Výzkumníci z MIT nechali 13 AI agentů nazvaných Eko 30 hodin bez zadání na simulovaném ostrově. Agenti si začali vymýšlet vlastní úkoly a autoři studie označují toto chování za znaky hry.
Jak experiment probíhal
Každý agent Eko fungoval na modelu Claude Opus 4.7 a trávil čas na pustém ostrově. Vědci experiment popisují ve studii na serveru arXiv, kde se práce sdílejí před recenzním řízením.
Po 30 hodinách dostali agenti konkrétní úkoly, například dostat co nejvíce předmětů na nejvyšší skalní věž ostrova. Agenti, kteří si na ostrově hráli, obvykle porazili stejné agenty bez předchozí zkušenosti s ostrovem.
Eunice Yiu, kognitivní vědkyně z Kalifornské univerzity v Berkeley, sdělila serveru MIT Technology Review, že ji výsledky zaujaly, ale chce víc důkazů o poznávacích procesech za tímto chováním.
„Je možné, že modely skutečně hrají, ale z práce to nepoznáme.“ — Eunice Yiu, kognitivní vědkyně, Kalifornská univerzita v Berkeley.
Co agenti na ostrově vymysleli
Jeden z agentů se první hodinu rozhlížel po okolí a pokusil se vylézt na nejvyšší skalní věž. Po neúspěchu vynesl kámen na sousední vrchol, položil na něj dva bloky, skočil a napsal, že je na věži.
Při zkoušce, jak daleko dohodí zlatý prsten, ho agent odhodil přímo do oceánu. Poté z kamenů postavil srdce jako památník ztraceného prstenu.
Po resetu hry se prsten objevil znovu. Agent ho použil jako basketbalový koš, jako cíl a nakonec jako ozdobu.
Hra mu však nedovolila nasadit si prsten na tělo. Agent zjistil, že po pádu z okraje útesu se znovu objeví v blízkosti prstenu. Skočil a propadl jeho středem.
Co se agenti naučili
Šest ze 13 agentů zjistilo, že blok hodí dál, když ho pustí uprostřed skoku. Výzkumníci s touto možností nepočítali. Průzkum podle nich přinesl „poznatky o světě, které jeho tvůrci neměli“.
Eko nikdo nezadal, aby vymýšlel hry. Jeho hlavní instrukce, soubor nazvaný „soul“, ho však popisovala jako přirozeně zvídavého.
Vývojáři dnes předem určují, co má AI trénovat a co je úspěch. Výzkumníci v průzkumu bez cíle vidí jiný způsob učení dovedností, zejména takových, které by mohly sloužit k řízení robotů.
Závěr zprávy uvádí, že některé schopnosti se podle výzkumníků nejlépe učí pomocí úkolů, zatímco jiné mohou vyžadovat něco bližšího dětství.
