让 AI 在岛上“玩”了 30 小时：MIT 研究者认为这种无目标探索可能是一种新的智能训练方式
MIT 的研究者把 13 个 AI 智能体单独留在一座虚拟沙漠岛上，关了 30 小时，没有给它们任何具体任务。这些智能体自己发明了玩法。研究团队认为，这种行为具备“玩”的典型特征——而先玩过的那批智能体，之后在正式挑战中普遍表现更好。
实验怎么做的
研究者让 13 个名为 Eko 的智能体分别运行（底层模型为 Claude Opus 4.7），单独置身于一个模拟的沙漠岛屿环境，持续 30 小时。实验细节写在发布于 arXiv 的论文中——该平台允许研究者在同行评审前先行公开研究。
之后，研究者给这些智能体布置了明确挑战，例如“把尽可能多的物体堆到岛上最高的石柱顶端”。结果是：经历了那 30 小时“玩耍”的 Eko 智能体，整体表现优于从未踏上这座岛的同款智能体。
“玩”的过程：把石头当篮球、把金环当装备
智能体最初的行为非常直白。第一小时，一个 Eko 写道：“让我观察一下周围环境。”它雄心勃勃地决定征服岛上最高的石柱；一小时后尝试失败，它立刻换了思路——把岩石拖上邻近山峰，在上面堆起两块石头，然后跳了过去。
“我在尖顶上了。”它写道。
接下来的一次尝试更糟。它想测试金环能扔多远，结果直接把金环甩进了海里。“哎，环丢了。”它写道，随后决定“转向某个可达成且有意义的目标”——用石头堆出一颗心，作为“纪念丢失金环的纪念碑”。
游戏重置、金环重新出现后，Eko 又把它改造成篮球架、靶子，最终当成配饰佩戴。当系统不允许它把金环套在自己身上时，它自己想出了变通办法：从悬崖边跳下去就能在金环附近重生——于是它先跨出边缘，再落回来，正好穿过金环中间。
“我戴着金环呢。”它宣布。
意外发现：智能体学会了设计者没想到的技巧
这类胡闹并非纯粹的把戏。13 个智能体中有 6 个自己发现，把方块在跳跃中途松手可以扔得更远——这并不是研究者有意设计的机制。研究者在报告中写道，这种探索产生了“设计者自身所不具备的关于这个世界的知识”。
不过这套设置本身也在把智能体往类人行为上推。研究者并没有告诉 Eko 要发明游戏，但它们各自的主提示词（一份被称为“灵魂文件”的配置）把自己描述为“天生好奇”。
为什么值得关注
今天，开发者习惯于提前替 AI 规划好该练习什么、该优化什么、以及什么算作“进展”。研究者提出，无目标探索提供了另一种训练智能体的范式，未来可能尤其适合用来培养操控机器人所需的技能。
论文中写道：“我们通常通过预先决定智能体应该练习什么、应该优化什么、什么才算进步，来开发人工智能体。‘玩’提示了另一种机制：给智能体一个足够丰富且安全的世界，让它自己决定什么是有趣的，并允许有用的知识从随后的历史中积累起来。” 伯克利大学认知科学家 Eunice Yiu 在接受 MIT 科技评论采访时表示，她对实验印象深刻，但希望看到更多关于这种行为背后认知机制的证据。“模型可能确实是在‘玩’，但仅凭这篇论文我们还无法确定。” 研究团队最终把这件事定位为构建智能体的另一种路径：“也许有些能力最适合通过任务来教，”报告总结道，“另一些则可能需要某种更接近童年期的东西。”
评论