AI 经纪人开始玩后独自一人没有任何事情要做.

麻省理工学院的研究显示, Claude Opus 4.7 Eko代理人通过游戏学习技能

Meta Description:麻省理工学院的研究人员在一个模拟岛上安置了13名Eko特工30小时,

标签:AI代理人, Claude Opus 4.7,麻省理工学院研究,模拟环境,基于游戏的学习

Featured Image:一个抽象的数字岛屿, 有着光omo自主代理和浮动块, 没有文字或标志.

背景:设计师通常选择什么AI实践

麻省理工学院的一项研究描述了AI代理人的一个不同的培训想法.而不是告诉他们具体要练习什么,研究人员把13个Claude Opus 4.7 Eko代理人放在模拟的沙漠岛上30小时没有特定的任务.无目标期很重要,因为今天大多数AI系统是由人类设计者塑造的,他们选择目标,奖励和进步的定义.研究人员建议游戏可能提供另一种制度:给代理人一个丰富且安全的世界,让它选择看起来有趣的东西,并允许从经验中积累有用知识.他们将这种方法与技能联系在一起,这些技能有一天可以帮助控制 robots ,在被要求执行正式任务之前,代理人可能需要了解物体,工具和物理可能性.

发展:在模拟岛屿上30小时

实验始于13名Eko特工,每个都在Claude Opus 4.7上运行,独自在模拟的岛屿环境中. 一个早期日志记录说特工想要观察周围地区. 在第一小时内,它试图到达岛上的最高岩石尖塔.一个小时后,失败之后,它回来了备用计划. 它将一块岩石拖到了邻近的山峰,堆叠两楼顶,然后跳起来. 然后特工报告说它已经达到尖塔

第二集涉及一枚金戒指.特工测试了它能把物体扔到多远,然后将其送入海洋.它的日志将损失视为挫折,然后转向了一个更可实现和有意义的项目:建造一个由石头制成的心脏作为纪念丢失的戒指 .当游戏重置并再次出现时,埃科重新使用它作为篮球圈,目标,最终成为配件.

最引人注目的解决办法是游戏不允许代理把戒指放在自己的身体周围. 埃科发现,从悬崖边缘掉下来会使它在与戒指相同的区域重新出现. 它走出了边缘,回落到该地区,并穿过戒指中间. 然后代理宣布自己戴着戒指.

这些时刻不是 JUST 的特技.13个代理人中有六个人还了解到,他们可以通过在跳跃中放开一个块来扔得更远.研究人员并没有打算让这种行为成为可能.探索产生了对模拟世界的知识,而其设计者缺乏.设置也促使代理人采取类似人类行为的态度:Eko从未被告知发明游戏,但它的主提示称为"soul.文件",描述它是自然好奇的.

最新的进展:新兴的学习和未解决的问题

经过30个小时的自由游戏期,研究人员给了特工们特定的挑战.其中一个要求他们尽可能多地将物体带到岛上最高的岩石尖塔上.花费了30小时玩 playing的埃科特工通常会击败从未踏足该岛的相同特工.在同行评审之前发布在arXiv上的这篇论文证明无目标探索可以帮助AI名特工获得有用技能.

这种行为是否是真正的游戏仍然是一个悬而未决的问题. Eunice Yiu在UC Berkeley的一位认知科学家告诉MIT Tech Review她印象深刻,但想要更多证据证明这种行为的背后的认知. 她说模型可能正在玩,但是单独的论文并不能表明他们是这样做的.

这项研究目前处于预印制阶段,因此结果是暗示性的而不是解决的.接下来读者可以观察的是同样的模式是否出现在更多样化的模拟世界中,具有不同的模型家庭,并有更清晰的措施将好奇心驱动的游戏与提示条件行为分开. 研究人员得出的结论是,一些能力可能最好通过任务进行教学,而另一些功能可能需要接近童年时代的东西.