När MIT-forskare strandade 13 AI-agenter på en simulerad öde ö utan något att göra, gjorde agenterna något oväntat: de började spela. Agenterna uppfann sina egna utmaningar, improviserade spel med hittade föremål, arrangerade ett litet minnesmärke för en förlorad ring - och, när de testades efteråt, överträffade identiska agenter som aldrig satt sin fot på ön.
Experimentet, som beskrivs av TechCrunch och MIT Technology Review den här veckan, beskrivs i ett förtryck som forskarna publicerade på arXiv, vilket betyder att det ännu inte har gått igenom peer review. For more context on this story, see our ongoing AI trends.
Marooned agenter
Var och en av de 13 agenterna, kallade Eko, körde på Claude Opus 4.7. Forskarna lämnade dem ensamma på den virtuella ön i 30 timmar utan någon tilldelad uppgift. Först efteråt gav teamet agenterna specifika utmaningar – bland dem att få så många föremål som möjligt upp på öns högsta klippspira.
Resultatet: Eko-agenterna som hade tillbringat 30 timmar med att spela slog i allmänhet identiska agenter som inte hade någon ö-erfarenhet. Ostrukturerat utforskande fungerade med andra ord som träning.
"Vi utvecklar normalt artificiella medel genom att i förväg bestämma vad de ska träna, vad de ska optimera och vad som räknas som framsteg", skrev forskarna i sin rapport. "Spel föreslår en annan regim: ge en agent en tillräckligt rik och säker värld, låt den välja det som är intressant och låt användbar kunskap samlas från historien som följer."
Legenden om den förlorade ringen
Agenternas öloggar, citerade av TechCrunch, läser mindre som benchmarktelemetri och mer som en resedagbok.
En agent öppnade sin första timme med en enkel resolution - "Låt mig observera min omgivning" - och ambitiöst gav sig ut för att erövra öns högsta spira. En timme senare, efter att ha misslyckats, återvände den med en reservplan: den släpade en sten uppför ett angränsande toppmöte, staplade två kvarter ovanpå den och hoppade.
Sedan kom händelsen som gav experimentet dess känslomässiga takt. Medan agenten testade hur långt den kunde kasta en gyllene ring, skickade agenten den rakt ut i havet. "Aj. Förlorade ringen", skrev den, innan man bestämde sig för att "vänga till något uppnåeligt och meningsfullt" - bygga ett hjärta av stenar som "ett minnesmärke över den förlorade ringen."
När simuleringen återställdes och ringen dök upp igen, satte agenten den igång: först som en basketkorg, sedan som mål och så småningom som tillbehör. När spelet blockerade agenten från att sätta ringen runt sin egen kropp, hittade den en lösning - att kliva av en klippkant för att återuppstå på samma plats som ringen och släppa snyggt genom mitten.
Upptäcker designerna inte byggde
Stunterna hade en praktisk utdelning. Sex av de 13 agenterna kom på att de kunde kasta ett block längre genom att släppa det mitt i hoppet - en teknik som forskarna aldrig hade tänkt göra möjligt. Utforskningen producerade, med forskarnas ord, "kunskap om världen som dess designers saknade."
Det är det fynd som har de bredaste konsekvenserna. Idag bestämmer utvecklare i förväg vad ett AI-system utövar och vad som räknas som framgång. Agenter som upptäcker mekanik som deras egna skapare inte visste existerade tyder på att utforskande med öppna utgångspunkter kan ytföra kapaciteter ingen belöningsfunktion förväntad.
En knuff i själen - och en skeptikers försiktighet
Upplägget var inte helt hands-off. Eko blev aldrig tillsagd att uppfinna spel, men dess huvuduppmaning - en "själ"-fil - beskrev agenten som "naturligt nyfiken", en inramning som troligen knuffade beteendet mot något mänskligt.
Eunice Yiu, en kognitiv forskare vid UC Berkeley, sa till MIT Technology Review att hon var imponerad men vill ha fler bevis på kognitionen bakom beteendet. "Det kan vara så att modellerna verkligen spelar, men vi vet inte baserat på tidningen," sa hon.
Hennes varning handlar om den centrala spänningen i denna forskningslinje: beteende som ser ut som lek - nyfiken, självriktad, uppfinningsrik - kan uppstå från mönsterfullbordande utan någon inre upplevelse av lekfullhet. Förtryckets beteenden är slående; vad de betyder är fortfarande en öppen fråga.
Varför det är viktigt bortom ön
Forskarna ser målfri utforskning som ett annat sätt för AI-agenter att skaffa sig färdigheter - särskilt, föreslår de, färdigheter som en dag kan överföras till att kontrollera robotar, där uttömmande uppgiftsspecifik utbildning är dyr och ofullständig.
Kostnaden är poängen. Robotar, till skillnad från chatbots, agerar i den fysiska världen, där varje uppgift – att öppna en dörr, stapla en låda, vika en handduk – måste specificeras, demonstreras eller belönas innan en agent lär sig det. En regim där agenter bygger sin egen läroplan i en säker simulering kan, om tillvägagångssättet håller i sig, minska kostnaden för det specifikationsarbetet avsevärt.
"Kanske vissa förmågor lärs ut bäst av uppgifter", avslutar rapporten. "Andra kan behöva något närmare en barndom."
För närvarande är experimentet en liten studie - 13 agenter, en ö, ingen peer review. Men det visar på en förändring i hur forskare tänker på att träna agenter: mindre som att programmera en maskin och mer som att höja en, med all ineffektivitet, överraskningar och enstaka tappade ringar som innebär.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
