Cercetătorii de la MIT au realizat un experiment inovator în care au plasat agenți de inteligență artificială într-un mediu virtual pentru a observa cum pot învăța fără sarcini prestabilite. Acești agenți, numiți Eko, au fost lăsați să exploreze o insulă virtuală pustie timp de 30 de ore, fără a primi un obiectiv concret de la dezvoltatori. Rezultatele studiului, publicat pe platforma arXiv, sugerează că explorarea liberă poate ajuta sistemele AI să dobândească noi abilități și cunoștințe despre lume.
În cadrul acestui proces, fiecare dintre cei 13 agenți AI utiliza modelul Claude Opus 4.7 pentru a interacționa cu mediul. Unul dintre agenți, Eko, a demonstrat capacitatea de a găsi soluții neașteptate, cum ar fi construirea unei platforme din pietre pentru a ajunge pe o stâncă înaltă. Mai mult, agentul a creat un „monumentul inelului pierdut” din pietre după ce un inel de aur a ajuns în ocean, arătând o formă de adaptare la eșec prin inventarea unor activități noi.
Experimentul a evidențiat faptul că agenții au descoperit mecanici de interacțiune pe care programatorii nu le-au introdus intenționat. De exemplu, șase dintre cei 13 agenți au înțeles independent că pot arunca un bloc la o distanță mai mare dacă îl lasă să cadă în momentul în care sar. Autorii studiului au descris acest fenomen ca fiind o dobândire de cunoștințe despre lume pe care nici dezvoltatorii nu le aveau, testând limitele mediului virtual prin experimente proprii.
După perioada de explorare liberă, agenții au fost supuși unor sarcini specifice, precum transportarea unui număr maxim de obiecte pe o stâncă înaltă. Agenții care beneficiaseră de experiența explorării pe insulă s-au descurcat, în general, mult mai bine decât sistemele identice care nu au avut această perioadă de învățare fără scop. Această abordare diferă de metodele tradiționale de antrenare, unde dezvoltatorii stabilesc din avans obiectivele, criteriile de evaluare și abilitățile pe care sistemul trebuie să le optimizeze.
Deși comportamentul a fost influențat de instrucțiunea de a fi „în mod natural curios”, experimentul deschide noi direcții pentru dezvoltarea roboticii. Capacitatea de a învăța prin experiență este crucială pentru roboți, care trebuie să rezolve probleme neprevăzute în lumea fizică. Cercetătorii subliniază că, deși nu este vorba despre mecanisme cognitive umane, oferirea unui mediu bogat și sigur permite sistemelor AI să descopere strategii utile care pot completa metodele clasice de antrenare.
În dezvoltarea tehnologiei actuale, antrenarea modelelor de limbaj și a agenților autonomi se bazează pe seturi masive de date și instrucțiuni riguroase. Totuși, trecerea către sisteme care pot învăța prin interacțiune directă cu mediul, similar cu modul în care copiii explorează lumea, reprezintă o frontieră importantă pentru a reduce dependența de programarea explicită a fiecărei posibilități de interacțiune.