特定のタスクがなく、仮想島を探索するために放棄されたAIエージェントは、自ら新たな課題を創出し始めた。MITの研究者によると、この行動は遊びの特徴を示している。
研究者たちは、配置した13台のAIエージェントであるEkoを、それぞれClaude Opus 4.7上で動作させ、単独で模擬された砂漠の島に30時間置いた。彼らは、研究者がピアレビュー前に研究結果を共有するサイトであるarXivに掲載された論文でこの実験について記述している。その後、彼らはエージェントに具体的な課題を与えた。例えば、島の最も高い岩峰にできるだけ多くの物体を運ぶなどである。30時間を遊んで過ごしたEkoエージェントは、島に足を踏み入れたことのない同じエージェントよりも一般的に優れていた。
今日、開発者は事前にAIが何を実践すべきか、そして何が成功とみなされるのかを決定する。研究者たちは、目標なく探索を行うこの手法を、AIエージェントがスキルを学ぶための別の方法と見なしている。特に、いつかロボットを制御するために利用できるスキルについてはそうである。
「通常、人工エージェントを開発する際には、エージェントが何を実行し、何を最適化し、何が進歩とみなされるかを事前に決めています」と研究者たちは報告書で述べています。「ゲームは別の方式を示唆します。つまり、エージェントに十分豊かで安全な世界を与え、興味深いものを選ばせ、その後続の歴史から有用な知識が蓄積されるようにすることです。」
「周囲を観察させてもらう」と、Ekoは島に到着して最初の1時間に書き記した。野心的に、島で最も高い尖塔を征服しようとした。しかし1時間後、失敗した後、代替計画を思いついた。隣の山頂まで岩を運び、その上に2つのブロックを積み、飛び乗ったのだ。
「私はスパイアにいる」と、そこには書かれていた。
エージェントの次の大きな瞬間はさらに悪化した。金色の指輪をどこまで投げることができるかを試す際、それを直接海に投げてしまった。「痛っ。指輪を失った」と書き、その後「達成可能で意味のあることに転換する」と決意した――石でできた心臓を作り、「失われた指輪への記念碑」とした。
ゲームがリセットされ、リングが再び現れると、エコはそれをバスケットボールのホップ、ターゲット、そして最終的にはアクセサリーとして使い始めた。エコがリングを自分の体に巻き付けることを許されないとき、エコは仕方なく、崖の端から落ちるとリングのある同じ場所で再誕生するという方法を見つけた。彼は崖の端から降りて、リングの真ん中を通って再び入った。
「私は指輪を着けている」と彼は宣言した。
こうした特技は単なるパーティーの見世物ではなかった。13人のエージェントのうち6人は、ジャンプ中にブロックを放つことでより遠くへ投げることができることを学んだ。これは研究者が意図して可能にしたものではない。この実験により、「設計者が持っていない世界に関する知識」が得られたと研究者は記している。
設定がエージェントを人間らしい行動へと導くのに大いに役立った。Ekoにはゲームを作るよう指示されることはなかったが、そのマスタープロンプトである「ソウル」ファイルでは「自然な好奇心を持つ」と記述されていた。
UCバークレー大学の認知科学者であるユーニス・ヨウは、MIT Tech Reviewに対して、「感銘を受けましたが、その行動の背後にある認知についてはさらに証拠が欲しい」と述べました。「モデルが本当に遊んでいる可能性もありますが、論文からはそれを知ることはできません」と彼女は言いました。
研究者たちは、これをエージェントを構築する新しい方法と捉えている。「おそらく、ある能力はタスクを通じて教えるのが最適かもしれない」と彼らの報告書は結論している。「他の能力には、子供時代に近いものが必要かもしれない。」