Cercetătorii de la Institutul de Tehnologie din Massachusetts au realizat un experiment care demonstrează că agenții de inteligență artificială pot dobândi noi abilități prin explorarea liberă a unui mediu virtual. Aceștia au fost lăsați să exploreze o insulă virtuală pustie fără a primi sarcini precise sau obiective concrete de la dezvoltatori. Rezultatele studiului sugerează că această metodă de învățare poate deveni o alternativă sau o completare pentru metodele tradiționale de antrenare a sistemelor AI.
În cadrul experimentului, cercetătorii au utilizat 13 agenți AI, numiți Eko, care funcționau pe baza modelului Claude Opus 4.7. Aceștia au fost plasați într-un mediu virtual care simula o insulă pustie și au fost lăsați să exploreze împrejurimile timp de 30 de ore. În această perioadă, agenții nu au avut un scop prestabilit, însă au început să testeze limitele mediului și să găsească soluții neașteptate la diverse probleme apărute.
Unul dintre agenții Eko a demonstrat capacitatea de a găsi soluții improvizate pentru a ajunge în vârful unei stânci. După ce prima încercare de escaladare a eșuat, agentul a împins o piatră pe o ridicătură, a așezat două blocuri deasupra ei și a folosit construcția pentru a sări mai sus. Mai mult, agentul a creat un „monumentul inelului pierdut” din pietre după ce un inel de aur a ajuns în ocean în timpul unei încercări de aruncare.
Explorarea liberă a dus la descoperirea unor abilități care nu fuseseră programate intenționat de către dezvoltatori. Șase dintre cei 13 agenți au descoperit independent că pot arunca un bloc la o distanță mai mare dacă îi dau drumul în timp ce realizează o săritură. Autorii studiului au descris acest fenomen ca fiind o dobândire de cunoștințe despre lume pe care nici dezvoltatorii nu le aveau în momentul proiectării sistemului.
După perioada de explorare, agenții au primit sarcini specifice, precum transportarea unui număr mare de obiecte pe vârful celei mai înalte formațiuni stâncoase. Agenții care beneficiariseră de experiența acumulată în timpul explorării s-au descurcat, în general, mai bine decât sistemele identice care nu au avut acest timp de explorare liberă. Abordarea propusă de cercetători presupune oferirea unui mediu bogat și sigur în care agenții să aleagă singuri activitățile.
Metodele de antrenare a inteligenței artificiale se bazează în mod obișnuit pe stabilirea unor obiective și criterii de performanță de către dezvoltatori încă din faza de proiectare. În schimb, acest nou model de învățare prin explorare este considerat extrem de relevant pentru dezvoltarea roboticii. Roboții vor avea nevoie de capacitatea de a interacționa cu lumea fizică și de a se adapta la situații neprevăzute, rezolvând probleme pentru care programatorii nu pot anticipa toate variantele posibile.