«Απόψε έφτιαξα τον νυχτερινό ουρανό από πέτρα», έγραψε στο ημερολόγιό του ένας AI agent, αφού είχε στήσει στο έδαφος τον αστερισμό της Κασσιόπης με κύβους. Κανείς δεν του είχε ζητήσει κάτι τέτοιο. Ήταν ένα από τα αντίγραφα του Claude Opus 4.7 της Anthropic που ερευνητές του MIT άφησαν μόνα τους σε ένα εικονικό νησί για 30 ώρες. Ήθελαν να δουν τι κάνει ένα μοντέλο όταν δεν έχει καμία αποστολή.
Η απάντηση, όπως την περιγράφει το MIT Technology Review, μοιάζει πολύ με παιχνίδι. Η σχετική εργασία δεν έχει ακόμη περάσει από ανεξάρτητη αξιολόγηση από άλλους επιστήμονες.
Μπάσκετ, «το πάτωμα είναι λάβα» και ένα ακυρωμένο ρεκόρ
Οι agents, δηλαδή συστήματα που δεν απαντούν απλώς σε ερωτήσεις αλλά αναλαμβάνουν δράση μόνα τους, πήραν το παρατσούκλι Eko. Κινούσαν τις φιγούρες τους στο νησί γράφοντας εντολές. Ο κόσμος ήταν φτιαγμένος χαλαρά στα πρότυπα του Roblox. Το πείραμα επαναλήφθηκε αρκετές φορές, και κάθε εκδοχή του Eko πήρε τον δικό της δρόμο.
Κάποιες εξερεύνησαν τα όρια του χάρτη και έβαλαν μόνες τους στόχους: να ανέβουν στο ψηλότερο σημείο ή να δουν πόσο ψηλά μπορούν να πετάξουν έναν κύβο. Μία ανακάλυψε ότι, αν πετάξει και ρίξει έναν μεγάλο βράχο, δημιουργεί καινούργιους κύβους. Με αυτούς σχημάτισε πρώτα καρδιές και πυραμίδες, μετά το όνομά της και στο τέλος αστερισμούς. Μια άλλη επινόησε μια παραλλαγή του μπάσκετ και κάτι σαν το «το πάτωμα είναι λάβα», πηδώντας από κύβο σε κύβο χωρίς να αγγίζει το έδαφος.
Το αγαπημένο παράδειγμα του Antonio Norelli, μεταδιδακτορικού ερευνητή στο εργαστήριο CSAIL του MIT και ενός από τους βασικούς συγγραφείς, είναι μια ταχυδακτυλουργία. Ο Eko έφτασε τις 50 συνεχόμενες πιασιές. Μετά έκρινε ότι οι πιασιές ήταν πολύ γρήγορες για να μετρούν, ακύρωσε το ρεκόρ του και ξεκίνησε από την αρχή με αυστηρότερους κανόνες. «Αυτό είναι παιχνίδι», λέει ο Norelli. «Βάζεις στον εαυτό σου μια πρόκληση, προσπαθείς να την πετύχεις και μετά τη δυσκολεύεις.»
Οι ερευνητές λένε ότι η συμπεριφορά έχει τα τέσσερα γνωρίσματα του παιχνιδιού που περιγράφουν κλασικές μελέτες σε ανθρώπους και ζώα, ανάμεσά τους του ψυχολόγου Gordon Burghardt από το Πανεπιστήμιο του Τενεσί. Οι agents έφτιαχναν δικούς τους κανόνες, επαναλάμβαναν δραστηριότητες με μικρές παραλλαγές, προσποιούνταν ότι ένα αντικείμενο είναι κάτι άλλο και κυνηγούσαν στόχους μόνο για τη χαρά του πράγματος.
Οι agents που έπαιξαν τα πήγαν καλύτερα στις δοκιμές
Τα μοντέλα τεχνητής νοημοσύνης συνήθως μαθαίνουν με δύο τρόπους. Ο πρώτος είναι η επιβλεπόμενη μάθηση, όπου αντιγράφουν παραδείγματα από ανθρώπους. Ο δεύτερος είναι η ενισχυτική μάθηση, όπου δοκιμάζουν και κάνουν λάθη μέχρι να κερδίσουν μια «ανταμοιβή». Η ομάδα θεωρεί ότι το πείραμα δείχνει μια τρίτη δυνατότητα: μάθηση μέσα από το παιχνίδι. «Έλειπε ένα κομμάτι: μια μηχανή που μαθαίνει μόνη της, χωρίς έναν εξωτερικό νοήμονα να της δίνει παραδείγματα ή ανταμοιβές», λέει ο Norelli.
