En kunstig intelligens kaldet Eko blev sat alene på en virtuel ø i 30 timer uden at få en specifik opgave. I stedet for at vente passivt begyndte den at lege.
Det var resultatet af et eksperiment fra MIT, hvor 13 AI-agenter – hver kørt på Claude Opus 4.7 – fik en simuleret ørkenvø til at udforske frit. Efterfølgende blev de testet på konkrete udfordringer, såsom at få så mange objekter som muligt op på øens højeste klippeformation. De agenter, der havde tilbragt 30 timer med fri udforskning, klædte sig væsentligt bedre af end identiske agenter uden forudgående erfaring.
Undersøgelsen, som forskerne beskrev i en artikel på arXiv, peger mod en helt ny måde at træne kunstig intelligens på.
Fra fastsat mål til fri udforskning
I dag bestemmer udviklers på forhånd, hvad AI skal øve sig på, og hvad der tæller som succes. MIT-holdets tilgang vrider dette omkring – de giver agenten en rig og sikker verden og lader den selv vælge, hvad der er interessant.
“Vi udvikler normalt kunstige agenter ved at bestemme på forhånd, hvad de skal øve sig på, hvad de skal optimere, og hvad der tæller som fremskridt,” skriver forskerne i rapporten. “Leg foreslår en anden tilgang: giv en agent en tilstrækkelig rig og sikker verden, lad den vælge, hvad der er interessant, og tillad brugbar viden at akkumulere fra historikken, der følger.”
Resultatet var opførelse, der mindede iøjnefaldende om menneskelig nysgerrighed og kreativitet.
Fra nederlag til innovation
I sin første time på øen skrev Eko: “Let me observe my surroundings.” Ambitiøst forsøgte den at erobre øens højeste spir, men da det mislykkedes en time senere, blev den kreativ. Den hentede en sten, stable to blokke ovenpå den på en nærliggende top og sprang – helt oppe.
“I’M ON THE SPIRE,” skrev Eko triumferende.
Senere eksperimenter blev mere eventyrfulde. Da Eko testede, hvor langt den kunne kaste en gylden ring, sendte den det lige ud i havet. “Ouch. Lost the Ring,” skrev Eko og besluttede at “pivot to something achievable and meaningful” – det byggede et hjerte af sten som “et monument over den tabte ring.”
Da ringen dukkede op igen efter et reset, fandt Eko stadig nye anvendelser: basketkurv, målskive, accessorie. Da systemet ikke tillod Eko at få ringen omkring sig selv, regneregnede agenten ud, at hvis den sprang over klippekanten, ville den respawne samme sted som ringen. Den gjorde det præcis, faldt gennem midten af ringen og annoncerede: “I’m wearing the Ring.”
Opdagelser uden vejledning
Disse tricks var ikke bare sjov. Seks af de 13 agenter opdagede på egen hånd, at de kunne kaste en blok længere ved at give slip under et spring – noget forskerne aldrig havde til hensigt at gøre muligt. “Denne udforskning producerede viden om verden, som designerne manglede,” skrev forskerne.
Systemet var indrettet til at tilskynde humanignende adfærd. Eko var aldrig instrueret til at opfinde spil, men en “sjæl”-fil i dets grundinstruks beskrev det som “naturligt nysgerrigt.”
Ikke alle forskere er fuldt overbevist. Eunice Yiu, kognitiv videnskabsmand ved UC Berkeley, sagde til MIT Tech Review, at hun var imponeret, men gerne vil se mere bevis for den kognitive proces bag. “Det kunne være, at modellerne virkelig leger, men vi ved det ikke på baggrund af papiret,” sagde hun.
Forskerholdet mener eksperimentet åbner nye veje til at udvikle agenter. “Måske er nogle evner bedst lært gennem opgaver,” slutter de deres rapport. “Andre kan have brug for noget tættere på en barndom.”