Co takiego się działo? Modele samodzielnie eksplorowały otoczenie, budowały konstrukcje i wymyślały zabawy. Jakby tego było mało, zdobyte w ten sposób doświadczenie pomogło im później lepiej wykonywać konkretne zadania. Eksperyment prosto z MIT dostarcza więc istotnych informacji na temat możliwości samodzielnego uczenia się przez sztuczną inteligencję. Zamiast trenować takie narzędzia według ściśle określonego zestawu ćwiczeń, naukowcy dali im przestrzeń do swobodnego działania. Rezultaty przypominały zachowania znane z zabawy dzieci czy innych zwierząt.
W eksperymencie uczestniczyło 13 agentów o nazwie Eko, działających w oparciu o model Claude Opus 4.7. Każdy otrzymał własną kopię wirtualnego świata przypominającego trójwymiarową wyspę. Mógł poruszać się, skakać, podnosić przedmioty, przenosić je i rzucać nimi. Systemy nie otrzymały konkretnego celu do osiągnięcia. Ich zadaniem było eksplorowanie otoczenia i samodzielne decydowanie, co warto zrobić. Uczeni zachęcali je do działania, lecz nie instruowali, jakie aktywności powinny podejmować.
Warto przy tym odnotować, iż agenci nie widzieli wyspy w taki sposób jak człowiek. Otrzymywali tekstowe opisy obiektów i ich położenia, a następnie sterowali wirtualnym ciałem za pomocą prostych poleceń. Co godzinę świat wracał do stanu początkowego, a sesja systemu podlegała resetowi. Zachowane pliki tekstowe pozwalały jednak przenosić wspomnienia i zapisane odkrycia do kolejnych godzin eksperymentu. To właśnie dzięki nim agenci mogli gromadzić wiedzę i wykorzystywać ją w późniejszych działaniach.
Zamiast bezczynnie czekać na polecenia, agenci zaczęli wymyślać własne aktywności. Jeden z nich próbował dostać się na najwyższą skalną iglicę. Po nieudanych próbach znalazł inne rozwiązanie: wniósł kamień na sąsiednie wzniesienie, ustawił na nim dwa bloki i wykorzystał konstrukcję, by doskoczyć do celu. Innym razem agent rzucił złotym pierścieniem tak niefortunnie, że przedmiot wpadł do oceanu. W odpowiedzi zbudował z kamieni serce, które nazwał pomnikiem utraconego pierścienia. Kiedy przedmiot pojawił się ponownie po zresetowaniu świata, AI zaczęła wykorzystywać go między innymi jako obręcz do improwizowanej koszykówki.
Pojawiły się także próby żonglowania, kręgle oraz układanie geometrycznych wzorów na ziemi. Niektóre zachowania nie były wyłącznie powtarzaniem tych samych czynności. Agenci modyfikowali zasady, stawiali sobie nowe wyzwania i szukali sposobów na osiągnięcie wcześniej nieosiągalnych celów. Badacze zauważyli coś jeszcze: sześciu agentów odkryło niezamierzoną przez twórców symulacji technikę. Rzucenie blokiem podczas skoku pozwalało wyrzucić go znacznie dalej. Była to właściwość wirtualnego świata, której sami projektanci wcześniej nie znali.
Czytaj też: Fizycy uwięzili antycząstkę na długie tygodnie. Mówią, że to klucz do rozwikłania tajemnicy wszechświata
Najważniejsza część eksperymentu rozpoczęła się po zakończeniu 30-godzinnej eksploracji. Badacze postawili agentom konkretne zadania, między innymi polegające na umieszczeniu jak największej liczby obiektów na szczycie najwyższej skały. Następnie porównali ich wyniki z rezultatami 13 nowych kopii tego samego systemu, które nie spędziły czasu na wyspie. Agenci po eksploracji umieszczali na szczycie średnio 10,3 obiektu, podczas gdy nowe kopie osiągały wynik rzędu 3,5 obiektu. Jak widać, swobodne odkrywanie otoczenia może rozwijać umiejętności przydatne także podczas realizacji jasno określonych celów.
Znaczenie miały również zapisywane wspomnienia. Gdy naukowcy usuwali z plików pamięci informacje o wypracowanych technikach, wyniki agentów w odpowiednich zadaniach się pogarszały. Usunięcie niektórych błędnych przekonań mogło natomiast poprawiać rezultaty. Doświadczenie jest więc istotne, ale liczy się także sposób jego zapisywania i wykorzystywania.
Źródło: MIT
