Оставени сами без какво да правят, ИИ агентите започнаха да играят

Оставени да изследват виртуален остров без конкретна задача, ИИ агентите започнали да измислят свои предизвикателства. Според изследователи от Масачузетския технологичен институт поведението им носи белезите на игра. 

Изследователите оставили 13 ИИ агенти, наречени Eko, всеки от които работел с Claude Opus 4.7, сами на симулиран пустинен остров за 30 часа. Те описват експеримента в статия, публикувана в arXiv — сайт, където изследователите споделят проучванията си преди рецензирането им. След това дали на агентите конкретни предизвикателства, като например да качат възможно най-много предмети върху най-високия скален връх на острова. Агентите Eko, които прекарали тези 30 часа в игра, като цяло се справили по-добре от идентични агенти, които никога не били стъпвали на острова. 

Днес разработчиците предварително решават какво трябва да упражнява ИИ и какво се счита за успех. Изследователите разглеждат тази техника — изследване без цел — като различен начин ИИ агентите да усвояват умения, особено умения, които един ден биха могли да се използват за управление на роботи.

„Обикновено разработваме изкуствени агенти, като предварително решаваме какво трябва да упражняват, какво да оптимизират и какво се счита за напредък“, пишат изследователите в доклада си. „Играта предполага друг режим: дайте на агента достатъчно богат и безопасен свят, оставете го сам да избира какво му е интересно и позволете полезното знание да се натрупва от последвалата история.“

„Нека наблюдавам обкръжението си“, написал един от агентите Eko през първия си час на острова. Амбициозно той се отправил да покори най-високия връх на острова. Но час по-късно, след като се провалил, се върнал с резервен план: изкачил скалата до съседен връх, поставил два блока един върху друг и скочил. 

„НА ВЪРХА СЪМ“, написал той. 

Следващият голям момент на агента се развил по-зле. Докато проверявал колко надалеч може да хвърли златен пръстен, той замахнал и го запратил право в океана. „Ох. Изгубих пръстена“, написал той, преди да реши да „се насочи към нещо постижимо и смислено“ — да изгради сърце от камъни, „мемориал на изгубения пръстен“.

Когато играта се рестартирала и пръстенът се появил отново, Eko веднага го използвал като баскетболен кош, мишена, а накрая и като аксесоар. Когато играта не позволила на Eko да сложи пръстена около собственото си тяло, той измислил заобиколно решение — падането от ръба на скалата щяло да го върне на същото място, където се намирал пръстенът. Той прекрачил ръба и паднал обратно точно през средата на пръстена. 

„Нося пръстена“, обявил той.

Подобни номера не били просто трикове за забавление. Шестима от 13-те агенти също научили, че могат да хвърлят блок по-надалеч, ако го пуснат по средата на скока — нещо, което изследователите не възнамерявали да направят възможно. Изследването довело до „знание за света, което липсвало на създателите му“, пишат изследователите. 

Настройката допринесла много за насочването на агентите към човекоподобно поведение. На Eko никога не било казвано да измисля игри, но основният му промпт, файлът „душа“, го описвал като „естествено любопитен“.

Юнис Ю, когнитивен учен от Калифорнийския университет в Бъркли, казала пред MIT Tech Review, че е впечатлена, но иска повече доказателства за когнитивните процеси зад поведението. „Възможно е моделите наистина да играят, но въз основа на статията не можем да знаем това“, казала тя.

Изследователите представят това като различен начин за създаване на агенти. „Може би някои способности се усвояват най-добре чрез задачи“, заключава докладът им. „Други може да изискват нещо, по-близко до детството.“