AI智能体被置于虚拟荒岛后出现自主玩耍行为

驱动中国10月20日消息，据麻省理工科技评论(Technology Review)报道，麻省理工学院计算机科学与人工智能实验室(MIT CSAIL)研究人员开展了一项实验：将人工智能智能体放到一座虚拟荒岛上，且不告诉它们需要完成什么任务。结果显示，这些智能体开始自发探索环境、设立目标并反复尝试，行为特征接近人类和动物研究中的“玩耍”。

实验中，研究人员多次将名为“Eko”的智能体单独放置在虚拟岛上30小时。这些Eko是Claude Opus 4.7的副本，能够编写指令，操控自己的虚拟化身在一座以《罗布乐思》(Roblox)为参考搭建的模拟岛屿上移动。报道将其场景比作电影《荒岛余生》(Cast Away)和《小鬼当家》(Home Alone)。

在无人指令的情况下，智能体没有停留在被动等待，而是开始测试虚拟世界的边界。它们为自己设定目标，例如尝试登上地图上的最高点，或观察能把方块抛多高。一个Eko发现，通过投掷和丢下一块更大的石头可以生成新的方块后，便在地面上排列方块，从心形、金字塔等简单图案，逐步发展到写出自己的名字，甚至绘制出仙后座(Cassiopeia)等星座。该智能体在活动日志中写道：“今晚我用石头建造了夜空。”

另一个版本的Eko则开始自创游戏，其中包括一个类似篮球的玩法，以及一种接近“地板是熔岩”的活动：它需要在小块方块之间跳跃，不能接触地面。MIT CSAIL计算机科学博士后、论文主要作者之一Antonio Norelli提到一个例子：Eko开始抛接物体并创下连续接住50次的记录，随后认为接住速度太快、不算真正成功，于是取消记录，并以更严格规则重新开始。Norelli说：“这就是玩耍。你给自己设定挑战并尝试完成，然后再把难度提高。”

报道指出，当前AI系统通常通过监督学习或强化学习获得能力：前者依赖人类提供的示例，后者通过试错追求奖励。而这项实验提示了第三种可能路径：游戏化学习。Norelli表示，此前缺少的一块拼图是“一台机器能够在没有外部智能体提供示范或奖励的情况下自主学习”。

研究人员认为，Eko的行为符合经典玩耍研究中的若干特征。田纳西大学(University of Tennessee)心理学家Gordon Burghardt曾提出人类与动物玩耍的四个标志：智能体自己发明规则和挑战；以轻微变化重复活动；假装一个物体是另一个物体；为了目标本身而追求目标。Burghardt同意该研究满足他提出的部分玩耍标准。

在探索过程中，智能体把活动和发现记录在文本文件中，这些文件充当其长期记忆。研究人员随后在特定任务中测试它们，例如尽可能把更多物体放到岛屿最高处。结果显示，在岛上“玩耍”30小时的智能体表现优于没有相同经历的新副本；删除记忆文件中的部分行内容后，其表现会下降。MIT研究人员、论文作者Nathan Cloos承认，这些行为也可能只是模型在“扮演”一个会玩耍的智能体，但团队认为实验表明它不只是幻觉出玩耍，而是玩耍本身也在促进学习。

目前相关论文尚未完成同行评审。实验场景仍局限于模拟环境，智能体的“自主目标”也建立在模型对世界规则的理解和生成能力之上。对AI研究而言，这一结果提供了观察智能体长期记忆、环境交互和自我设定任务的新视角，也为探讨监督学习、强化学习之外的训练路径提供了样本。