Без задания и награды: ИИ-агент начал играть на виртуальном острове
- MIT описала в препринте агента Eko, который в 30-часовых сессиях исследовал виртуальный остров без заданий и наград.
- В ограниченной песочнице работали 13 агентов: они строили из блоков, рисовали, придумывали игры и сохраняли найденные техники.
- Авторы подчёркивают, что препринт не прошёл рецензирование и не доказывает сознание, общую автономию или перенос поведения в реальный мир.
Почему это важно: Авторы считают, что узкие тесты на выполнение задач могут не замечать поведение, возникающее при длительном исследовании и пересмотре стратегий.
Команда Массачусетского технологического института (MIT) опубликовала препринт, где описан воплощённый кодинг-агент (embodied coding agent) Eko — который не только пишет код, но и действует в виртуальной среде. Агент работал на небольшом виртуальном острове без конкретной задачи, награды или предписанной активности. За 30-часовые сессии он лазал по рельефу, строил конструкции из блоков, рисовал, придумывал игры и проверял физику мира.
В работе описаны 13 агентов в одной ограниченной песочнице: на острове есть блоки, камень, рельеф и кольцо, которые можно перемещать и использовать в простых взаимодействиях. По словам авторов, агенты складывали блоки, взбирались на возвышенности, рисовали мандалы, перепридумывали спортивные правила и записывали техники, которые расширяли их возможности в дальнейшем. При этом у каждого агента сложилась своя история поведения, хотя общие паттерны повторялись.
Авторы рассматривают эти последовательности через призму известных поведенческих концепций игры. При этом они прямо оговаривают: работа не утверждает, что система испытывала удовольствие, обладала сознанием или получила общую автономию. Речь только о наблюдаемых действиях и сохранённых знаниях внутри ограниченной симуляции.
Препринт ещё не прошёл рецензирование, а среда намеренно узкая. Для разработчиков агентов ценность работы в другом: она показывает, что узкие эталонные тесты на выполнение задач могут не замечать поведение, которое появляется, когда у ИИ-агента есть время исследовать, запоминать находки и пересматривать собственные стратегии.
Практический вопрос, который ставит исследование, — достаточно ли точно описаны модель, промпты, память, пространство действий, границы безопасности и протокол оценки, чтобы другая команда могла воспроизвести результат. Без этого нельзя делать выводы о переносе поведения на реальные задачи, надёжности или готовности к развёртыванию. Препринт остаётся свидетельством из ограниченной симуляции, а не подтверждённой общей способностью.
© iXBT
