Исследователи Массачусетского технологического института оставили ИИ-агентов на базе Claude Opus 4.7 на виртуальном необитаемом острове на 30 часов реального времени. Без заданий и инструкций нейросети сами придумывали игры, рисовали и исследовали мир вокруг.
Один агент поймал предмет 50 раз подряд и объявил рекорд по жонглированию, но решил, что победа далась слишком легко, отменил результат и начал заново.
Для эксперимента учёные собрали трёхмерную среду, похожую на Roblox. Агенты управляли виртуальными персонажами, бродили по острову, таскали предметы и взаимодействовали с объектами. Конкретных целей исследователи не ставили, поэтому каждый выбирал занятие сам.
Один из агентов научился делать небольшие строительные блоки с помощью большого камня и начал выкладывать из них рисунки прямо на земле. Сначала получились сердца и пирамиды, потом нейросеть сложила из блоков собственное имя и даже изобразила созвездие Кассиопеи.
Другой агент придумал подобие баскетбола и игру про лавовый пол, в которой нужно перепрыгивать между блоками и не касаться земли. Другая модель пыталась добраться до самой высокой точки карты, а несколько агентов подбрасывали предметы и проверяли, насколько высоко их удастся закинуть.
Жонглёр, поймав предмет 50 раз подряд, объявил рекорд. Потом он решил, что достижение досталось слишком легко, отменил результат, ужесточил правила и взялся за новую попытку.
Свои действия и открытия агенты записывали в текстовые файлы, которые служили долговременной памятью. Через 30 часов исследователи выдали им конкретные задания, например перенести как можно больше предметов на вершину острова.
Агенты, которые успели накопить опыт во время свободного исследования, справились лучше моделей, только что появившихся на острове. Когда учёные стирали часть записей из памяти, результаты падали. Это показало, что сохранённые сведения о прошлых действиях помогали эффективнее решать новые задачи.
Авторы считают такой метод возможным третьим способом обучения ИИ рядом с обучением на примерах и обучением с подкреплением. Его эффективность пока предстоит изучить подробнее.
