MIT AI Agents 在为期 30 小时的虚拟岛屿实验中发明游戏

关键要点

  • MIT 研究人员观察到,13 个 Eko AI Agent 在虚拟荒岛上进行 30 小时无人监督的探索时,发明了游戏并发现了意料之外的机制。
  • 13 个 Eko AI Agent 中有 6 个独立学会了在跳跃过程中松手,从而让方块飞得更远;研究人员并未有意编写这一机制。
  • 在后续的特定挑战中,例如将物体堆叠在最高的尖塔上,探索该岛 30 小时的 Eko AI Agent 通常比没有探索经历的完全相同的 AI Agent 表现更好。

MIT 研究人员将 13 个名为 Eko 的 AI Agent 放在一座模拟荒岛上 30 小时,不给它们安排任务,并观察它们表现出团队所称的“玩耍”行为。这些 Agent 均运行在 Claude Opus 4.7 上,在无人监督的探索过程中自行设计挑战和游戏。这项研究探索了 AI 技能培养的一种替代方法:让 Agent 自主选择练习内容,而不是遵循开发者预设的训练目标。

Eko Agent 发明游戏并发现意料之外的机制

一名 Eko Agent 在第一个小时便开始尝试征服岛上最高的尖塔。失败后,它把一块岩石拖上邻近的山顶,在上面叠放两块方块,然后跳起来够到尖塔顶端。“我到尖塔上了,”该 Agent 在日志中写道。后来,同一个 Agent 在测试投掷距离时把一枚金戒指扔进了海里,随后又建造了一颗石头心,作为“献给遗失戒指的纪念碑”。游戏重置、戒指重新出现后,该 Agent 把它改作篮球框和目标,之后还发现,只要从悬崖边走下去并在同一地点重生,就能把戒指戴在身上。

13 个 Agent 中有 6 个学会了在跳跃过程中松手,从而把方块扔得更远;这一机制并非研究人员有意设计的。MIT 团队写道,这种探索产生了“设计者原本并不具备的世界知识”。研究人员在 arXiv 上发布的论文中介绍了这项实验。

经过 30 小时的探索后,研究人员给这些 Agent 布置了具体挑战,包括尽可能多地把物品搬到岛上最高的岩石尖塔上。花了 30 小时探索的 Eko Agent 通常表现优于从未探索过这座岛屿的同类 Agent。

MIT 研究人员将探索视为一种替代训练方法

研究人员在报告中写道:“我们通常会预先决定人工 Agent 应该练习什么、应该优化什么,以及什么才算进步,然后据此开发它们。玩耍提示了另一种模式:为 Agent 提供一个足够丰富且安全的世界,让它自行选择感兴趣的内容,并让有用的知识从随后的经历中逐渐积累。”

团队认为,这种不设预定目标的探索方式,为 AI Agent 学习技能提供了另一条路径,尤其是那些未来可能用于控制机器人的技能。研究人员从未明确要求 Eko Agent 发明游戏,但它们的初始提示词将其描述为“天生好奇”。

报告总结道:“或许有些能力最适合通过任务来教授,而另一些能力可能需要更接近童年的经历。”

加州大学伯克利分校科学家质疑认知证据

加州大学伯克利分校认知科学家 Eunice Yiu 告诉 MIT Tech Review,她对此印象深刻,但希望能看到更多关于这些行为背后认知能力的证据。Yiu 说:“模型确实可能是在玩耍,但根据这篇论文,我们还无法确定。”

常见问题

MIT 研究人员观察到 AI Agent 在虚拟岛屿上无任务探索时有什么表现?

MIT 研究人员将 13 个名为 Eko 的 AI Agent 放在一座模拟荒岛上 30 小时,不给它们安排目标。这些 Agent 自行设计挑战,包括攀登尖塔、把物品改作篮球框,以及发现意料之外的游戏机制,例如在跳跃过程中松手就能把方块扔得更远。13 个 Agent 中有 6 个独立学会了这一投掷技巧,而研究人员并未有意设计这一机制。

在岛上玩耍的 AI Agent 与没有探索经历的 Agent 相比,表现如何?

经过 30 小时的探索后,研究人员给 Eko Agent 布置了具体挑战,例如尽可能多地把物品搬到岛上最高的岩石尖塔上。在岛上玩耍和探索了 30 小时的 Agent,通常表现优于从未踏上这座虚拟岛屿的同类 Agent,这表明无人监督的探索帮助它们培养了有用的技能并积累了世界知识。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论