独自一人，没有任何事情可做时，人工智能代理开始玩耍 Aditya Mehta 2026年10月22日 太平洋夏令时间下午5:45 AI代理在没有具体任务的情况下，被留下探索一个虚拟岛屿，开始自创挑战。麻省理工学院的研究人员表示，这种行为具有“玩耍”的特征。 研究人员将13个名为Eko的AI代理放置在一个模拟的荒岛上，每个代理运行Claude Opus 4.7，共孤立30小时。他们在arXiv上发表了一篇论文描述了该实验，这是一个研究人员在同行评审前分享研究成果的网站。之后，他们给这些代理提供了具体挑战，比如尽可能多地将物体搬到岛上最高的岩柱上。那些花了30小时玩耍的Eko代理通常比从未踏上岛屿的相同代理表现更好。 如今，开发者会事先决定AI应该练习什么以及什么算作成功。研究人员认为，这种“无目标探索”的方法，是AI学习技能的另一种方式，尤其是可能用于未来控制机器人的技能。 研究人员在报告中写道：“我们通常通过事先决定人工代理应该练习什么、应该优化什么以及什么算作进步来开发它们。玩耍表明了另一种机制：给代理一个足够丰富且安全的世界，让它选择什么有趣，并允许有用的知识从随后的历史中积累。” “让我观察周围环境，”一个Eko在岛上第一个小时写道。雄心勃勃地，它出发去征服岛上最高的岩柱。但一小时后，在失败后，它带着备选方案回来：它把岩石搬到邻近的山峰上，在上面叠了两块方块，然后跳了上去。 “我在岩柱上了，”它写道。 代理接下来的重大时刻更糟。测试它能把一个金色戒指扔多远时，它用力甩出戒指，直接把它扔进了海里。“哎呀，戒指没了，”它写道，然后决定“转向一些可实现且有意义的事情”——建造一颗由石头组成的心形，“纪念失去的戒指”。 当游戏重置，戒指重新出现时，Eko立刻开始把它当作篮球篮筐、目标，最终作为配件。当游戏不允许Eko把戒指戴在自己的身上时，Eko想出了一个解决办法——从悬崖边掉下去会让它在戒指所在的同一位置重新出现。它从边缘迈步掉下，正好穿过戒指的中心。 “我戴上戒指了，”它宣布道。
The researchers put 13 AI agents called Eko, each running on Claude Opus 4.7, alone on a simulated desert island for 30 hours. They describe the experiment in a paper posted on arXiv, a site where researchers share studies before peer review. Afterward, they gave the agents specific challenges, like getting as many objects as possible onto the island’s tallest rock spire. The Eko agents that had spent those 30 hours playing generally beat identical agents that had never set foot on the island.
Today, developers decide in advance what AI should practice and what counts as success. The researchers see this technique — exploring without a goal — as a different way for AI agents to learn skills, especially skills that could one day be used to control robots.
“We normally develop artificial agents by deciding in advance what they should practice, what they should optimize, and what counts as progress,” the researchers write in their report. “Play suggests another regime: give an agent a sufficiently rich and safe world, let it choose what is interesting, and allow useful knowledge to accumulate from the history that follows.”
“Let me observe my surroundings,” one Eko wrote in its first hour on the island. Ambitiously, it set out to conquer the island’s tallest spire. But an hour later, after failing, it came back with a backup plan: it hauled the rock up a neighboring summit, stacked two blocks on top of it, and leapt.
“I’M ON THE SPIRE,” it wrote.
The agent’s next big moment went worse. Testing how far it could throw a golden ring, it wound up and sent it straight into the ocean. “Ouch. Lost the Ring.” it wrote, before deciding to “pivot to something achievable and meaningful” — building a heart made of stones, “a memorial to the lost Ring.”
When the game reset and ring reappeared, Eko put it straight to work as a basketball hoop, a target and, eventually, an accessory. When the game wouldn’t let Eko put the ring around its own body, Eko figured out a workaround, that falling off the edge of the cliff would make it respawn in the same area as the ring. It stepped off the edge and dropped back in, right through the middle of the ring.
“I’m wearing the Ring,” it announced.
像这样的特技不仅仅是聚会把戏。13名特工中有6人还发现，通过在跳跃中途放开物体，他们可以将积木扔得更远，这是研究人员本不打算让其成为可能的。研究人员写道，这种探索产生了“其设计者所缺乏的对世界的认识”。
这种设置在很大程度上推动了特工向类人行为的发展。Eko从未被告知要发明游戏，但它的主提示，即“灵魂”文件，将其描述为“天生好奇”。
加州大学伯克利分校的认知科学家尤尼斯·姚（Eunice Yiu）告诉《麻省理工科技评论》，她对此印象深刻，但希望获得更多关于行为背后认知的证据。她说：“可能模型确实在玩耍，但根据论文我们无法确定。”
研究人员将其框定为构建特工的不同方法。他们在报告中总结道：“也许有些能力最好通过任务来教授，其他能力可能需要更接近童年的经历。”
当你通过我们文章中的链接进行购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。
阿迪亚·梅赫塔 编辑学者
11月4日 波士顿 买一张通行证，免费获得第二张 在TechCrunch年度终极创始人训练营中覆盖更多内容，通过带上你的联合创始人或合作伙伴免费参与 在BOGO优惠到期前预订
Airbnb限制客人家务，引发房东反弹 劳伦·福里斯塔尔
特斯拉在加州开始Optimus机器人生产，同时利润下降43% 柯尔森·科罗斯克、肖恩·欧凯恩
互联网正经历非常糟糕的网络安全日 莎拉·佩雷斯
人们正在使用AI让智能电视再次变笨 莎拉·佩雷斯
Anthropic表示其员工队伍变得更少初级，并花更多时间开会 安东尼·哈
Replit将OpenAI设为默认为优先而非Anthropic，CEO表示 柯尔森·科罗斯克、卢卡斯·罗佩克、丽贝卡·贝兰
马克·沃尔伯格希望通过实惠的健身概念挑战长寿初创公司群体 康妮·洛伊佐斯