当麻省理工学院的研究人员将 13 个人工智能智能体困在一个模拟荒岛上无所事事时，这些智能体做了一些意想不到的事情：他们开始玩耍。这些特工们发明了自己的挑战，用找到的物品即兴进行游戏，为丢失的戒指举办了一场小型纪念活动，并且在事后测试中，他们的表现优于从未踏足该岛的同类特工。
TechCrunch 和麻省理工学院技术评论本周描述了该实验，研究人员在 arXiv 上发布的预印本中详细介绍了该实验，这意味着该实验尚未通过同行评审。 更多相关背景，请参阅我们的AI新闻。
被孤立的特工
这 13 个代理中的每一个都称为 Eko，运行在 Claude Opus 4.7 上。研究人员将他们单独留在虚拟岛上 30 个小时，没有分配任何任务。直到后来，团队才向特工们提出了具体的挑战，其中包括将尽可能多的物体运送到岛上最高的岩石尖顶上。
结果是：玩了 30 个小时的 Eko 特工基本上击败了没有岛上经验的相同特工。换句话说，非结构化探索起到了训练的作用。
研究人员在报告中写道：“我们通常通过提前决定应该练习什么、应该优化什么以及什么算作进步来开发人工智能体。” “游戏提出了另一种制度：给智能体一个足够丰富和安全的世界，让它选择感兴趣的东西，并允许从随后的历史中积累有用的知识。”
失落戒指的传说
TechCrunch 引用了特工的岛屿日志，读起来不太像基准遥测，而更像旅行日记。
一名特工以一个简单的决心开始了第一个小时——“让我观察周围的环境”——然后雄心勃勃地开始征服岛上最高的尖塔。一小时后，它失败了，带着备用计划回来了：它把一块岩石拖到邻近的山顶上，在上面堆上两块石头，然后纵身一跃。
然后发生的事件给实验带来了激动人心的节奏。在测试它能将金戒指扔多远时，特工将其直接扔进了大海。 “哎哟。丢失了指环，”它写道，然后决定“转向一些可实现且有意义的事情”——用石头建造一颗心，作为“丢失指环的纪念碑”。
当模拟重置并且戒指重新出现时，特工将其投入使用：首先作为篮球筐，然后作为目标，最后作为配件。当游戏阻止特工将圆环放在自己的身体上时，它找到了一个解决方法——走下悬崖边缘，在与圆环相同的位置重生，从中间整齐地掉下来。
设计师没有创造的发现
这些特技得到了实际的回报。 13 名特工中的 6 名发现，他们可以通过在跳跃中放开方块来将其扔得更远——研究人员从未打算实现这项技术。用研究人员的话来说，这次探索产生了“设计者所缺乏的关于世界的知识”。
这是具有最广泛影响的发现。如今，开发人员提前决定人工智能系统的实践以及什么才算成功。特工发现了他们自己的创造者不知道存在的机制，这表明开放式探索可以揭示没有预期奖励功能的能力。
灵魂档案中的轻推——以及怀疑论者的警告
该设置并非完全不干涉。 Eko 从未被告知要发明游戏，但它的主提示——一个“灵魂”文件——将智能体描述为“天生好奇”，这一框架似乎将行为推向了类似人类的程度。
加州大学伯克利分校的认知科学家尤尼斯·姚（Eunice Yiu）告诉《麻省理工科技评论》，她对此印象深刻，但希望获得更多证据来证明这种行为背后的认知。 “模型可能真的在玩，但根据论文我们不知道，”她说。
她的警告触及了这一研究领域的核心张力：看起来像游戏的行为——好奇的、自我导向的、创造性的——可以从模式完成中出现，而无需任何内在的游戏体验。预印本的表现令人震惊。它们的含义仍然是一个悬而未决的问题。
为什么岛屿之外的事情很重要
研究人员认为，无目标探索是人工智能代理获取技能的另一种方式——他们认为，特别是那些有朝一日可以转移到控制机器人上的技能，而详尽的特定任务训练是昂贵且不完整的。
费用是重点。与聊天机器人不同，机器人在物理世界中行动，每项任务——打开门、堆放盒子、折叠毛巾——都必须在代理学习之前指定、演示或奖励。如果该方法有效，代理在安全模拟中构建自己的课程的制度可以大大降低规范工作的成本。
报告总结道：“也许某些能力最好通过任务来教授。” “其他人可能需要一些更接近童年的东西。”
目前，该实验只是一项小型研究——13 名特工、一个岛屿，没有同行评审。但这表明研究人员对训练代理的看法发生了转变：不像对机器进行编程，而更像是培养机器，这意味着效率低下、意外和偶尔丢失的戒指。
---
掌握AI最新动态获取最新的AI新闻、分析和突破——尽在一处。
阅读更多AI新闻 →
