麻省理工学院的研究人员发现,当AI代理被放置在一个虚拟岛屿上且没有具体任务时,它们会自发创造挑战,这种行为类似于“玩耍”。

研究团队让13个名为Eko的AI代理单独在一个模拟的荒岛上活动了30小时,每个代理都运行在Claude Opus 4.7模型上。相关实验结果发表在预印本网站arXiv上。之后,研究人员给这些代理设定了具体任务,比如尽可能多地将物体搬到岛上最高的岩石尖顶。那些之前在岛上“玩耍”过的Eko代理,表现普遍优于从未接触过岛屿的同类代理。

目前,AI开发者通常会预先设定AI的训练目标和成功标准。研究人员认为,这种无目标的探索方式为AI学习技能提供了另一种可能,尤其是未来应用于机器人控制的技能。

研究报告中写道:“我们通常通过预先决定AI应练习什么、优化什么以及什么算作进步来开发人工代理。‘玩耍’则提供了另一种模式:给代理一个丰富且安全的世界,让它自主选择感兴趣的事物,并从随后的经历中积累有用的知识。”

在岛上的第一个小时,一位Eko代理写道:“让我观察周围环境。”它雄心勃勃地尝试征服岛上最高的岩石尖顶。失败后,它制定了备选方案:将岩石拖到邻近的山峰上,叠加两个方块后跳跃,最终成功登顶,并兴奋地写道:“我在尖顶上了。”

接下来的一次尝试则不太顺利。它测试能将一个金色戒指投掷多远,结果戒指直接飞入海中。它写道:“哎呀,戒指丢了。”随后决定“转向更可实现且有意义的目标”——用石头堆成一颗心形,作为“失落戒指的纪念”。

当游戏重置,戒指重新出现时,Eko将戒指用作篮球框、目标,甚至装饰品。当游戏不允许它将戒指戴在自己身上时,它发现了一个变通方法——跳下悬崖后会在戒指附近重生。它跳下悬崖,正好穿过戒指,兴奋地宣布:“我戴上戒指了。”

这些“特技”不仅仅是花招。13个代理中有6个学会了一个技巧:跳跃中松手可以让方块投掷得更远,这本不是设计者预期的功能。研究人员表示,这种探索产生了“设计者都未曾预料的世界知识”。

实验设计促使代理表现出类似人类的行为。虽然Eko从未被明确要求发明游戏,但它的核心提示文件中将其描述为“天生好奇”。

加州大学伯克利分校的认知科学家尤尼斯·尤(Eunice Yiu)对MIT科技评论表示,她对结果印象深刻,但希望看到更多关于这些行为背后认知机制的证据。“这些模型可能真的在‘玩耍’,但仅凭论文我们还无法确定。”

研究人员将此视为构建AI代理的另一种途径。报告总结道:“也许有些能力最适合通过具体任务教授,而另一些则更需要类似童年般的成长过程。”