MIT让13个AI代理荒岛独处30小时：它们自己玩出了技能

麻省理工学院的研究团队把13个名为Eko的AI代理放进虚拟荒岛，让它们在没有指定任务的情况下独处30小时。

这批代理运行在人工智能公司Anthropic的Claude Opus 4.7模型上。相关论文已发布在预印本平台arXiv，尚未经过同行评审。

上岛第一小时，一个Eko写道：“让我观察周围环境。”它很快盯上岛上最高的石塔，想直接爬上去。失败后，它把石头拖到邻近山顶，叠起两块，再跳上去，留下了一句“我到塔顶了”。

另一次尝试更狼狈。Eko想测试金色圆环能扔多远，结果一把甩进海里。“哎呀，戒指丢了。”它随后决定“转去做点可行且有意义的事”，用石头搭出一颗心，当作“丢失戒指的纪念碑”。

游戏重置后，圆环回到原地。Eko把它当篮筐、当靶子，最后还想把它戴在身上。系统不让圆环套住身体，它发现从悬崖边跌落会在圆环附近重生，于是纵身一跳，穿过圆环，宣布“我戴上戒指了”。

这些举动不只是滑稽表演。13个代理里有6个发现，跳到半空再松开方块，能把方块扔得更远。研究人员原本没有刻意设计这条路径，它是在自由探索中长出来的。

30小时结束后，团队给代理布置了明确挑战，例如把尽可能多的物体弄上最高的石塔。那些先玩过一轮的Eko，成绩普遍好于从未上岛的相同代理。

论文写道，这种无目标玩耍产生了“设计者原本不具备的世界知识”。原因不难理解：预先写好的任务清单只能覆盖开发者想得到的场景，而开放环境里的试错，会把物理规则、工具用途和意外组合一并暴露出来。

对机器人研究，这比游戏里的热闹更有分量。现实世界的长尾情况太多，抓取、攀爬、投掷很难靠有限任务穷举。让代理先在安全仿真里“瞎玩”，再迁移到具体任务，是一条可以一试的路径。

但这场荒岛实验规模很小：13个代理、30小时、一个虚拟岛。它更像概念验证，离通用学习方法还有距离。玩耍式训练如何评估、如何防止学偏、如何把仿真经验搬到真实机器上，问题一个都没少。

实验没有直接命令Eko发明游戏。但它的主提示词里有一份被称为“灵魂”的文件，把Eko描述成“天生好奇”。这个设定像给演员发了角色卡，行为会自然向“探索”倾斜。

加州大学伯克利分校认知科学家Eunice Yiu向《麻省理工科技评论》表示，结果令人印象深刻，但还需要更多证据来判断行为背后的认知。“模型可能真的在玩，但仅凭论文还看不出来。”

这句提醒很关键。人类儿童玩耍时，会试探边界、修正假设、共享规则；AI代理表现出类似动作，不等于拥有同样的内在过程。把“玩”作为训练信号之前，先要定义清楚什么叫玩，以及怎样测量。

论文结尾给出一个耐人寻味的判断：有些能力适合用任务教，另一些可能需要更接近童年的东西。这里的“童年”不是拟人化装饰，而是指一段低目标、高自由度的积累期。

产业界的AI代理正被推向浏览器、办公软件和机器人，任务成功率仍是硬指标。玩耍式学习若不能转化为可测量、可复现的能力，很难进入产品。可一旦转化成功，训练范式可能会从“人定目标”变成“人搭世界”。

谁受益、谁承担成本，也会随之变化。会设计安全仿真环境和奖励边界的企业，先拿到数据；只会堆任务标注的团队，优势会被削弱。对普通用户而言，代理更会自己找办法，也意味着更难预测它下一步会做什么。

看到Eko把金环一会儿当篮筐、一会儿当戒指，想起前些年一款开放世界续作刚出时，宿舍床上屏幕亮到半夜，充电线烫手，满地图拼载具、叠石头。先玩的是新作，被那些歪招勾住，后来才回头补前作，再翻出更早的初代。画面旧、操作涩，可“给你一片空地，自己找事做”的劲头反而最足。如今AI代理在荒岛上搭石心、跳崖戴环，倒让人更想看看它们下一步还能折腾出什么。等这种玩劲真被带进机器人，最先被改变的，会是游戏，还是人做事的方式？