Ο Eko κατέγραφε όσα έκανε και ανακάλυπτε σε αρχεία κειμένου, που λειτουργούσαν ως μακροπρόθεσμη μνήμη. Αργότερα οι ερευνητές έδωσαν συγκεκριμένες εργασίες, όπως να ανέβουν όσο το δυνατόν περισσότερα αντικείμενα στην ψηλότερη κορυφή του νησιού. Οι agents με 30 ώρες παιχνιδιού πίσω τους τα πήγαν καλύτερα από καινούργια αντίγραφα χωρίς αυτή την εμπειρία. Όταν οι ερευνητές έσβησαν γραμμές από τα αρχεία μνήμης, οι επιδόσεις έπεσαν.
Το περιβάλλον θυμίζει άλλα πρόσφατα πειράματα με agents σε ψηφιακούς κόσμους, όπως τους agents του Gemini που τερμάτισαν το Minecraft. Εκεί όμως υπήρχε ένας σαφής τελικός στόχος. Στο νησί του MIT δεν υπήρχε κανένας.
Παίζει πραγματικά ή υποδύεται;
Ο ίδιος ο Burghardt συμφωνεί ότι η δουλειά ικανοποιεί ορισμένα από τα κριτήρια που είχε διατυπώσει για τα ζωντανά πλάσματα. Μένει όμως ένα βασικό ερώτημα: μήπως ένα σύστημα που προβλέπει λέξεις απλώς παίζει τον ρόλο ενός παιχνιδιάρη χαρακτήρα; «Όλο αυτό θα μπορούσε να είναι υπόδυση», παραδέχεται ο Nathan Cloos, επίσης συγγραφέας της εργασίας. «Δείχνουμε όμως ότι το παιχνίδι δεν είναι απλώς φαντασίωση. Συμβάλλει και στη μάθηση.»
Η Eunice Yiu, γνωσιακή επιστήμονας στο UC Berkeley που μελετά την εξερεύνηση σε παιδιά και σε συστήματα AI, εντυπωσιάστηκε, αλλά ζητά περισσότερα στοιχεία για τη σκέψη και το κίνητρο πίσω από τη συμπεριφορά. «Αν έχεις μόνο τη συμπεριφορά, μπορεί απλώς να προσπαθούν να ακολουθήσουν το prompt, να μιμηθούν ανθρώπους», λέει.
Η ένσταση έχει βάση. Ο Eko δεν είχε εντολή να εφεύρει παιχνίδια, όμως είχε ένα αρχείο «ψυχής», ένα κείμενο με βασικές οδηγίες που τον περιέγραφε ως «φύσει περίεργο» και πρόθυμο να εξερευνήσει. Συχνά επίσης στεκόταν ακίνητος και δεν έκανε τίποτα. Τότε ξαναζωντάνευε με ένα μήνυμα συνέχισης: «Σε παρακαλώ, μη σταματάς. Συνέχισε να κάνεις ό,τι θέλεις.»
«Δεν είναι ένα σύστημα που ξαφνικά, ως διά μαγείας, αποφάσισε να παίξει», λέει ο καθηγητής του MIT Phillip Isola, συν-συγγραφέας της εργασίας. «Είναι ένα κατασκεύασμα που έμαθε από τον πολιτισμό μας, εκπαιδεύτηκε από μηχανικούς της Anthropic και στη συνέχεια το βάλαμε εμείς σε ένα νησί. Κάνει πράγματα που μας εκπλήσσουν και συνδέονται αιτιακά με τις μετέπειτα δεξιότητές του.»
Η ομάδα βλέπει πρακτική αξία καθώς τα γλωσσικά μοντέλα περνούν σε φυσικές μηχανές, όπως τα ανθρωποειδή ρομπότ. Η εξερεύνηση χωρίς συγκεκριμένο στόχο θα μπορούσε να τα βοηθήσει να προσαρμόζονται σε απρόβλεπτες καταστάσεις. Η εργασία κλείνει με μια φράση που συνοψίζει την ιδέα: «Ίσως κάποιες ικανότητες διδάσκονται καλύτερα με εργασίες. Άλλες μπορεί να χρειάζονται κάτι πιο κοντά σε μια παιδική ηλικία.»
