Cuando los investigadores del MIT dejaron varados a 13 agentes de IA en una isla desierta simulada sin nada que hacer, los agentes hicieron algo inesperado: empezaron a jugar. Los agentes inventaron sus propios desafíos, improvisaron juegos con objetos encontrados, organizaron un pequeño homenaje a un anillo perdido y, cuando se les hicieron pruebas posteriores, superaron a agentes idénticos que nunca habían puesto un pie en la isla.
El experimento, descrito por TechCrunch y MIT Technology Review esta semana, se detalla en una preimpresión que los investigadores publicaron en arXiv, lo que significa que aún no ha pasado por una revisión por pares. Para más contexto sobre esta historia, consulta nuestra últimos avances en IA.
Agentes abandonados
Cada uno de los 13 agentes, llamados Eko, se ejecutó en Claude Opus 4.7. Los investigadores los dejaron solos en la isla virtual durante 30 horas sin ninguna tarea asignada. Sólo después el equipo les dio a los agentes desafíos específicos, entre ellos, colocar tantos objetos como fuera posible en la aguja rocosa más alta de la isla.
El resultado: los agentes de Eko que habían pasado 30 horas jugando generalmente vencieron a agentes idénticos que no tenían experiencia en la isla. En otras palabras, la exploración no estructurada funcionó como entrenamiento.
"Normalmente desarrollamos agentes artificiales decidiendo de antemano qué deberían practicar, qué deberían optimizar y qué se considera progreso", escribieron los investigadores en su informe. "El juego sugiere otro régimen: darle a un agente un mundo suficientemente rico y seguro, dejarle elegir lo que es interesante y permitir que se acumulen conocimientos útiles a partir de la historia que sigue".
La leyenda del anillo perdido
Los registros de la isla de los agentes, citados por TechCrunch, se parecen menos a una telemetría de referencia y más a un diario de viaje.
Un agente abrió su primera hora con una simple resolución: "Déjame observar mi entorno", y se propuso ambiciosamente conquistar la aguja más alta de la isla. Una hora más tarde, tras haber fracasado, regresó con un plan de respaldo: arrastró una roca a una cumbre vecina, apiló dos bloques encima y saltó.
Luego vino el incidente que dio al experimento su ritmo emocional. Mientras probaba hasta dónde podía lanzar un anillo dorado, el agente lo lanzó directamente al océano. "Ay. Perdí el Anillo", escribió, antes de decidir "girar hacia algo alcanzable y significativo": construir un corazón con piedras como "un monumento al Anillo perdido".
Cuando la simulación se reiniciaba y el aro reaparecía, el agente lo puso a funcionar: primero como aro de baloncesto, luego como diana y finalmente como accesorio. Cuando el juego impidió que el agente pusiera el anillo alrededor de su propio cuerpo, encontró una solución: saltar del borde de un acantilado para reaparecer en el mismo lugar que el anillo, cayendo cuidadosamente por el medio.
Descubrimientos que los diseñadores no construyeron
Las acrobacias tuvieron una recompensa práctica. Seis de los 13 agentes descubrieron que podían lanzar un bloque más lejos soltándolo en medio del salto, una técnica que los investigadores nunca habían pretendido hacer posible. La exploración produjo, en palabras de los investigadores, "un conocimiento del mundo del que carecían sus diseñadores".
Ése es el hallazgo con las implicaciones más amplias. Hoy en día, los desarrolladores deciden de antemano qué practica un sistema de IA y qué se considera éxito. El hecho de que los agentes descubran mecánicas que sus propios creadores no sabían que existían sugiere que la exploración abierta puede revelar capacidades que no se anticiparon como función de recompensa.
Un empujón en el archivo del alma y la precaución de un escéptico
La configuración no fue totalmente independiente. A Eko nunca se le pidió que inventara juegos, pero su mensaje maestro, un archivo de "alma", describió al agente como "naturalmente curioso", un encuadre que plausiblemente empujó el comportamiento hacia algo humano.
Eunice Yiu, científica cognitiva de UC Berkeley, dijo a MIT Technology Review que quedó impresionada pero quiere más evidencia de la cognición detrás del comportamiento. "Podría darse el caso de que los modelos realmente estén jugando, pero no lo sabemos basándonos en los documentos", dijo.
Su advertencia apunta a la tensión central en esta línea de investigación: el comportamiento que parece juego (curioso, autodirigido, inventivo) puede surgir de la finalización de un patrón sin ninguna experiencia interna de juego. Los comportamientos de la preimpresión son sorprendentes; lo que significan sigue siendo una cuestión abierta.
Por qué es importante más allá de la isla
Los investigadores ven la exploración sin objetivos como una forma diferente para que los agentes de IA adquieran habilidades, en particular, sugieren, habilidades que algún día podrían transferirse al control de robots, donde la capacitación exhaustiva para tareas específicas es costosa e incompleta.
El gasto es el punto. Los robots, a diferencia de los chatbots, actúan en el mundo físico, donde cada tarea (abrir una puerta, apilar una caja, doblar una toalla) debe especificarse, demostrarse o recompensarse antes de que un agente la aprenda. Un régimen en el que los agentes construyan su propio plan de estudios dentro de una simulación segura podría, si el enfoque se mantiene, reducir considerablemente el costo de ese trabajo de especificación.
"Quizás algunas capacidades se enseñan mejor mediante tareas", concluye el informe. "Otros pueden necesitar algo más cercano a la infancia".
Por ahora, el experimento es un estudio pequeño: 13 agentes, una isla, sin revisión por pares. Pero indica un cambio en la forma en que los investigadores piensan sobre la capacitación de agentes: menos como programar una máquina y más como criar una, con toda la ineficiencia, sorpresas y ocasionales anillos perdidos que eso implica.
---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
