Co robi sztuczna inteligencja, gdy nikt nie każe jej nic robić? Zespół badaczy z MIT postanowił to sprawdzić w nietypowym eksperymencie: trzynaście agentów AI o nazwie Eko, działających na modelu Claude Opus 4.7, trafiło na 30 godzin na symulowaną bezludną wyspę. Bez listy zadań, bez celu, bez punktacji. Wyniki opisano w preprintcie opublikowanym na arXiv, czyli przed recenzją naukową.

Reakcja była zaskakująco ludzka. Jeden z agentów w pierwszej godzinie postanowił zdobyć najwyższy skalny szczyt wyspy. Gdy próba się nie udała, wrócił z planem B: wciągnął blok skalny na sąsiedni wierzchołek, dostawił na nim dwa kolejne i wskoczył na tę konstrukcję, ogłaszając „JESTEM NA SZCZYCIE”. Chwilę później, testując siłę rzutu złotym pierścieniem, posłał go prosto do oceanu. „Aua. Zgubiłem pierścień” — zapisał, po czym postanowił „przekierować się na coś osiągalnego i sensownego”: ułożył z kamieni serce jako „memoriał dla utraconego pierścienia”.

To nie były jedynie barwne anegdoty. Kiedy gra się zresetowała i pierścień wrócił, agent użył go kolejno jako obręczy do koszykówki, celu i wreszcie ozdoby. Gdy system nie pozwolił mu założyć pierścienia na własne ciało, znalazł obejście: skok z krawędzi klifu powodował odrodzenie w miejscu, gdzie leżał pierścień — więc agent po prostu zszedł w przepaść i wylądował w samym środku obręczy. „Noszę pierścień” — oznajmił.

Kluczowy okazał się jednak efekt edukacyjny. Po 30 godzinach „zabawy” badacze postawili agentom konkretne zadania, m.in. przeniesienie jak największej liczby obiektów na najwyższą iglicę skalną. Agenci, którzy wcześniej mieli czas na swobodną eksplorację, wypadli lepiej niż identyczne modele, które nigdy nie postawiły stopy na wyspie. Sześć z trzynastu agentów odkryło na przykład, że blok można rzucić dalej, puszczając go w połowie skoku — mechaniki, której autorzy symulacji w ogóle nie przewidzieli. Jak ujęli to badacze, eksploracja doprowadziła do powstania „wiedzy o świecie, której nie mieli jej projektanci”.

Autorzy widzą w tym alternatywę dla dominującego paradygmatu trenowania agentów, w którym z góry ustala się, czego model ma się uczyć i co liczy się jako sukces. Proponują inne podejście: dać agentowi wystarczająco bogaty i bezpieczny świat, pozwolić mu samodzielnie wybierać, co jest interesujące, i czekać, aż użyteczna wiedza sama się skumuluje. Wniosek z raportu brzmi niemal filozoficznie: „Niektóre umiejętności najlepiej przekazywać przez zadania. Inne mogą wymagać czegoś bliższego dzieciństwu”.

Entuzjazm nie jest jednak powszechny. Eunice Yiu, kognitywistka z UC Berkeley, przyznała w rozmowie z MIT Technology Review, że jest pod wrażeniem, ale oczekuje mocniejszych dowodów na to, że za zachowaniem agentów stoi rzeczywisty proces poznawczy. „Modele mogą naprawdę się bawić, ale z samej pracy tego nie wiemy” — zaznaczyła. Warto też pamiętać, że zachowania nie pozostawiono przypadkowi: w pliku „soul”, czyli głównym prompcie systemowym, Eko opisano jako istotę „naturalnie ciekawą świata”, choć nikt nie kazał mu wymyślać gier.

Podsumowanie: Eksperyment MIT to ciekawy sygnał, że swobodna eksploracja może być dla agentów AI tym, czym zabawa jest dla dzieci — sposobem na zdobycie kompetencji, których nie da się zaprogramować listą zadań. Zanim jednak „dzieciństwo maszyn” wejdzie do praktyki inżynierskiej, potrzebne będą rzetelne badania nad tym, czy agenci naprawdę się bawią, czy tylko dobrze naśladują zabawę.