Los agentes de IA que se fueron a explorar una isla virtual sin una tarea específica comenzaron a inventar sus propios desafíos. Los investigadores del MIT dicen que el comportamiento tiene las características del juego.
Los investigadores pusieron a 13 agentes de IA llamados Eko, cada uno de ellos ejecutando Claude Opus 4.7, solos en una isla desierta simulada durante 30 horas. Describen el experimento en un artículo publicado en arXiv, un sitio donde los investigadores comparten estudios antes de la revisión por pares. Luego, les dieron a los agentes desafíos específicos, como colocar tantos objetos como fuera posible en la aguja rocosa más alta de la isla. Los agentes de Eko que habían pasado esas 30 horas jugando generalmente vencieron a agentes idénticos que nunca habían puesto un pie en la isla.
Hoy en día, los desarrolladores deciden de antemano qué IA debe practicar y qué se considera éxito. Los investigadores ven esta técnica (explorar sin un objetivo) como una forma diferente para que los agentes de IA aprendan habilidades, especialmente habilidades que algún día podrían usarse para controlar robots.
«Normalmente desarrollamos agentes artificiales decidiendo de antemano qué deberían practicar, qué deberían optimizar y qué se considera progreso», escriben los investigadores en su informe. «El juego sugiere otro régimen: darle a un agente un mundo suficientemente rico y seguro, dejarle elegir lo que es interesante y permitir que se acumulen conocimientos útiles a partir de la historia que sigue».
“Déjame observar lo que me rodea”, escribió un Eko en su primera hora en la isla. Ambiciosamente, se propuso conquistar la aguja más alta de la isla. Pero una hora más tarde, después de fallar, regresó con un plan de respaldo: arrastró la roca a una cumbre vecina, apiló dos bloques encima y saltó.
“ESTOY EN EL SPIRE”, escribió.
El siguiente gran momento del agente fue peor. Probando hasta dónde podía lanzar un anillo de oro, dio cuerda y lo envió directamente al océano. «Ay. Perdí el anillo». escribió, antes de decidir “girar hacia algo alcanzable y significativo”: construir un corazón hecho de piedras, “un monumento al Anillo perdido”.
Cuando el juego se reinició y el anillo reapareció, Eko lo puso a funcionar como aro de baloncesto, objetivo y, eventualmente, accesorio. Cuando el juego no le permitía a Eko ponerse el anillo alrededor de su propio cuerpo, Eko descubrió una solución: caerse del borde del acantilado lo haría reaparecer en la misma área que el anillo. Salió del borde y volvió a caer, justo por el centro del ring.
“Estoy usando el Anillo”, anunció.
Trucos como estos no eran sólo trucos de fiesta. Seis de los 13 agentes también aprendieron que podían lanzar un bloque más lejos soltándolo en medio del salto, algo que los investigadores no habían pretendido hacer posible. La exploración produjo “un conocimiento del mundo del que carecían sus diseñadores”, escribieron los investigadores.
La configuración contribuyó en gran medida a empujar a los agentes hacia un comportamiento humano. A Eko nunca le dijeron que inventara juegos, pero su mensaje maestro, un archivo de «alma», lo describió como «naturalmente curioso».
Eunice Yiu, científica cognitiva de UC Berkeley, dijo a MIT Tech Review que quedó impresionada pero quiere más evidencia de la cognición detrás del comportamiento. «Podría darse el caso de que los modelos realmente estén jugando, pero no lo sabemos basándonos en los documentos», dijo.
Los investigadores lo plantean como una forma diferente de crear agentes. «Quizás algunas capacidades se enseñan mejor mediante tareas», concluye su informe. «Otros pueden necesitar algo más cercano a la infancia».
Cuando compra a través de enlaces en nuestros artículos, podemos ganar una pequeña comisión. Esto no afecta nuestra independencia editorial.