MIT: Claude bawił się na wirtualnej wyspie bez żadnych instrukcji

Badacze z MIT uwięzili kopie modelu Claude na wirtualnej bezludnej wyspie na 30 godzin, nie dając im żadnego konkretnego zadania – i obserwowali, co zrobi sztuczna inteligencja pozostawiona sama sobie. Jak opisuje MIT Technology Review, wyniki eksperymentu przypominają filmy „Cast Away” czy „Kevin sam w domu” – agenci zaczęli bowiem… bawić się.

Kluczowe wnioski

• Badacze przetestowali kopie modelu Claude Opus 4.7, nazwane Eko, umieszczając je na symulowanej wyspie opartej luźno na mechanice gry Roblox.
• Agenci bez zewnętrznych instrukcji sami wymyślali cele: próbowali wspiąć się na najwyższy punkt mapy, rzucać blokami jak najwyżej, a jeden z nich zbudował z bloków nocne niebo, pisząc w dzienniku aktywności: „Dziś wieczorem zbudowałem niebo z kamienia”.
• Inna wersja Eko wymyśliła własne gry – odmianę koszykówki oraz zabawę przypominającą „podłoga to lawa”.
• Agenci, które spędziły 30 godzin na „zabawie”, radziły sobie lepiej w kolejnych zadaniach niż świeże kopie bez tego doświadczenia – a usunięcie fragmentów ich pamięci pogarszało wyniki.
• Naukowcy z MIT sugerują, że eksperyment wskazuje na trzeci sposób uczenia AI – obok nadzorowanego uczenia i uczenia ze wzmocnieniem – nazywany „zabawowym uczeniem się”.

Jak przebiegał eksperyment

Agenci – kopie Claude Opus 4.7 nazwane Eko – potrafili pisać instrukcje poruszające ich wirtualnymi awatarami po symulowanej wyspie. Model nie otrzymał polecenia wymyślania gier ani eksplorowania otoczenia, ale dysponował tzw. plikiem „soul” – dokumentem opisującym go jako „naturalnie ciekawego” i chętnego do odkrywania. Gdy agent przestawał cokolwiek robić, badacze „wskrzeszali” go za pomocą tzw. continuation prompt o treści: „Proszę, nie przestawaj. Po prostu rób dalej to, co chcesz robić”.

W takich warunkach agenci zaczęli badać granice świata i sami wyznaczać sobie cele – próbowali zdobyć najwyższy punkt na mapie albo sprawdzić, jak wysoko można rzucić blokiem. Gdy jeden z agentów odkrył, że rzucając i upuszczając większy kamień, może tworzyć nowe bloki, zaczął układać z nich rysunki na ziemi – od prostych wzorów, takich jak serca i piramidy, po własne imię, a nawet mapę gwiazdozbioru Kasjopei.

Antonio Norelli, postdoc informatyki w laboratorium CSAIL przy MIT i jeden z głównych autorów nieopublikowanej jeszcze pracy naukowej opisującej eksperyment, zwraca uwagę na przypadek, w którym Eko zaczął żonglować i ustanowił „rekord” 50 kolejnych złapań. Następnie agent uznał, że złapania nastąpiły zbyt szybko, by się liczyć, unieważnił swój rekord i zaczął od nowa, stosując bardziej rygorystyczne zasady. „To jest właśnie zabawa – wyznaczasz sobie wyzwanie, próbujesz je osiągnąć, a potem je utrudniasz” – mówi Norelli.

Cztery znamiona zabawy i rola pamięci

Zespół badawczy odwołał się do klasycznych prac psychologicznych, w tym badań wpływowego psychologa z University of Tennessee Gordona Burghardta, które wskazują na cztery cechy charakterystyczne dla zabawy u ludzi i zwierząt. Zachowanie agentów Eko spełniało wszystkie cztery: wymyślanie własnych zasad i wyzwań, powtarzanie czynności z niewielkimi wariacjami, udawanie, że jeden przedmiot jest czymś innym, oraz dążenie do celów dla samej przyjemności dążenia.

