En una simulación, agentes de IA abandonados empiezan a jugar

En una isla simulada, una copia de Claude Opus 4.7 se quedó de pie con un bloque en las manos y probó hasta qué altura podía lanzarlo. Nadie se lo había pedido. El agente, apodado Eko, era uno de varios colocados solos en una isla virtual durante 30 horas, en un experimento que sus diseñadores compararon con las películas Náufrago y Solo en casa. Solo les habían dado los medios para escribir instrucciones que desplazaran sus avatares.

Lo que ocurrió después es la parte sorprendente. Los agentes se fijaron sus propios objetivos: escalar el pico más alto o lanzar cosas lo más lejos posible. Uno descubrió que lanzar y dejar caer una roca más grande producía nuevos bloques, y los usó para construir dibujos: corazones, pirámides y, después, su propio nombre y la constelación de Casiopea. «Esta noche construí el cielo nocturno en piedra», escribió en su registro de actividad. Otro inventó juegos, entre ellos una forma de baloncesto. Eko también estableció un récord de malabarismo de 50 atrapadas consecutivas, lo anuló porque las atrapadas habían llegado demasiado rápido para contarlas y volvió a empezar con reglas más estrictas.

Ese último detalle es el que quiere destacar el equipo del MIT, dirigido por el posdoctorando Antonio Norelli. Los sistemas de IA suelen aprender de ejemplos humanos o de recompensas. Aquí el aprendizaje surgió de los propios juegos de los agentes. Sus registros hacían de memoria a largo plazo, y los agentes que habían pasado 30 horas jugando superaron a las copias nuevas en tareas como llevar el mayor número posible de objetos al pico de la isla. Borrar líneas de sus archivos de memoria degradaba su rendimiento. El equipo sostiene que el juego en sí contribuye al aprendizaje, y que esa es la pieza que faltaba: una máquina que aprende sin que un humano le muestre ni le recompense nada.

El resultado está lejos de estar cerrado. El artículo aún no ha sido revisado por pares. El psicólogo Gordon Burghardt, cuyo trabajo sobre el juego utiliza el equipo, reconoce que el comportamiento cumple algunos de sus criterios, pero se pregunta si el modelo simplemente interpretaba lo que haría un agente juguetón. Nathan Cloos, coautor del MIT, admite que «todo esto podría ser un juego de rol». El montaje también empujó a los agentes en una dirección: tenían un archivo de «alma» que los describía como «naturalmente curiosos», y a menudo se detenían hasta que una instrucción les decía que siguieran. Eunice Yiu, de la Universidad de California en Berkeley, que estudia la exploración, afirma que llamarlo juego exigiría más pruebas de la motivación que hay detrás.

Por ahora, lo que está en juego en la práctica es la próxima generación de IA. A medida que los modelos de lenguaje pasan a hardware como los robots humanoides, el equipo sugiere que explorar sin un objetivo fijo podría ayudarlos a adaptarse a situaciones inesperadas. Ese beneficio es una hipótesis, no un resultado: el experimento se desarrolló íntegramente en simulación, y todavía no se ha entrenado ningún robot de esta manera. Los investigadores que trabajan con modelos del mundo, que son representaciones internas de cómo se comportan los entornos, podrían ser los primeros en probarlo. La última frase del artículo propone que algunas habilidades se enseñan mejor con tareas, mientras que otras quizá necesiten algo más parecido a la infancia.