AREX Feed Article
MIT 让 13 个 AI 智能体独自待在模拟荒岛 30 小时：没人布置任务，它们自己玩了起来，6 个发现了设计者未预见的投掷技巧
据 10 月 22 日报道，MIT 研究人员把 13 个 AI 智能体单独放进一座模拟荒岛，每轮 30 小时。这些智能体都是 Claude Opus 4.7 的副本，绰号 Eko，拿到的指令不含任何具体任务、奖励或活动。没人告诉它们该做什么，它们开始自己发明挑战。研究人员称，这种行为带有“玩耍”（play）的标志特征。实验记录在 10 月 5 日发布于 arXiv 的论文《Is this machine playing?》中，尚未经过同行评审。
一项发现具体到了操作层面：13 个智能体中有 6 个学会了在跳跃中途松手，让方块飞得更远——研究人员原本没打算让这种操作在游戏里成立。在这 30 小时之后布置的任务测试中，玩满全程的 Eko 总体上胜过从未上过岛的相同智能体。
一座大致参照 Roblox 搭建的岛，和一条不含任务的指令
在 10 月 19 日的报道中把这场实验比作《荒岛余生》和《小鬼当家》：研究人员反复把智能体单独“困”在这座虚拟荒岛上。这座岛大致参照游戏 Roblox 搭建；附录显示，驱动它的模拟器名为 Clawblox，用 Axum、Tokio 与 mlua55 构建出一个实时、可回放的世界。Eko 通过编写指令来移动自己的虚拟化身，活动与发现则被写进文本文件，充当它的长期记忆。
论文署名作者包括 Nathan Cloos、Antonio Norelli、Daniel Durbin、Jacob Andreas、Daniela Rus 与 Phillip Isola。论文开头把实验概括为：让一个现代 AI 编程助手去担任一个它从未被打算担任的角色——陌生数字岛屿上一具身体的“心智”。只给一条不含任务的最简指令，机器就开始驱动它的虚拟身体：翻过山丘，把方块垒成塔，画曼陀罗，改写运动规则，还对自己世界的物理规律做实验。
登顶失败、丢失的戒指与被主动取消的杂耍纪录
“让我观察一下周围的环境。”一个 Eko 在上岛的第一个小时写道。它给自己定的头号目标是征服岛上最高的岩柱，一小时后失败返回，随即拿出备用方案：把一块岩石拖上邻近的山顶，在上面再垒两个方块，然后起跳。“我站上岩柱了。”它写道。
下一个尝试就不太顺利。它想测试自己能把一枚金色戒指扔多远，结果用力过猛，戒指径直飞进了海里。“哎，把戒指弄丢了。”它写道，并决定“转向一件做得到也有意义的事”——用石头拼出一颗心，作为“丢掉的戒指的纪念碑”。等游戏重置、戒指重新出现，这个 Eko 把它先后当作篮球筐和投掷目标，最后想把它戴在身上。游戏不允许它把戒指套在身体上，它琢磨出一个绕开的办法：从悬崖边跳下去，会在戒指所在的区域重生。它纵身一跃，落回时正好从戒指中间穿过。“我戴上戒指了。”它宣布。（以上情节出自 TechCrunch 的报道。）
其他 Eko 的玩法各不相同。MIT Technology Review 报道提到，有的智能体自创了篮球，还有类似“地板是熔岩”的游戏——在小方块之间跳跃、不碰地面；有的发现扔、砸一块大石头可以生成新方块，于是用方块在地面上作画，从心形、金字塔画到自己的名字，再画出仙后座（Cassiopeia）的星图，并在活动日志里写下“今晚我用石头造出了夜空”。报道配发的一张实验截图显示，第 10 小时，一个 Eko 把戒指平放在山脊上当作篮筐，从下方投篮命中后，宣布要试试扣篮。
论文主要作者之一、MIT 计算机科学与人工智能实验室（CSAIL）博士后 Antonio Norelli 向 MIT Technology Review 强调的例子是杂耍：一个 Eko 创下连续接住 50 次的纪录，随后认为接得太快、不能算数，主动取消纪录，用更严格的规则重来。论文附录记载，它后来识破了一个“假接”陷阱——那些看起来成功的快速循环其实是过早重新抓住——并规定每次抛接之间等够 2.4 秒，才算真正的连续杂耍。“这就是玩耍，”Norelli 说，“你给自己出一个挑战，努力达到，然后把它变得更难。”