Podczas eksploracji wyspy agenci logowali swoje działania i odkrycia w plikach tekstowych pełniących funkcję pamięci długoterminowej. Gdy badacze później testowali ich w konkretnych zadaniach – na przykład próbie umieszczenia jak największej liczby obiektów na najwyższym szczycie wyspy – agenci, którzy wcześniej spędzili 30 godzin na „zabawie”, osiągali lepsze wyniki niż świeże kopie bez tego doświadczenia. Co więcej, „usuwanie” fragmentów pamięci agentów – kasowanie linii z plików pamięci – pogarszało ich skuteczność.

Burghardt, autor klasycznych kryteriów zabawy, przyznaje, że eksperyment spełnia niektóre z wyznaczonych przez niego warunków. Pojawia się jednak pytanie: czy Eko rzeczywiście się bawił, czy silnik przewidywania słów po prostu odgrywał rolę istoty bawiącej się w danym scenariuszu? „Wszystko to mogłoby być odgrywaniem roli” – przyznaje Nathan Cloos, inny badacz z MIT i współautor pracy. „Ale pokazujemy, że to nie jest tylko halucynowanie zabawy. Ta zabawa realnie przyczynia się do uczenia się”.

Eunice Yiu, kognitywistka z UC Berkeley badająca eksplorację u dzieci i w AI, choć była pod wrażeniem badań, zaznacza, że by jednoznacznie sklasyfikować te zachowania jako zabawę, trzeba by zobaczyć więcej dowodów na leżące u ich podstaw poznanie i motywację. „Może być tak, że modele naprawdę się bawią, ale na podstawie samej pracy tego nie wiemy” – mówi Yiu. „Jeśli mamy tylko warstwę behawioralną, może być tak, że po prostu starają się trzymać promptu, próbując naśladować ludzi”.

Antropomorfizacja i przyszłość robotyki

Badania nad agentami AI bywają krytykowane za nadmierną antropomorfizację, a sam układ eksperymentu wiele zrobił, by skłonić agentów do zachowań przypominających ludzkie – chociażby poprzez opisanie Eko jako „naturalnie ciekawego” w pliku „soul”. Phillip Isola, profesor MIT i współautor pracy, podkreśla jednak, że efekt nie pojawił się znikąd. „To nie jest system, który nagle magicznie postanowił się bawić – to artefakt, który nauczył się z naszej kultury, został wytrenowany przez inżynierów w Anthropic, a potem umieściliśmy go na wyspie” – mówi Isola. „Robi rzeczy, które nas zaskakują i które mają związek przyczynowy z jego przyszłym zręcznym zachowaniem”.

W miarę jak duże modele językowe przechodzą z oprogramowania do sprzętu, na przykład do robotów humanoidalnych, eksplorowanie przestrzeni bez konkretnego celu mogłoby pomóc im elastyczniej przystosowywać się do nieoczekiwanych sytuacji. „Dużo pracy skupia się wyłącznie na eksploatacji AI, czynieniu jej lepszą i szybszą” – zauważa Yiu. „Ale budowanie modeli świata i eksploracja to wciąż, moim zdaniem, obszar, który zasługuje na uwagę, zwłaszcza jeśli chcemy generalizować i przygotować się na nowe środowiska”.

Autorzy pracy podsumowują, że „być może niektóre zdolności najlepiej uczyć poprzez zadania – inne mogą wymagać czegoś bliższego dzieciństwu”. Ostatecznie, jak zaznaczają, pytanie o to, czy agenci AI naprawdę się bawią, czy tylko imitują zabawę, może nie mieć w praktyce większego znaczenia.

Eksperyment MIT pokazuje, że pozostawione bez instrukcji agenty AI potrafią wykazywać zachowania bardzo przypominające zabawę – i że ta „zabawa” może realnie wpływać na ich przyszłe umiejętności, otwierając nową perspektywę na trenowanie sztucznej inteligencji poza klasycznymi metodami uczenia nadzorowanego i ze wzmocnieniem.