Изследователи от MIT оставиха 13 копия на един и същ AI агент сами на виртуален остров за по 30 часа, без никаква задача – и агентите започнаха да си измислят игри. Резултатът, описан от MIT Technology Review, поставя въпроса дали свободното изследване може да направи агентите по-способни.
Накратко
- 13 агента на Claude Opus 4.7 прекараха по 30 часа в симулиран остров без задание; статията още не е рецензирана.
- Агентите сами си поставиха цели, измислиха игри и откриха трик за по-далечно хвърляне, който създателите не бяха предвидили.
- След това се справиха по-добре с конкретни задачи от агенти, които не са били на острова, но изследователи казват, че не е доказано дали наистина „играят“.
Остров без правила
Агентите, наречени Eko, работят с Claude Opus 4.7 на Anthropic и според MIT Technology Review са получили тяло в свят, свободно вдъхновен от Roblox, и памет във вид на текстови файлове. Никой не им е казвал какво да правят. Описанието на характера им в главния промпт, т.нар. „soul“ файл, гласи, че са „естествено любопитни“, което вероятно е подтикнало поведението им.
Работата е публикувана в arXiv и още не е минала през рецензия. Затова всичко по-долу е твърдение на авторите, не установен факт.
Каменно сърце и пръстен за баскетбол
През първия час един от агентите се опитал да се покатери на най-високата скала, не успял и се върнал с резервен план: пренесъл камък до съседен връх, подредил два блока и скочил. Друг хвърлял златен пръстен, за да види докъде стига, и го запратил в океана. После построил от камъни сърце – по описанието на изследователите нещо като паметник на загубения пръстен.
Когато играта се нулирала и пръстенът се появил отново, агентите го превърнали в баскетболен кош, мишена и аксесоар. Един искал да го носи, но играта не позволявала. Агентът намерил заобиколен път: скочил от скала, за да се прероди до пръстена, и паднал през него.
Шест от 13 агенти открили, че ако пуснат блок по време на скок, той прелита по-далеч. Тази механика не била замислена от изследователите. Те пишат, че изследването е създало „знание за света, което създателите му не са имали“.
Защо това може да има значение
След 30-те часа агентите получили конкретни задачи, например да качат възможно най-много предмети на върха на скалата. По данни на TechCrunch тези, които преди това са изследвали острова, като цяло се справили по-добре от еднакви агенти, които никога не са били там. Числа и метод на измерване статията не дава.
Авторите виждат в това алтернатива на днешния подход, при който разработчиците предварително определят какво да упражнява агентът и как се мери успехът. Те предполагат, че подобно обучение може да е полезно за умения, които по-късно управляват роботи, и обобщават: „Може би някои способности се учат най-добре чрез задачи, а други изискват нещо по-близко до детството“.
Какво още не знаем
Скептицизмът е основателен. Юнис Йю, когнитивен учен от Калифорнийския университет в Бъркли, цитирана от MIT Technology Review, е впечатлена, но иска повече доказателства: според нея статията не показва дали моделите наистина играят, или само изглеждат така.
Не е ясно и доколко резултатът зависи от заложеното „любопитство“ в промпта, как е мерено подобрението и ще се повтори ли със други модели. До рецензията е разумно експериментът да се чете като интересна хипотеза, а не като доказателство за „детство“ на машините.
За читателите в България няма пряк ефект – няма нов продукт или цена. Темата е важна заради посоката: все повече изследвания търсят начин агентите да се учат сами. Още за рисковете и ограниченията на такива системи четете в рубриката Изкуствен интелект, а за по-практичната страна – как 1Password ограничава достъпа на агентите до паролите ви.
