Пам’ятник персню та стрибки зі скель: ШІ-агенти на безлюдному острові вигадали власні розваги

Поки Google та Anthropic досліджують наявність свідомості в штучного інтелекту, залишені на віртуальному острові агенти почали самостійно вигадувати собі ігри та досліджувати навколишній світ. Дослідники з Массачусетського технологічного інституту (Massachusetts Institute of Technology, MIT) виявили, що такий досвід допоміг ШІ-агентам краще впоратися з подальшими завданнями. Науковці припускають, що навчання через вільне дослідження може стати альтернативою традиційним методам підготовки ШІ, зокрема для керування роботами, передає TechCrunch.

У межах експерименту, опублікованого на платформі arXiv, дослідники розмістили 13 ШІ-агентів під назвою Eko на симульованому безлюдному острові, де вони провели 30 годин без конкретної мети. Кожен агент працював на базі моделі Claude Opus 4.7. 

Після завершення цього етапу агентам запропонували конкретні завдання, зокрема перемістити якомога більше предметів на найвищий кам’яний шпиль острова. Агенти, які попередньо досліджували середовище, загалом впоралися краще за ідентичні системи, які не мали такого досвіду.

Зазвичай розробники заздалегідь визначають, які навички має опанувати ШІ, що саме він повинен оптимізувати та за якими критеріями оцінюватимуть його успіхи. Натомість автори дослідження пропонують дозволити агентам самостійно обирати заняття в насиченому й безпечному середовищі, щоб вони могли накопичувати корисний досвід без заздалегідь визначених цілей.

«Гра ж пропонує інший підхід: надати агенту достатньо насичений і безпечний світ, дозволити йому самому обирати, що для нього цікаво, і накопичувати корисні знання на основі отриманого досвіду», — пояснили дослідники у звіті.

Один з агентів Eko почав дослідження зі слів: «Дозвольте мені оглянути навколишнє середовище». Він вирішив підкорити найвищий шпиль острова, але після невдалої спроби знайшов інший спосіб дістатися вершини: затягнув камінь на сусіднє підвищення, поставив на нього два блоки й стрибнув.

«Я на шпилі!» — написав агент після того, як йому вдалося виконати задумане. Згодом він спробував перевірити, як далеко можна закинути золотий перстень, однак той полетів в океан.

«Ой. Загубив перстень», — повідомив Eko, після чого вирішив зайнятися чимось іншим. Він виклав із каміння серце, яке назвав «пам’ятником втраченому персню».

Коли гра перезапустилася й перстень з’явився знову, агент почав використовувати його по-різному: як баскетбольне кільце, мішень, а згодом — аксесуар. Оскільки ігрова механіка не дозволяла йому просто надіти перстень, Eko знайшов обхідний шлях: він з’ясував, що після падіння з урвища персонаж відроджується в тій самій зоні, де лежить предмет.

Агент стрибнув із краю урвища й після відродження пролетів крізь перстень. Він повідомив: «На мені кільце».

За словами дослідників, подібні експерименти не обмежувалися вигадуванням розваг. Шестеро з 13 агентів самостійно виявили, що можуть закинути блок на більшу відстань, якщо відпустять його під час стрибка, хоча розробники спеціально не закладали таку можливість у систему.

Автори дослідження назвали це прикладом отримання «знань про світ, яких не мали самі розробники». На їхню думку, вільне дослідження може допомогти ШІ знаходити нові способи взаємодії з навколишнім середовищем, які важко передбачити заздалегідь.

Водночас поведінка агентів залежала від того, як організували їхнє середовище та задали початкові інструкції. Eko не отримував прямої вказівки вигадувати ігри, проте в основній інструкції, яку дослідники описують як своєрідну «душу» агента, його характеризували як «від природи допитливого».

«Можливо, деяким здібностям найкраще навчати через виконання конкретних завдань, тоді як для інших може знадобитися щось більше схоже на дитинство», — підсумували автори роботи.

На думку науковців, вільне дослідження середовища може доповнити традиційне навчання ШІ, особливо коли йдеться про навички, необхідні для взаємодії з фізичним світом і керування роботами. Втім, результати експерименту поки не доводять, що агенти справді мають когнітивні механізми, подібні до людської гри.

Спроби надати алгоритмам простір для «дитячої допитливості» розгортаються на тлі наукової дискусії про те, чи здатні такі системи взагалі відчувати суб'єктивний досвід. Нещодавно «хрещений батько ШІ» Джеффрі Гінтон заявив, що сучасні моделі рівня Claude та Gemini вже набувають свідомості, розуміють зміст своїх відповідей і тому згодом стануть непідконтрольними людині. Натомість когнітивний психолог Стівен Пінкер назвав такі твердження шкідливою ілюзією, породженою вдалим інтерфейсом діалогу.