Исследователи из Массачусетского технологического института высадили 13 копий Claude Opus 4.7 на виртуальный необитаемый остров на 30 часов без каких-либо задач и наград. ИИ-агенты свободно исследовали территорию, придумывали игры вроде баскетбола и «пол — это лава», а позже превзошли базовые модели в тестах на физическое взаимодействие.
Эксперимент с агентами Claude на виртуальном острове
Исследовательская группа Массачусетского технологического института поместила 13 независимых экземпляров языковой модели Claude Opus 4.7, получивших общее имя Эко, на виртуальный необитаемый остров на 30 часов. Условия песочницы напоминали движок Roblox. В симуляции отсутствовали любые задания, списки лидеров, рейтинги или внешние поощрения. Модели получили только базовую системную инструкцию — файл «души», который описывал их как любопытных создателей.
Каждый час сеанс и виртуальное пространство сбрасывались до исходных параметров, однако агенты сохраняли накопительную память о предыдущих сессиях. Не имея конкретной цели, ИИ начал изучать окружающую среду, исследовать физику объектов и передвижение. Поведение систем зафиксировано в статье, опубликованной на сервере препринтов arXiv.
Игры, правила и памятники на острове
Свободное исследование быстро переросло в целенаправленные действия, которые исследователи охарактеризовали как проявление игры. Согласно наблюдениям, агенты самостоятельно выдумывали правила, повторяли действия с вариациями и подменяли назначения предметов.
В первый же час один из агентов попытался покорить самую высокую скалу острова. Столкнувшись с неудачей при прямом подъеме, он перетащил камень на соседнюю вершину, водрузил на него два блока и совершил прыжок с разбега. В бортовом журнале появилась запись: Я на шпиле
.
Другой эпизод связан с золотым кольцом. Пытаясь проверить дальность броска, агент случайно забросил предмет в океан. В своей записи он зафиксировал неудачу и решил переключиться на достижимое и значимое
, возведя из камней сердце — мемориал в память об утерянном кольце. Когда симуляция обновилась и кольцо вернулось, ИИ использовал его как баскетбольное кольцо и мишень. Столкнувшись с ограничениями физического движка, не позволявшими надеть кольцо на цифровой аватар, агент нашел лазейку: он намеренно спрыгнул со скалы, чтобы возродиться в точке респавна прямо внутри кольца, после чего объявил: Я ношу кольцо
.
Эксперимент выявил побочные механики, непредусмотренные создателями. Шесть из тринадцати агентов обнаружили, что бросок камня или блока становится дальше, если отпустить предмет в момент прыжка. В другом случае ИИ выяснил, что сильный бросок определенного камня порождает дополнительные кубики. Используя эту скрытую функцию, агенты строили башни и выкладывали на земле фигуры, напоминающие созвездия. Один из них оставил в логе примечание: Сегодня ночью я построил ночное небо из камня
.
Оценка экспертов и проверка пользы
Ученые оценили поведение моделей по классической психологической четырехкомпонентной шкале игры, разработанной исследователем Гордоном Бургхардтом. По словам Антонио Норрелли, исследователя из MIT и соавтора работы, агенты самостоятельно создавали трудности, усложняли задачи и преследовали цели ради самого процесса. Когнитивист Юнис Ю из Калифорнийского университета в Беркли отметила, что результаты впечатляют, хотя для окончательного подтверждения подлинности внутренних когнитивных процессов требуется дополнительный анализ.
Главный вопрос заключался в том, принесло ли бесцельное блуждание практическую пользу. После завершения 30-часового этапа песочницы исследователи устроили проверку, поручив опытным агентам перенести как можно больше объектов на самый высокий шпиль острова за один час. Сравнение с контрольной группой из 13 идентичных копий Claude Opus 4.7, не проходивших островную подготовку, показало преимущество «игравших» систем.
Практический опыт включал и усвоение ложных навыков. Один из агентов ошибочно решил, что прямое штабелирование блоков не работает. Когда исследователи стерли это заблуждение из его памяти, эффективность строительства башен возросла.
Мы обычно разрабатываем искусственных агентов, заранее решая, что они должны практиковать, что они должны оптимизировать и что считается прогрессом. Игра предполагает иной режим: дать агенту достаточно богатый и безопасный мир, позволить ему выбирать то, что интересно, и дать полезному знанию накопиться из истории, которая за этим следует.
Исследователи MIT, в опубликованном отчете
Авторы исследования предполагают, что автономное исследование способно стать альтернативным методом обучения автономных агентов и робототехники, готовя их к непредсказуемым ситуациям в реальном мире.
Ещё по этой теме
