Исследователи из Лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL) недавно провели эксперимент, который ставит под вопрос наши представления о том, как обучать ИИ [S1, S8].
Они оставили несколько AI‑агентов, получивших прозвище Эко, на виртуальном пустынном острове на 30 часов [S1, S3, S5].
Эти агенты, работающие на Claude Opus 4.7, не получили никаких конкретных задач, не имели человеческого надзора и не получали внешних вознаграждений [S1, S3, S6].
Вместо того чтобы бездействовать, агенты начали проявлять поведение, очень похожее на игру [S1, S2].
Как агенты действуют без цели?
Для начала эксперимента исследователи предоставили агентам файл «души», представляющий собой текстовый документ, описывающий их как естественно любопытных и стремящихся к исследованию [1].
Они также использовали симулированную 3D‑среду с графикой в стиле Roblox [S1, S3, S8].
Для управления своим прогрессом агенты вели текстовые файлы, где фиксировали открытия и наблюдения, что служило формой долгосрочной памяти [S1, S5].
Эта система памяти была критически важна, потому что симуляцию сбрасывали каждый час, чтобы агенты не превышали ограничения краткосрочной памяти [5].
Записывая заметки и руководства в эти постоянные файлы, агенты могли переносить знания между сессиями [5].
Может ли несупервизированная активность действительно улучшать результаты?
Без какого‑либо человеческого подталкивания агенты занимались разнообразными структурированными действиями [S1, S5].
Они изобрели игры, такие как баскетбол, боулинг и вариант «пол — лава» [S1, S3, S5].
Некоторые агенты построили сложные конструкции, включая храмы, монументы в стиле Стоунхенджа и даже расположили блоки так, чтобы написать свои имена [S6, S7, S8].
Один агент установил рекорд по жонглированию — 50 последовательных ловлей, после чего решил, что правила слишком просты, и создал более строгие [S1, S3].
Это «игровое обучение» дало измеримые результаты [S1, S3].
Агенты, проведшие 30 часов в исследовании острова, показывали лучшие результаты в последующих специфических задачах, например, перемещении объектов к самой высокой точке острова, чем те, кто не исследовал его [S1, S3].
Они даже обнаружили физические механики, не прописанные явно, например, что бросок блока во время прыжка позволяет ему пролететь дальше [S5, S6, S8].
Является ли это подлинной игрой или лишь изощрённым подражанием?
Хотя поведение выглядело по‑человечески, исследователи предостерегают от предположения, что у агентов есть истинное сознание или мотивация [S1, S6].
Существует значительная дискуссия о том, действительно ли агенты играют, или просто разыгрывают роли, опираясь на свои обучающие данные [S1, S3].
Поскольку их просили быть «любопытными», они могли имитировать шаблоны любопытных существ, встречающиеся в огромных наборах данных, использованных для их обучения [S1, S3].
Иными словами, агенты могут предсказывать, как поступил бы игривый агент в сценарии пустынного острова [1].
Тем не менее, исследователи отметили, что даже если такое поведение — форма ролевой игры, оно всё равно способствует функциональному обучению [1].
Удаление файлов памяти у агентов также приводило к падению их эффективности, что свидетельствует о том, что «игра» активно формировала полезные внутренние модели [S1, S3].
Почему это важно для будущего робототехники?
Это исследование намекает на потенциальный сдвиг в подходах к обучению автономных систем [S1, S3].
Большинство современных методов обучения ИИ опираются на контролируемое обучение (копирование человеческих примеров) или обучение с подкреплением (поиск конкретных вознаграждений) [1].
Самостоятельное исследование предлагает третий подход, который может стать ключевым, когда ИИ переходит от программного обеспечения к физическому оборудованию, например, к гуманоидным роботам [1].
В реальном мире роботы столкнутся с непредсказуемыми ситуациями, которые инженеры не могут полностью запрограммировать [3].
Позволяя агентам исследовать симулированные среды через любопытство, они могут развить гибкость, необходимую для адаптации к физическому миру [S1, S3].
Это может привести к более надёжным автономным системам, способным строить собственные «модели мира» через опыт, а не просто следовать инструкциям [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 …
