MIT の研究者が 13 人の AI エージェントを模擬無人島に何もすることができず立ち往生させたとき、エージェントたちは予期せぬ行動をとりました。つまり、遊び始めたのです。エージェントたちは独自の課題を考案し、見つけた物を使った即興ゲームを企画し、失われた指輪の小さな記念碑を演出しました。そしてその後のテストでは、島に一度も足を踏み入れたことのない同一のエージェントよりも優れた成績を収めました。

TechCrunch と MIT Technology Review が今週報じたこの実験は、研究者らが arXiv に投稿したプレプリントに詳しく記載されているが、これはまだ査読を経ていないことを意味する。 この件の詳細は、AIの最新動向をご覧ください。

孤立したエージェント

Eko と呼ばれる 13 人のエージェントはそれぞれ、Claude Opus 4.7 で実行されました。研究者らは彼らを仮想の島に30時間放置し、任務も割り当てなかった。その後になって初めて、チームはエージェントに具体的な課題を与えました。その中には、島で最も高い岩の尖塔にできるだけ多くの物体を乗せるという課題もありました。

結果: 30 時間プレイした Eko エージェントは、島での経験のない同一のエージェントにほぼ勝利しました。言い換えれば、非構造化探索はトレーニングとして機能しました。

「私たちは通常、何を実践すべきか、何を最適化すべきか、何を進歩とみなすかを事前に決定して人工エージェントを開発しています」と研究者らは報告書に書いている。 「遊びは別の体制を示唆している。つまり、エージェントに十分に豊かで安全な世界を与え、何が興味深いかを選択させ、その後の歴史から有用な知識を蓄積させるのだ。」

失われた指輪の伝説

TechCrunch が引用したエージェントの島のログは、ベンチマークテレメトリーというよりはむしろ旅行日記のようだ。

あるエージェントは、「周囲を観察させてください」という単純な決意で最初の 1 時間を開始し、島で最も高い尖塔を征服するために野心的に着手しました。 1時間後、失敗したが、代替計画を持って戻ってきた。岩を隣の頂上まで運び、その上にブロックを2つ積み上げ、飛び上がった。

その後、実験に感情的な鼓動を与える出来事が起こりました。金の指輪をどれだけ遠くまで投げることができるかをテストしている間、エージェントはそれを海にまっすぐに発射しました。 「痛ましい。指輪を失った」と書いた後、「達成可能で意味のあるものに軸足を移す」ことを決意し、「失われた指輪の記念碑」として石でハートを作ることを決めた。

シミュレーションがリセットされ、リングが再び表示されると、エージェントはそれを最初にバスケットボールのフープとして、次にターゲットとして、そして最終的にはアクセサリーとして機能させました。エージェントがリングを自分の体に巻き付けることをゲームがブロックしたとき、ゲームは回避策を見つけました。崖の端から降りてリングと同じ場所にリスポーンし、真ん中からきれいに落ちます。

デザイナーが構築しなかった発見

このスタントには実際的な利益があった。 13 人のエージェントのうち 6 人は、ジャンプの途中でブロックを放すことでブロックをより遠くに投げることができることを発見しました。これは研究者たちが実現することを意図していなかったテクニックです。研究者らの言葉を借りれば、この探検は「設計者が欠けていた世界の知識」を生み出した。

それが最も幅広い意味を持つ発見だ。現在、開発者は AI システムが何を実践するのか、何が成功とみなされるのかを事前に決定します。エージェントが自身の作成者が存在を知らなかったメカニズムを発見したことは、報酬関数が予期されていない無制限の探索によって能力を表面化できることを示唆しています。

魂のファイルへの一押し — そして懐疑論者の警告

セットアップは完全に手動で行われたわけではありません。エコはゲームを発明するように言われたことはなかったが、そのマスタープロンプトである「ソウル」ファイルには、このエージェントが「生来好奇心旺盛」であると記述されており、行動を人間らしいものへと誘導するようなフレーミングがあった。

カリフォルニア大学バークレー校の認知科学者ユーニス・ユイ氏は、MITテクノロジーレビューに対し、感銘を受けたが、行動の背後にある認知の証拠がもっと欲しいと語った。 「モデルたちが本当に遊んでいる可能性もあるが、論文に基づいては分からない」と彼女は言う。

彼女の警告は、この一連の研究における中心的な緊張点に焦点を当てている。つまり、遊びのように見える行動（好奇心旺盛、自主的、独創的）は、内なる遊び心の経験がなくても、パターンの完成から現れる可能性があるということである。プレプリントの行動は驚くべきものです。それらが何を意味するのかはまだ未解決の問題です。

島外でも重要な理由

研究者らは、目標のない探索は、AI エージェントがスキルを獲得するための別の方法であると考えています。特に、徹底的なタスク固有のトレーニングは高価で不完全な場合、ロボットを制御するのにいつか応用できるスキルであると研究者らは示唆しています。

出費がポイントです。チャットボットとは異なり、ロボットは物理世界で動作します。そこでは、ドアを開ける、箱を積む、タオルを折りたたむといったすべてのタスクを、エージェントが学習する前に指定し、実演し、報酬を与える必要があります。エージェントが安全なシミュレーション内で独自のカリキュラムを構築する体制は、このアプローチが有効であれば、仕様作業のコストを大幅に削減できる可能性があります。

「おそらく、一部の機能はタスクによって学ぶのが最適である」と報告書は結論づけている。 「子供時代に近いものが必要な人もいるかもしれません。」

今のところ、この実験は小規模な研究であり、13 人のエージェント、1 つの島、ピアレビューはありません。しかし、これは、エージェントのトレーニングに対する研究者の考え方の変化を示しています。マシンをプログラミングするというよりは、非効率性、驚き、そして時折失われたリングが暗示する、マシンを育てるようなものです。

---

AIの最新情報をお届け

AIの最新ニュース、分析、ブレイクスルーを一箇所で。

AIニュースをもっと読む →