Yapay zeka ajanları sanal adada oyun icat ettiAI agents invented a game on a virtual island

ÖzetSummary

MIT CSAIL araştırmacıları, Claude Opus 4.7'nin kopyalarını 30 saat boyunca sanal bir çöl adasında mahsur bıraktı. Ajanlar bu süre içinde oyunlar icat etti, blok sanatı üretti ve juggling yaptı. Ekip, bu davranışların 'oyuncu öğrenme' biçimini oluşturduğunu savunuyor. Henüz hakem değerlendirmesinden geçmeyen makale, 'oyun oynayan' ajanların taze kopyalara kıyasla sonraki görevlerde daha iyi performans gösterdiğini iddia ediyor. Bu bulgu, yapılandırılmamış keşfin işlevsel bir değere sahip olduğunu gösteriyor.MIT CSAIL researchers trapped copies of Claude Opus 4.7 on a virtual desert island for 30 hours. During this time, the agents invented games, created block art, and performed juggling. The team argues that these behaviors constitute a form of 'playful learning.' The preprint, which has not yet undergone peer review, claims that 'playing' agents outperformed fresh copies on subsequent tasks. This finding suggests that unstructured discovery holds functional value.

Neden ÖnemliWhy it matters

Kendi kendine yönlendirilen, hedefsiz keşfin bile aşağı akış görev performansını iyileştirdiği görülüyorsa, bu durum denetimli ve pekiştirmeli öğrenmenin ötesinde bir öğrenme paradigmasına işaret ediyor. Bu paradigma, bedenli yapay zeka ve robotik için önemli olabilir. Daha geniş bir perspektiften bakıldığında, büyük dil modellerinin (LLM) merakın insan anlatılarını yalnızca desen eşleştirme yoluyla mı taklit ettiği yoksa içsel motivasyona daha yakın bir şey mi sergilediği sorusuyla yüzleşmek gerekiyor. Bu modeller, açık uçlu uyumun hayati olduğu fiziksel donanıma taşındıkça pratik önemleri artıyor.If self-directed, goal-free exploration improves downstream task performance, this points to a learning paradigm beyond supervised and reinforcement learning. This paradigm could be significant for embodied AI and robotics. From a broader perspective, we must confront the question of whether large language models (LLMs) merely mimic human narratives of curiosity through pattern matching or exhibit something closer to intrinsic motivation. As these models are deployed onto physical hardware where open-ended adaptation is critical, their practical importance grows.

Öne ÇıkanlarHighlights

• Ajanlar basketbol, 'zemin lav' ve blok takımyıldızları icat etti. Biri 50 yakalama yaptıktan sonra kaydı 'çok kolay' olduğu gerekçesiyle geçersiz kıldı.The agents invented basketball, 'floor is lava,' and block constellations. One agent invalidated a record after 50 catches, citing it as 'too easy.'
• Oyuncu ajanlar, zirve tırmanma görevinde taze kopyalardan daha iyi performans gösterdi. Hafıza dosyalarından satırların silinmesi, performansın ölçülebilir şekilde düştüğünü gösterdi.Playing agents outperformed fresh copies on a peak-climbing task. Deleting lines from memory files showed a measurable drop in performance.
• Kurulum, Eko'yu 'doğal olarak meraklı' olarak tanımlayan bir 'ruh' dosyası ve periyodik 'Lütfen durma' devam istemlerini içeriyordu. Bu iskele, ortaya çıkma ile talimat arasındaki sınırı bulanıklaştırıyor.The setup included a 'soul' file describing Eko as 'naturally curious' and periodic 'Please don't stop' continuation prompts. This scaffolding blurs the line between emergence and instruction.

EleştiriCritical take

Deney çekici ama belirsiz: 'ruh' dosyası, devam istemleri ve Roblox benzeri ortam, modeli kültürel olarak senaryolaştırılmış bir oyun biçimine yönlendiriyor. Bu durum, gerçek keşif davranışı ile 'oyuncu bir ajanın ne yapması gerektiğine' dair çok yetkin bir rol yapma arasında ayrım yapmayı zorlaştırıyor. Makale hakem değerlendirmesinden geçene ve yazarlar iskeleyi (ruh dosyası, istemler, adanın olanakları) kaldırmaya kadar üçüncü bir öğrenme modu iddiası, kanıtlanmış bir mekanizma olmaktan çok etkileyici bir hipotez olarak kalıyor.The experiment is compelling but ambiguous: the 'soul' file, continuation prompts, and Roblox-like environment steer the model toward culturally scripted play. This makes it difficult to distinguish genuine exploratory behavior from highly competent role-playing of what a 'playing agent' should do. Until the paper is peer-reviewed and the authors remove the scaffolding (soul file, prompts, island capabilities), the claim of a third mode of learning remains an impressive hypothesis rather than a proven mechanism.