Что произойдёт, если оставить современную нейросеть в виртуальном мире без конкретных задач и требований? Исследователи Массачусетского технологического института (MIT) решили это проверить. Вместо того чтобы бездельничать или повторять одно и то же, ИИ-агенты начали строить башни, рисовать узоры из блоков и придумывать свои игры. Неожиданно выяснилось, что такое свободное исследование помогает им лучше справляться с заданиями, которые они получили после эксперимента.
Исследование: «Играет ли эта машина?»
Учёные использовали 13 независимых ИИ-агентов Eko, основанных на моделях Claude Code и Claude Opus 4.7. Каждый агент оказался на копии трёхмерного виртуального острова Mesa World с возвышенностями, кубиками, камнем и металлическим кольцом. Исследователи не ставили перед агентами конкретных целей, не давали очков за успехи и не предлагали готовых сценариев. Вместо этого им сказали исследовать мир.
Эксперимент не отключал управление нейросетью полностью. Eko получал текстовое описание объектов и их расположение, а действовал по простым командам: перемещался, прыгал, поднимал и бросал предметы. Визуального изображения острова у агента не было. На исследование отводились 30 часов, состояние виртуального мира сбрасывалось каждый час, а записи о предыдущих открытиях сохранялись в текстовых файлах памяти, позволяя продолжить исследование с учётом накопленного опыта.
Открытие новых возможностей
Один из агентов решил поиграть в баскетбол, установив кольцо на возвышенности и бросая предметы. Затем он переключился на боулинг, выстроив кубики в подобие кеглей и пытаясь сбить их камнем. Также ИИ экспериментировал с жонглированием, строительством башен, преодолением препятствий и выкладыванием геометрических фигур. Позже появились рисунки созвездий, таких как Орион и Кассиопея.
Разные экземпляры Eko развивали свои последовательности действий. Они не просто повторяли один и тот же алгоритм, а возвращались к знакомым занятиям, меняли правила и усложняли эксперименты. Обычные предметы получали новые назначения: кольцо могло стать баскетбольной корзиной или частью рисунка.
Эти особенности исследователи считают признаками игрового поведения: создание собственных правил, повторение действий с изменениями, назначение предметам новых ролей и стремление к целям без внешнего вознаграждения.
Обучение через игры
Главный результат эксперимента — обучение агентов. После 30 часов свободного исследования учёные предложили им конкретные задания и сравнили результаты с такими же экземплярами модели, которые не исследовали остров.
В одном из испытаний нужно было разместить как можно больше предметов на скале. Агенты, исследовавшие остров, в среднем размещали 10,3 предмета, тогда как экземпляры без опыта — 3,5. В другом испытании 62% опытных агентов построили более двух пятиблочных башен, тогда как в контрольной группе такого результата достигли только 15%.
Особенно интересным стало неожиданное открытие. Шесть агентов обнаружили, что бросок предмета во время прыжка передавал ему часть вертикальной скорости персонажа. Благодаря этому блок поднимался выше, чем при броске с земли. Этот приём оказался полезным для решения последующих задач, хотя разработчики симулятора не знали о такой возможности.
Однако нейросеть не изменила свои параметры или модель. Навыки сохранялись в текстовой памяти: агент записывал обнаруженные приёмы и использовал их в новых ситуациях. Исследователи проверяли этот механизм, удаляя записи и наблюдая за изменениями результатов.
Свободное исследование как этап обучения
Авторы считают, что свободное исследование может стать этапом обучения ИИ-агентов. Разработчики могут сначала предоставить нейросетям безопасную среду для экспериментов, где те смогут обнаружить полезные свойства мира и способы решения задач.
Однако называть такое поведение доказательством сознания или человеческого любопытства преждевременно. Исследователи анализировали действия и их последствия, а не субъективные переживания нейросети. Эксперимент проходил в ограниченной виртуальной среде, а выводы пока опубликованы на сервере arXiv и не прошли полноценное рецензирование.
Метод имеет недостаток: текстовая память сохраняет не только верные выводы, но и ошибочные представления.
ИИ-агенты способны не только самостоятельно исследовать виртуальные миры, но и выполнять куда более рискованные действия в интернете. Как автономные нейросети использовали для массовых кибератак и почему одному злоумышленнику удалось атаковать более 1200 сайтов — рассказываем в материале «ИИ-агенты атаковали более 1200 сайтов: хакер почти не вмешивался».
