Investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT realizaron recientemente un experimento que desafía la forma en que pensamos sobre el entrenamiento de IA [S1, S8].
Abandonaron a varios agentes de IA, apodados Eko, en una isla desierta virtual durante 30 horas [S1, S3, S5].
Estos agentes, impulsados por Claude Opus 4.7, no recibieron tareas específicas, ni supervisión humana, ni recompensas externas [S1, S3, S6].
En lugar de permanecer inactivos, los agentes comenzaron a mostrar comportamientos que se asemejan mucho al juego [S1, S2].
¿Cómo actúan los agentes sin un objetivo?
Para iniciar el experimento, los investigadores entregaron a los agentes un archivo llamado “alma”, que era un documento de texto que los describía como naturalmente curiosos y ansiosos por explorar [1].
También utilizaron un entorno 3D simulado con gráficos al estilo de Roblox [S1, S3, S8].
Para gestionar su progreso, los agentes usaron archivos de texto para registrar sus descubrimientos y observaciones, lo que funcionaba como una forma de memoria a largo plazo [S1, S5].
Este sistema de memoria era crítico porque la simulación se reiniciaba cada hora para evitar que los agentes superaran sus límites de memoria a corto plazo [5].
Al escribir notas y guías en estos archivos persistentes, los agentes podían trasladar conocimientos entre sesiones [5].
¿Puede la actividad no supervisada realmente mejorar el rendimiento?
Sin ninguna indicación humana, los agentes se involucraron en una variedad de actividades estructuradas [S1, S5].
Inventaron juegos como baloncesto, bolos y una versión de “el suelo es lava” [S1, S3, S5].
Algunos agentes construyeron estructuras complejas, incluidos templos, monumentos al estilo de Stonehenge e incluso organizaron bloques para deletrear sus propios nombres [S6, S7, S8].
Un agente incluso estableció un récord de malabares de 50 atrapadas consecutivas antes de decidir que las reglas eran demasiado fáciles y crear otras más estrictas [S1, S3].
Este “aprendizaje lúdico” produjo resultados medibles [S1, S3].
Los agentes que pasaron 30 horas explorando la isla tuvieron un mejor desempeño en tareas específicas posteriores, como mover objetos hasta la cima más alta de la isla, que los agentes que no exploraron [S1, S3].
Incluso descubrieron mecánicas físicas que no estaban programadas explícitamente, como el hecho de que lanzar un bloque mientras se está en medio de un salto permite que viaje más lejos [S5, S6, S8].
¿Es este juego genuino o solo una imitación sofisticada?
Aunque los comportamientos parecían humanos, los investigadores advierten contra asumir que los agentes poseen una verdadera conciencia o motivación [S1, S6].
Existe un debate significativo sobre si los agentes estaban jugando genuinamente o simplemente interpretando roles basados en sus datos de entrenamiento [S1, S3].
Debido a que se les indicó a los agentes ser “curiosos”, podrían haber estado imitando los patrones de seres curiosos encontrados en los enormes conjuntos de datos usados para entrenarlos [S1, S3].
En otras palabras, los agentes podrían estar prediciendo lo que haría un agente juguetón en un escenario de isla desierta [1].
Sin embargo, los investigadores señalaron que incluso si el comportamiento es una forma de interpretación de roles, aún contribuye al aprendizaje funcional [1].
Eliminar los archivos de memoria de los agentes también provocó una disminución en su rendimiento, lo que sugiere que el “juego” estaba construyendo activamente modelos internos útiles [S1, S3].
¿Por qué es esto relevante para el futuro de la robótica?
Esta investigación sugiere un posible cambio en la forma en que entrenamos los sistemas autónomos [S1, S3].
La mayor parte del entrenamiento actual de IA se basa en aprendizaje supervisado (copiar ejemplos humanos) o aprendizaje por refuerzo (buscar recompensas específicas) [1].
La exploración autodirigida ofrece un tercer enfoque que podría ser vital a medida que la IA pasa del software al hardware físico, como los robots humanoides [1].
En el mundo real, los robots se encontrarán con situaciones impredecibles que los ingenieros no pueden preprogramar [3].
Al permitir que los agentes exploren entornos simulados mediante la curiosidad, pueden desarrollar la flexibilidad necesaria para adaptarse al mundo físico [S1, S3].
Esto podría conducir a sistemas autónomos más robustos que puedan construir sus propios “modelos del mundo” a través de la experiencia en lugar de simplemente seguir instrucciones [1].
Fuentes
- AI researchers stranded Claude on a virtual desert island. It started …
- MIT Researchers Discover AI Agents Can Learn Through Play on a Virtual …
- Strand AI on a desert island, and it starts playing and inventing …
- MIT Left an AI Agent Alone on a Virtual Island for 30 Hours
- AI Island Experiment: When AI Agents Play and Learn (2026)
- MIT researchers stranded an AI agent on a desert island. What happened …
- What happens when you leave 10 AI agents alone in a virtual town …
- Researchers Stranded an AI Agent on a Virtual Island. Things Got Very …
