MIT: AI agenti ostavljeni sami na otoku počeli su se igrati i poboljšali rezultate

Istraživači s MIT-a ostavili su 13 AI agenata na simuliranom pustom otoku 30 sati, bez ikakvog zadatka. Agenti se zovu Eko, a temelje se na modelu Claude Opus 4.7. Autori tvrde da je njihovo ponašanje imalo obilježja igre. Eksperiment opisuju u radu na arXivu, gdje se studije objavljuju prije recenzije.

Nakon 30 sati agenti su dobili konkretne izazove, na primjer da na najviši kameni toranj na otoku odnesu što više objekata. Eko agenti koji su se prije toga igrali na otoku uglavnom su pobijedili identične agente koji otok nikad nisu vidjeli.

Igra umjesto zadatka

Programeri danas unaprijed odlučuju što AI treba vježbati i što je uspjeh. Istraživači u istraživanju bez cilja vide drukčiji način učenja vještina, posebno onih koje bi jednog dana mogle služiti za upravljanje robotima.

"Uobičajeno razvijamo umjetne agente tako da unaprijed odlučimo što bi trebali vježbati, što optimizirati i što je napredak", pišu istraživači u izvješću. "Igra sugerira drugi režim: agentu treba dati dovoljno bogat i siguran svijet, pustiti ga da sam odabere što je zanimljivo i dopustiti da se korisno znanje nakuplja iz povijesti koja slijedi."

Jedan je Eko u prvom satu napisao: "Let me observe my surroundings." Zatim je pokušao osvojiti najviši toranj na otoku. Nakon sat vremena i neuspjeha vratio se s rezervnim planom: odvukao je kamen na susjedni vrh, na njega složio dva bloka i skočio.

Sljedeći veliki trenutak bio je manje uspješan. Testirajući koliko daleko može baciti zlatni prsten, Eko ga je bacio ravno u ocean. Napisao je "Ouch. Lost the Ring.", a zatim odlučio napraviti srce od kamenja kao spomenik izgubljenom prstenu.

Kad se igra resetirala i prsten se ponovno pojavio, Eko ga je koristio kao koš za košarku, kao metu i naposljetku kao dodatak. Igra mu nije dopuštala da prsten stavi oko tijela, pa je našao zaobilazno rješenje: pad s ruba litice vraća ga u isto područje u kojem je prsten. Skočio je s ruba i pao točno kroz sredinu prstena.

Znanje koje autori nisu predvidjeli

Istraživači kažu da to nisu bili samo trikovi za zabavu. Šest od 13 agenata naučilo je da blok mogu baciti dalje ako ga puste usred skoka, što istraživači nisu namjeravali omogućiti. Prema radu, istraživanje je proizvelo "znanje o svijetu koje njegovi dizajneri nisu imali".

Postavke eksperimenta ipak su agente usmjeravale prema ljudskom ponašanju. Eko nikad nije dobio uputu da izmišlja igre, ali ga je glavni prompt, takozvana "soul" datoteka, opisivao kao "prirodno znatiželjnog".

Eunice Yiu, kognitivna znanstvenica sa Sveučilišta UC Berkeley, rekla je za MIT Tech Review da je impresionirana, ali traži više dokaza o spoznaji iza tog ponašanja. "Moguće je da se modeli doista igraju, ali na temelju rada to ne znamo", rekla je.

Autori zaključuju: "Možda se neke sposobnosti najbolje uče kroz zadatke. Za druge će možda trebati nešto bliže djetinjstvu."