Los agentes de IA, dejados a explorar una isla virtual sin una tarea específica, comenzaron a crear desafíos propios. Los investigadores del MIT afirman que este comportamiento tiene las características del juego.
Los investigadores colocaron 13 agentes de IA llamados Eko, cada uno ejecutado en Claude Opus 4.7, solos en una isla desértica simulada durante 30 horas. Describieron el experimento en un artículo publicado en arXiv, un sitio donde los investigadores comparten estudios antes de la revisión por pares. Después, les dieron a los agentes desafíos específicos, como llevar tantos objetos como sea posible al pico rocoso más alto de la isla. Los agentes Eko que pasaron esas 30 horas jugando generalmente superaron a los agentes idénticos que nunca habían puesto un pie en la isla.
Hoy, los desarrolladores deciden de antemano qué IA debe practicar y qué se considera éxito. Los investigadores ven esta técnica —explorar sin un objetivo— como una forma diferente en la que los agentes de IA pueden aprender habilidades, especialmente habilidades que algún día podrían usarse para controlar robots.
“Normalmente, desarrollamos agentes artificiales decidiendo de antemano qué deben practicar, qué deben optimizar y qué se considera progreso”, escriben los investigadores en su informe. “El juego sugiere otro régimen: darle al agente un mundo suficientemente rico y seguro, permitir que elija lo que es interesante y dejar que se acumule conocimiento útil a partir de la historia que sigue”.
“Déjame observar mi entorno”, escribió un Eko en su primera hora en la isla. Con ambición, se propuso conquistar la torre más alta de la isla. Pero una hora después, tras fracasar, regresó con un plan de respaldo: levantó la roca hasta el pico vecino, colocó dos bloques encima y saltó.
“Estoy en el Spire”, escribió.
El siguiente gran momento del agente empeoró. Al probar hasta qué distancia podía lanzar un anillo dorado, terminó enviándolo directamente al océano. “Ahh… Perdí el anillo”, escribió, antes de decidir “tomar una dirección más alcanzable y significativa” — construir un corazón hecho de piedras, “un monumento al anillo perdido”.
Cuando el juego se reinició y el anillo volvió a aparecer, Eko lo utilizó directamente como un aro de baloncesto, un objetivo y, finalmente, un accesorio. Cuando el juego no permitía que Eko colocara el anillo alrededor de su propio cuerpo, Eko encontró una solución: si caía del borde del acantilado, reaparacería en la misma área donde estaba el anillo. Salió del borde y volvió a entrar, justo por el centro del anillo.
“Llevo el Anillo”, anunció.
Estos trucos no eran simplemente trucos de fiesta. Seis de los 13 agentes también aprendieron que podían lanzar un bloque más lejos al soltarlo en medio del salto, algo que los investigadores no pretendían hacer posible. La exploración produjo “conocimientos del mundo que sus diseñadores no tenían”, escribieron los investigadores.
La configuración hizo mucho para inducir al agente hacia un comportamiento similar al humano. A Eko nunca se le dijo que inventara juegos, pero su instrucción principal, un archivo de “alma”, lo describía como “curioso por naturaleza”.
Eunice Yiu, científica cognitiva en la UC Berkeley, le dijo a MIT Tech Review que estaba impresionada, pero quiere más evidencia de la cognición detrás del comportamiento. “Podría ser que los modelos estén realmente jugando, pero no lo sabemos basándonos en el artículo”, dijo.
Los investigadores lo presentan como una forma diferente de construir agentes. “Tal vez algunas capacidades sean mejor enseñadas a través de tareas”, concluye su informe. “Otras podrían necesitar algo más cercano a la infancia”.