Les agents AI, laissés explorer une île virtuelle sans tâche spécifique, ont commencé à créer leurs propres défis. Les chercheurs du MIT affirment que ce comportement ressemble aux caractéristiques du jeu.
Les chercheurs ont placé 13 agents de l’IA appelés Eko, chacun fonctionnant sur Claude Opus 4.7, seuls sur une île désertique simulée pendant 30 heures. Ils ont décrit l’expérience dans un article publié sur arXiv, un site où les chercheurs partagent leurs études avant leur revue par des pairs. Par la suite, ils ont donné aux agents des défis spécifiques, comme ramener autant d’objets que possible sur le pic rocheux le plus haut de l’île. Les agents Eko qui avaient passé ces 30 heures à jouer ont généralement surpassé les agents identiques qui n’avaient jamais mis les pieds sur l’île.
Aujourd’hui, les développeurs décident à l’avance quelle intelligence artificielle doit s’exercer et ce qui compte comme succès. Les chercheurs considèrent cette technique — l’exploration sans objectif précis — comme une manière différente pour les agents d’IA d’apprendre des compétences, en particulier des compétences qui pourraient un jour être utilisées pour contrôler des robots.
« Normalement, nous développons des agents artificiels en décidant à l’avance de ce qu’ils doivent faire, de quoi ils doivent optimiser et ce qui compte comme progrès », écrivent les chercheurs dans leur rapport. « Le jeu suggère un autre régime : donnez à un agent un monde suffisamment riche et sûr, laissez-le choisir ce qui est intéressant, et permettez que des connaissances utiles se accumulent à partir de l’histoire qui suit. »
« Laissez-moi observer mon environnement », écrivit un Eko dans sa première heure sur l’île. De manière ambitieuse, il s’efforça de conquérir la plus haute structure de l’île. Mais une heure plus tard, après avoir échoué, il revint avec un plan de secours : il souleva la pierre sur un sommet voisin, y empila deux blocs, puis sauta.
« JE SUIS SUR LE SPIRE », écrivait-il.
Le prochain moment important de l’agent est encore pire. En essayant de voir jusqu’où il pouvait lancer un anneau doré, il l’a envoyé directement dans l’océan. « Aïe. J’ai perdu l’Anneau », a-t-il écrit, avant de décider de « se tourner vers quelque chose de réalisable et de significatif » — construire un cœur fait de pierres, « un monument au manque de l’Anneau ».
Lorsque le jeu se redémarrait et que l’anneau réapparaissait, Eko le transformait immédiatement en panier de basket-ball, en cible, et finalement en accessoire. Lorsque le jeu ne permettait pas à Eko de fixer l’anneau autour de son propre corps, il trouva une solution : en tombant du bord du précipice, il renaissait dans la même zone où se trouvait l’anneau. Il descendait du bord et remontait, directement au centre de l’anneau.
« Je porte la Bague », annonça-t-il.
Ces acrobaties n’étaient pas simplement des tours de spectacle. Six des 13 agents ont également appris à lancer un bloc plus loin en le lâchant au milieu de la course, ce que les chercheurs n’avaient pas prévu de rendre possible. L’expérience a permis d’obtenir « une connaissance du monde dont les concepteurs manquaient », écrivent les chercheurs.
La configuration a beaucoup contribué à inciter les agents à adopter un comportement semblable à celui d’un humain. Eko n’a jamais été invité à inventer des jeux, mais son prompt maître, un fichier « âme », le décrivait comme « naturellement curieux ».
Eunice Yiu, scientifique en cognition à l’UC Berkeley, a déclaré au MIT Tech Review qu’elle était impressionnée, mais qu’elle souhaite plus de preuves concernant la cognition derrière le comportement. « Il est possible que les modèles jouent vraiment, mais nous ne le savons pas à partir de cet article », a-t-elle dit.
Les chercheurs le présentent comme une manière différente de créer des agents. « Peut-être certaines capacités sont-elles mieux enseignées par des tâches », conclut leur rapport. « D’autres pourraient avoir besoin de quelque chose de plus proche de l’enfance. »