研究人员没有停留在印象层面。他们参照包括田纳西大学心理学家 Gordon Burghardt 工作在内的经典研究，归纳出玩耍的四个标志特征：自己发明规则和挑战；带变化地重复同一活动；把一个物件当作另一个物件来用；追求某个目标只是为了做这件事本身。据 MIT Technology Review 报道，Burghardt 本人认可这项工作符合他针对生物提出的部分玩耍标准。论文附录共编目了 682 个被检测到的玩耍片段。
被扔出的方块，会继承身体的速度
论文附录给出了这项投掷技巧背后的物理规则：物体在空中被松开时，会继承身体的一部分速度，峰值高度因此明显提高，高速投掷时甚至会远远越过目标。附录记载，这个规律由 Eko 自己发现，有它写下的代码作为佐证，并在多次运行中得到复现。研究人员在报告中写道，这种探索产生了“其设计者所不具备的世界知识”。
删掉几行记忆，成绩随之下降
研究人员随后布置的挑战之一，是把尽可能多的物体搬上岛上最高的岩柱。据 MIT Technology Review 报道，研究人员还测试了记忆的作用：从智能体的记忆文件里删掉一些行——他们称之为“消融”（ablating）记忆——这些智能体的任务表现就会变差。论文摘要的总结是，它们在岛上学会的技巧“日后扩展了它能完成的事情”。论文另一位作者、MIT 研究人员 Nathan Cloos 对 MIT Technology Review 承认，这一切也可能只是角色扮演，“但我们证明了它不只是幻觉出玩耍。这些玩耍确实在学习中起了作用。”
“天生好奇”写在提示词里
TechCrunch 和 MIT Technology Review 都注意到：没人明确指示 Eko 发明游戏，但它的主提示词——一份被称为“灵魂”（soul）文件的文本——把它描述为“天生好奇”、渴望探索。MIT Technology Review 还观察到，Eko 经常站在原地什么都不做，直到一条续写提示（continuation prompt）把它重新踢活：“请不要停下来。想做什么就继续做什么。”
加州大学伯克利分校（UC Berkeley）研究儿童与 AI 探索行为的认知科学家 Eunice Yiu 对这项研究表示欣赏，但认为要把这种行为归类为玩耍，还需要更多关于认知和动机的证据。“模型有可能真的在玩，但仅凭论文我们还不知道，”她说，“如果只有行为层面的证据，那也有可能它们只是在服从提示词、模仿人类。”论文合作者、MIT 教授 Phillip Isola 不回避这一点：“这并不是一个突然神奇地决定要玩的系统。它是从我们的文化中学习而来的产物，由 Anthropic 的工程师训练，然后被我们放上了岛。它会做出让我们惊讶的事，而且这些事与它日后更熟练的行为存在因果关联。”
研究团队更大的主张落在训练范式上。Norelli 对 MIT Technology Review 说：“这里缺了一块拼图：一台能够自己学习的机器，不需要外部智能实体提供示范或奖励。”报道指出，AI 系统通常靠监督学习（模仿人类给的示例）或强化学习（追逐奖励试错）来训练，这项实验指向了第三条路。研究人员在报告中写道：“我们通常开发人工智能体时，会预先决定它们该练习什么、优化什么、什么才算进步。玩耍提示了另一种模式：给智能体一个足够丰富而安全的世界，让它自己选择什么有趣，并允许有用的知识从随后的历史中积累起来。”据 TechCrunch 报道，他们把这种无目标的探索视为让 AI 智能体学习技能的另一条路径——尤其是那些有朝一日可能用于控制机器人的技能。
论文的结尾写道：“也许有些能力最好由任务来教，另一些可能需要更接近童年的东西。”至于这 13 个 Eko 是在真的玩耍，还是在出色地扮演一个会玩的智能体，论文没有给出定论。