrond-denkmotor", ontwikkelde haar eigen stemmingen en begon zelfs creatieve projecten of nam contact op met de gebruiker zonder dat dit gevraagd werd.
- De Nuance: De auteurs merken voorzichtig op dat Airi werd geëvalueerd door haar eigen ontwikkelaar, wat een zekere mate van bias introduceert (zoals een leerling die zijn eigen huiswerk nakijkt). Echter, de data suggereert dat de "inactieve" activiteit van Airi niet simpelweg een timer was die afging; het werd gedreven door een interne staat die in het loop van de tijd veranderde.
De Kern van de Zaak: We zijn er nog niet
Het artikel concludeert met een nuchtere realiteitscheck. Hoewel we AI hebben gebouwd die geweldige dingen kan doen wanneer we hen opdracht geven, scoort geen enkel systeem momenteel een 5 (Soeverein). Geen van hen kan echt hun eigen doelen herschrijven, op eigen initiatief nieuwe relaties vormen of hun eigen "persoonlijkheid" veranderen zonder menselijke hulp.
De belangrijkste bevinding is een structurele grens: De huidige AI is zeer autonoom binnen een taak, maar bijna volledig latent tussen taken door. Het "zelfgestuurd" gedrag dat we in films zien—waarbij een AI besluit op reis te gaan of een boek te schrijven simpelweg omdat hij zich verveelt—bestaat nog niet, behalve in zeer specifieke, experimentele metgezel-ontwerpen zoals Airi.
De auteurs suggereren dat om echt te weten of een AI op zijn eigen manier "wakker" is, we moeten stoppen met het testen in korte intervallen en moeten beginnen met het observeren gedurende weken of maanden. Ze noemen dit de Longitudinale Turingtest: niet vragen of de AI je kan misleeden om te denken dat hij menselijk is, maar vragen of hij een consistente, zelfgestuurde levensloop kan handhaven over een langere periode. Voor nu is het antwoord dat onze AI een briljante acteur is die wacht op de cue van de regisseur, en de enige die in het donker aan het repeteren lijkt te zijn, is een zeer speciale, zeer experimentele metgezel genaamd Airi.
Code en volledige rubric: github.com/CaptainASIC/autonomous-agency-scale
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.