Peneliti di Laboratorium Ilmu Komputer dan Kecerdasan Buatan MIT (CSAIL) baru-baru ini melakukan sebuah eksperimen yang menantang cara kita memikirkan pelatihan AI [S1, S8].
Mereka menempatkan beberapa agen AI, yang dijuluki Eko, di sebuah pulau gurun virtual selama 30 jam [S1, S3, S5].
Agen-agen ini, yang didukung oleh Claude Opus 4.7, tidak diberikan tugas khusus, tidak ada pengawasan manusia, dan tidak ada hadiah eksternal [S1, S3, S6].
Alih-alih berdiam diri, agen-agen tersebut mulai melakukan perilaku yang sangat mirip dengan bermain [S1, S2].
Bagaimana agen berperilaku tanpa tujuan?
Untuk memulai eksperimen, peneliti memberikan agen sebuah berkas “soul”, yaitu dokumen teks yang menggambarkan mereka sebagai secara alami penasaran dan bersemangat menjelajah [1].
Mereka juga menggunakan lingkungan 3D simulasi dengan grafis mirip Roblox [S1, S3, S8].
Untuk mengelola kemajuan mereka, agen-agen menggunakan berkas teks untuk mencatat temuan dan observasi mereka, yang berfungsi sebagai bentuk memori jangka panjang [S1, S5].
Sistem memori ini penting karena simulasi direset setiap jam untuk mencegah agen melampaui batas memori jangka pendek mereka [5].
Dengan menulis catatan dan panduan ke dalam berkas-berkas persisten ini, agen dapat membawa pengetahuan antar sesi [5].
Bisakah aktivitas tanpa pengawasan benar-benar meningkatkan kinerja?
Tanpa adanya dorongan manusia, agen-agen terlibat dalam berbagai aktivitas terstruktur [S1, S5].
Mereka menciptakan permainan seperti basket, bowling, dan versi “lantai adalah lava” [S1, S3, S5].
Beberapa agen membangun struktur kompleks, termasuk kuil, monumen mirip Stonehenge, bahkan menyusun balok untuk menuliskan nama mereka sendiri [S6, S7, S8].
Salah satu agen bahkan mencetak rekor juggling dengan 50 tangkapan berurutan sebelum memutuskan aturan terlalu mudah dan membuat aturan yang lebih ketat [S1, S3].
“Pembelajaran bermain” ini menghasilkan hasil yang dapat diukur [S1, S3].
Agen yang menghabiskan 30 jam menjelajahi pulau menunjukkan kinerja yang lebih baik pada tugas-tugas spesifik berikutnya, seperti memindahkan objek ke puncak tertinggi pulau, dibandingkan agen yang tidak menjelajah [S1, S3].
Mereka bahkan menemukan mekanika fisika yang tidak diprogram secara eksplisit, seperti fakta bahwa melempar balok saat melompat memungkinkan balok tersebut melaju lebih jauh [S5, S6, S8].
Apakah ini permainan sejati atau sekadar imitasi canggih?
Meskipun perilaku tersebut tampak mirip manusia, peneliti memperingatkan agar tidak mengasumsikan agen memiliki kesadaran atau motivasi sejati [S1, S6].
Ada perdebatan signifikan mengenai apakah agen benar-benar bermain atau sekadar berperan berdasarkan data pelatihan mereka [S1, S3].
Karena agen dipicu untuk menjadi “penasaran,” mereka mungkin meniru pola makhluk penasaran yang terdapat dalam dataset besar yang digunakan untuk melatih mereka [S1, S3].
Dengan kata lain, agen mungkin memprediksi apa yang akan dilakukan agen yang bermain dalam skenario pulau gurun [1].
Namun, peneliti mencatat bahwa meskipun perilaku tersebut merupakan bentuk berperan, hal itu tetap berkontribusi pada pembelajaran fungsional [1].
Menghapus berkas memori agen juga menyebabkan penurunan kinerja mereka, yang menunjukkan bahwa “bermain” secara aktif membangun model internal yang berguna [S1, S3].
Mengapa ini relevan bagi masa depan robotika?
Penelitian ini menunjukkan potensi pergeseran dalam cara kita melatih sistem otonom [S1, S3].
Sebagian besar pelatihan AI saat ini mengandalkan pembelajaran terawasi (meniru contoh manusia) atau pembelajaran penguatan (mengejar hadiah tertentu) [1].
Eksplorasi yang diarahkan sendiri menawarkan pendekatan ketiga yang dapat menjadi penting ketika AI beralih dari perangkat lunak ke perangkat keras fisik, seperti robot humanoid [1].
Di dunia nyata, robot akan menghadapi situasi tak terduga yang tidak dapat diprogram sebelumnya oleh insinyur [3].
Dengan memungkinkan agen menjelajahi lingkungan simulasi melalui rasa ingin tahu, mereka dapat mengembangkan fleksibilitas yang diperlukan untuk beradaptasi dengan dunia fisik [S1, S3].
Hal ini dapat menghasilkan sistem otonom yang lebih kuat yang dapat membangun “model dunia” mereka sendiri melalui pengalaman, bukan sekadar mengikuti instruksi [1].
Sources
- Peneliti AI menelantarkan Claude di pulau gurun virtual. Itu dimulai …
- Peneliti MIT Menemukan Agen AI Dapat Belajar Melalui Permainan di Pulau Virtual …
- Menelantarkan AI di pulau gurun, dan ia mulai bermain serta menciptakan …
- MIT Membiarkan Agen AI Sendiri di Pulau Virtual selama 30 Jam
- Eksperimen Pulau AI: Ketika Agen AI Bermain dan Belajar (2026)
- Peneliti MIT menelantarkan agen AI di pulau gurun. Apa yang terjadi …
- Apa yang terjadi ketika Anda meninggalkan 10 agen AI sendirian di kota virtual …
- Peneliti Menelantarkan Agen AI di Pulau Virtual. Kejadian menjadi Sangat …
