TechCrunch opisał 23 października 2026 r. eksperyment MIT, w którym agenci AI pozostawieni bez konkretnego zadania zaczęli samodzielnie wyznaczać sobie cele i wymyślać aktywności. Po 30 godzinach swobodnej eksploracji zwykle lepiej wykonywali późniejsze zadania niż identyczni agenci, którzy wcześniej nie poznali środowiska. Wynik sugeruje, że doświadczenie zdobywane bez narzuconego celu może uzupełniać ćwiczenie ściśle określonych czynności.
Jak przebiegał eksperyment z 13 agentami Eko
Badacze MIT umieścili agentów w symulacji bezludnej wyspy. Opis eksperymentu trafił do serwisu arXiv, w którym naukowcy publikują prace przed recenzją naukową. Oznacza to, że przedstawionych wyników nie zweryfikowali jeszcze niezależni recenzenci.
- W badaniu uczestniczyło 13 agentów nazwanych Eko.
- Każdy agent działał na modelu Claude Opus 4.7.
- Eksploracja wirtualnej wyspy trwała 30 godzin.
- Agenci nie otrzymali konkretnego zadania ani polecenia wymyślania gier.
Po zakończeniu tego etapu badacze przydzielili agentom określone wyzwania. Jedno z nich polegało na umieszczeniu możliwie największej liczby przedmiotów na najwyższej skalnej iglicy wyspy. Wyniki agentów po swobodnej eksploracji porównano z rezultatami identycznych agentów, którzy wcześniej nie działali w tym środowisku.
Jakie aktywności agenci wymyślili bez wyznaczonego celu
Jedna z instancji Eko rozpoczęła od obserwowania otoczenia, a następnie próbowała dostać się na najwyższą iglicę. Po około godzinie niepowodzeń zmieniła plan. Wniosła głaz na sąsiedni szczyt, ustawiła na nim dwa bloki i wykorzystała powstałą konstrukcję do skoku.
Innym razem agent sprawdzał, jak daleko potrafi rzucić złotym pierścieniem. Przedmiot wpadł do oceanu i zniknął, więc Eko zbudował z kamieni serce, które miało upamiętniać utracony pierścień. Badacze uznali takie samodzielnie tworzone cele i reakcje na niepowodzenia za zachowania mające cechy zabawy.
Po zresetowaniu symulacji pierścień pojawił się ponownie. Agent używał go kolejno jako obręczy do koszykówki, celu i akcesorium. Gdy mechanika środowiska nie pozwoliła nałożyć pierścienia na postać, Eko wykorzystał działanie systemu odradzania. Zeskoczył z krawędzi, pojawił się ponownie w pobliżu przedmiotu i przeleciał przez jego środek, uznając w ten sposób, że nosi pierścień.
Eksploracja ujawniła mechanikę nieznaną projektantom
Swobodna aktywność przyniosła również bardziej praktyczne odkrycie. Sześciu z 13 agentów ustaliło, że można rzucić blok dalej, jeśli wypuści się go w trakcie skoku. Projektanci nie zamierzali wprowadzać takiej możliwości do symulacji.
Według badaczy agenci zdobyli więc wiedzę o środowisku, której nie mieli jego twórcy. Nie wynikała ona z instrukcji ani z wcześniej określonego testu. Pojawiła się podczas prób podejmowanych z inicjatywy agentów, w tym podczas eksperymentowania z przedmiotami i sposobem poruszania się.
Ten element badania pokazuje różnicę między wykonywaniem zadanego scenariusza a otwartą eksploracją. W pierwszym przypadku system szuka sposobu osiągnięcia wskazanego wyniku. W drugim sam wybiera interesujące działania, dzięki czemu może natrafić na reguły lub zależności, których twórcy nie przewidzieli.
Jak swobodna eksploracja wpłynęła na późniejsze zadania
Agenci mający za sobą 30 godzin na wyspie zwykle pokonywali agentów kontrolnych podczas późniejszych wyzwań. Dotyczyło to między innymi zadania z przenoszeniem obiektów na najwyższą iglicę. Źródło nie podaje jednak dokładnych wyników, skali przewagi ani informacji, czy różnice były istotne statystycznie.
Badacze zestawiają tę metodę z typowym sposobem rozwijania agentów. Obecnie projektanci zwykle z góry określają, co system ma ćwiczyć, jaki wynik powinien optymalizować i według jakich kryteriów mierzyć postęp. W proponowanym podejściu agent otrzymuje bogate, bezpieczne środowisko i może sam wybierać obiekty lub aktywności, które wzbudzają jego zainteresowanie.
Nie oznacza to, że zadania ze zdefiniowanym celem stają się zbędne. Autorzy pracy wskazują raczej na dwa uzupełniające się sposoby rozwijania zdolności agentów. Niektóre umiejętności można ćwiczyć bezpośrednio, podczas gdy inne mogą wymagać dłuższego kontaktu ze środowiskiem i historii wcześniejszych doświadczeń.
Dlaczego wynik nie rozstrzyga, czy agent naprawdę się bawił
Zachowanie Eko nie było całkowicie wolne od wskazówek projektantów. Główny prompt, określany jako plik soul, opisywał agenta jako z natury ciekawskiego. Nie zawierał polecenia tworzenia gier, ale mógł skłaniać model do eksplorowania otoczenia i formułowania własnych celów.
"Modele mogły rzeczywiście się bawić, ale na podstawie tej pracy tego nie wiemy" - Eunice Yiu, cognitive scientist z UC Berkeley.
Jej zastrzeżenie dotyczy procesów poznawczych stojących za obserwowanym zachowaniem. Eksperyment pokazuje działania przypominające zabawę, lecz nie dowodzi, że model przeżywa ciekawość lub zabawę w ludzkim znaczeniu. Do takiego wniosku potrzebne byłyby dodatkowe dowody.
Badacze przedstawiają eksperyment przede wszystkim jako możliwy sposób budowania agentów, zwłaszcza takich, które w przyszłości mogłyby sterować robotami. Zamiast definiować cały program ćwiczeń, projektanci mogliby udostępnić bezpieczne środowisko testowe, w którym agent sam zbiera doświadczenia i odkrywa skuteczne strategie.
Dla firm w Polsce jest to na razie kierunek badawczy, a nie opisana metoda wdrożenia produkcyjnego. Źródło nie podaje kosztów, wymagań infrastrukturalnych ani wyników zastosowania poza symulacją, a wykorzystanie tej techniki do sterowania robotami pozostaje możliwością na przyszłość.
