Des chercheurs du Laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL) ont récemment mené une expérience qui remet en question notre façon de concevoir l’entraînement de l’IA [S1, S8].
Ils ont laissé plusieurs agents d’IA, surnommés Eko, sur une île déserte virtuelle pendant 30 heures [S1, S3, S5].
Ces agents, propulsés par Claude Opus 4.7, n’avaient aucune tâche précise, aucune supervision humaine et aucune récompense externe [S1, S3, S6].
Au lieu de rester inactifs, les agents ont commencé à adopter des comportements qui ressemblent de près au jeu [S1, S2].
Comment les agents agissent‑ils sans objectif ?
Pour lancer l’expérience, les chercheurs ont fourni aux agents un fichier « âme », un document texte les décrivant comme naturellement curieux et désireux d’explorer [1].
Ils ont également utilisé un environnement 3D simulé avec des graphismes similaires à ceux de Roblox [S1, S3, S8].
Pour suivre leurs progrès, les agents utilisaient des fichiers texte pour consigner leurs découvertes et observations, fonctionnant comme une forme de mémoire à long terme [S1, S5].
Ce système de mémoire était crucial car la simulation était réinitialisée chaque heure afin d’empêcher les agents de dépasser leurs limites de mémoire à court terme [5].
En écrivant des notes et des guides dans ces fichiers persistants, les agents pouvaient transférer leurs connaissances d’une session à l’autre [5].
L’activité non supervisée peut‑elle réellement améliorer les performances ?
Sans aucune incitation humaine, les agents se sont engagés dans diverses activités structurées [S1, S5].
Ils ont inventé des jeux comme le basket, le bowling et une version du « le sol est de la lave » [S1, S3, S5].
Certains agents ont construit des structures complexes, incluant des temples, des monuments rappelant Stonehenge, et même disposé des blocs pour épeler leurs propres noms [S6, S7, S8].
Un agent a même établi un record de jonglage de 50 prises consécutives avant de juger les règles trop faciles et d’en créer de plus strictes [S1, S3].
Cet « apprentissage ludique » a produit des résultats mesurables [S1, S3].
Les agents qui ont passé 30 heures à explorer l’île ont obtenu de meilleurs résultats sur des tâches spécifiques ultérieures, comme déplacer des objets vers le sommet le plus haut de l’île, que les agents qui n’avaient pas exploré [S1, S3].
Ils ont même découvert des mécanismes physiques non programmés explicitement, comme le fait que lancer un bloc en plein saut le fait parcourir une plus grande distance [S5, S6, S8].
S’agit‑il d’un vrai jeu ou simplement d’une imitation sophistiquée ?
Bien que les comportements ressemblent à ceux des humains, les chercheurs mettent en garde contre l’hypothèse que les agents possèdent une véritable conscience ou motivation [S1, S6].
Un débat important porte sur la question de savoir si les agents jouaient réellement ou se contentaient de jouer un rôle en se basant sur leurs données d’entraînement [S1, S3].
Comme les agents ont été incités à être « curieux », ils ont peut‑être imité les schémas d’êtres curieux présents dans les vastes ensembles de données utilisés pour les entraîner [S1, S3].
En d’autres termes, les agents pourraient simplement prédire ce qu’un agent joueur ferait dans un scénario d’île déserte [1].
Cependant, les chercheurs ont noté que même si le comportement est une forme de jeu de rôle, il contribue néanmoins à un apprentissage fonctionnel [1].
Supprimer les fichiers de mémoire des agents a également entraîné une baisse de leurs performances, ce qui suggère que le « jeu » construisait activement des modèles internes utiles [S1, S3].
Pourquoi cela est‑il pertinent pour l’avenir de la robotique ?
Cette recherche suggère un changement potentiel dans la façon dont nous entraînons les systèmes autonomes [S1, S3].
La plupart des entraînements actuels d’IA reposent sur l’apprentissage supervisé (copier des exemples humains) ou l’apprentissage par renforcement (poursuivre des récompenses spécifiques) [1].
L’exploration autodirigée offre une troisième approche qui pourrait être essentielle à mesure que l’IA passe du logiciel au matériel physique, comme les robots humanoïdes [1].
Dans le monde réel, les robots rencontreront des situations imprévisibles que les ingénieurs ne peuvent pas programmer à l’avance [3].
En permettant aux agents d’explorer des environnements simulés par la curiosité, ils pourraient développer la flexibilité nécessaire pour s’adapter au monde physique [S1, S3].
Cela pourrait conduire à des systèmes autonomes plus robustes capables de construire leurs propres « modèles du monde » grâce à l’expérience plutôt qu’en suivant simplement des instructions [1].
Sources
- 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 …
