Un experiment realizat de cercetători de la MIT arată că agenții de inteligență artificială pot dezvolta comportamente asemănătoare jocului atunci când sunt lăsați să exploreze un mediu virtual fără obiective prestabilite. După 30 de ore petrecute pe o insulă simulată, sistemele AI au demonstrat o capacitate mai bună de a rezolva anumite provocări decât agenții care nu avuseseră această experiență.
Descoperirea deschide o direcție interesantă în dezvoltarea inteligenței artificiale: învățarea prin explorare liberă, fără ca fiecare acțiune să fie asociată unui obiectiv impus de programatori.
Studiul a fost publicat pe platforma arXiv și nu trecuse încă prin procesul de evaluare independentă de către alți cercetători.
Cercetătorii MIT au lăsat 13 agenți AI singuri pe o insulă virtuală
În cadrul experimentului, echipa de cercetare a utilizat 13 agenți AI numiți Eko, construiți pe baza modelului Claude Opus 4.7. Fiecare agent a fost introdus separat într-un mediu digital care reproducea o insulă pustie. Timp de 30 de ore, sistemele au putut interacționa cu obiectele și terenul fără să primească o misiune concretă.
În loc să rămână inactive, unele dintre ele au început să stabilească propriile provocări. Agenții au încercat să ajungă în zone greu accesibile, să construiască structuri din obiectele disponibile și să descopere modalități neobișnuite de utilizare a elementelor din mediul virtual.
Cercetătorii consideră că aceste comportamente prezintă caracteristici asociate jocului exploratoriu, un proces important în dezvoltarea abilităților la oameni și animale.
Un agent AI a inventat o metodă pentru a ajunge pe cel mai înalt vârf
Unul dintre agenții Eko și-a propus să urce pe cea mai înaltă formațiune stâncoasă de pe insulă. După mai multe încercări nereușite, sistemul a schimbat strategia. A transportat un obiect pe o înălțime apropiată, a construit o platformă improvizată din blocuri și a folosit-o pentru a realiza un salt mai lung. Prin această combinație de acțiuni, agentul a reușit să ajungă în locul dorit.
Exemplul este relevant deoarece agentul nu primise instrucțiuni explicite să rezolve acea provocare. Obiectivul a apărut în timpul explorării, iar soluția a fost descoperită prin încercări succesive.
Agenții AI au descoperit mecanici de joc necunoscute chiar și dezvoltatorilor
Un alt episod a implicat un inel auriu disponibil în simulare. Un agent a încercat să testeze distanța la care putea arunca obiectul, dar l-a pierdut în ocean. Ulterior, a construit o inimă din pietre, ca reprezentare simbolică a obiectului dispărut. După resetarea mediului virtual, inelul a reapărut. Agentul a început să îl utilizeze în diferite activități, inclusiv drept țintă pentru aruncări.
Într-o altă încercare, sistemul a găsit o soluție neașteptată pentru a trece prin inel: a exploatat mecanismul de reapariție a personajului după o cădere de pe marginea insulei.
Experimentele au produs și descoperiri cu potențial practic. Șase dintre cei 13 agenți au identificat independent o metodă prin care puteau arunca un bloc la o distanță mai mare, eliberându-l în timpul unei sărituri. Această posibilitate nu fusese introdusă intenționat ca tehnică de către dezvoltatorii mediului virtual.
Rezultatul sugerează că explorarea autonomă poate dezvălui proprietăți ale unui sistem pe care nici creatorii săi nu le-au anticipat.
Agenții care s-au jucat au obținut rezultate mai bune la testele ulterioare
După cele 30 de ore de explorare, cercetătorii au introdus provocări concrete. Una dintre acestea presupunea transportarea unui număr cât mai mare de obiecte pe cea mai înaltă stâncă a insulei.
Performanțele agenților care exploraseră anterior mediul au fost comparate cu cele ale unor agenți identici care nu avuseseră această experiență. În general, sistemele care petrecuseră timp explorând au obținut rezultate mai bune.
Explicația propusă de cercetători este că agenții acumulaseră deja informații utile despre teren, obiecte și regulile simulării. Astfel, atunci când au primit sarcini precise, au putut valorifica experiența dobândită anterior.
Poate inteligența artificială să învețe prin joacă, asemenea copiilor?
În prezent, multe sisteme AI sunt antrenate pentru a îndeplini obiective stabilite de oameni. Dezvoltatorii definesc sarcinile, criteriile de succes și metodele prin care performanța este evaluată.
Experimentul MIT explorează o abordare diferită: agenții primesc acces la un mediu complex și sigur, iar învățarea apare prin interacțiunea liberă cu acesta. Cercetătorii sugerează că unele competențe ar putea fi dezvoltate mai eficient prin experiențe exploratorii decât prin repetarea unor exerciții prestabilite. Această direcție ar putea deveni importantă pentru robotică.
Un robot capabil să descopere singur proprietățile obiectelor și limitele propriilor mișcări ar putea dobândi abilități utile înainte de a primi sarcini specifice. Totuși, rezultatele obținute într-o simulare nu demonstrează automat că aceeași metodă va funcționa în lumea fizică.
Specialiștii avertizează că jocul AI nu demonstrează existența conștiinței
Deși comportamentul agenților seamănă cu joaca umană, interpretarea rezultatelor necesită prudență. Sistemele Eko nu au primit ordinul direct de a inventa jocuri. Cu toate acestea, instrucțiunile lor generale includeau o descriere a agentului ca fiind curios din fire. Acest detaliu ar fi putut influența modul în care modelele au ales să interacționeze cu mediul.
Eunice Yiu, cercetătoare în științe cognitive la Universitatea California din Berkeley, a apreciat rezultatele, dar a subliniat că sunt necesare dovezi suplimentare pentru a înțelege procesele din spatele comportamentelor observate. Faptul că un sistem AI inventează provocări și experimentează nu înseamnă că acesta simte curiozitate, distracție sau satisfacție în sens uman.
Studiul evidențiază un comportament funcțional asemănător jocului, nu existența unor experiențe subiective sau a conștiinței artificiale.
Ce ar putea însemna descoperirea pentru viitorul inteligenței artificiale
Experimentul propune o perspectivă diferită asupra dezvoltării agenților autonomi. În loc să fie pregătite exclusiv pentru sarcini bine definite, sistemele AI ar putea beneficia de perioade de explorare în care să descopere singure reguli, strategii și posibilități de acțiune. O asemenea abordare ar putea contribui la dezvoltarea unor roboți mai flexibili, capabili să se adapteze la situații noi.
Deocamdată, cercetarea rămâne într-o etapă experimentală. Sunt necesare studii suplimentare pentru a confirma avantajele metodei și pentru a stabili în ce condiții acestea pot fi reproduse.
Cu toate acestea, rezultatele sugerează că învățarea prin explorare liberă ar putea deveni o componentă importantă a viitoarelor sisteme de inteligență artificială, alături de metodele tradiționale de antrenare.
Sursa: techcrunch.com
