MIT-ის მკვლევარები: ვირტუალურ კუნძულზე მარტო დატოვებულმა AI აგენტებმა თამაში დაიწყეს

აგენტები დავალების გარეშე იკვლევდნენ

MIT-ის მკვლევარები ამბობენ, რომ 13 AI აგენტი სახელად Eko, რომელთაგან თითოეული Claude Opus 4.7-ზე მუშაობდა, სიმულირებულ უდაბურ კუნძულზე 30 საათის განმავლობაში მარტო დატოვეს. კონკრეტული დავალების გარეშე აგენტებმა საკუთარი გამოწვევების გამოგონება დაიწყეს. მკვლევარები ექსპერიმენტს arXiv-ზე გამოქვეყნებულ სტატიაში აღწერენ; arXiv არის საიტი, სადაც მკვლევარები კვლევებს რეცენზირებამდე აზიარებენ.

ერთმა Eko-მ პირველივე საათში დაწერა: „მოდი, გარემოს დავაკვირდე“. მან კუნძულის ყველაზე მაღალი კლდოვანი მწვერვალის დაპყრობა სცადა, ვერ შეძლო და სარეზერვო გეგმით დაბრუნდა: კლდე მეზობელ მწვერვალზე აათრია, თავზე ორი ბლოკი დააწყო და გადახტა. „მწვერვალზე ვარ!“ დაწერა მან. მოგვიანებით აგენტმა შეამოწმა, რამდენად შორს შეეძლო ოქროს რგოლის სროლა, და რგოლი ოკეანეში ჩააგდო. „ვაი, რგოლი დავკარგე“, დაწერა მან და გადაწყვიტა „რაღაც მისაღწევ და მნიშვნელოვანზე გადართვა“: ქვებისგან გული აეშენებინა, „დაკარგული რგოლის ხსოვნისთვის“. როცა თამაში თავიდან დაიწყო და რგოლი ისევ გამოჩნდა, Eko-მ ის ჯერ კალათბურთის რგოლად, შემდეგ სამიზნედ და ბოლოს აქსესუარად გამოიყენა. როცა თამაშმა რგოლის სხეულზე ჩაცმის საშუალება არ მისცა, აგენტმა მიხვდა, რომ კლდის კიდიდან ჩამოვარდნა მას რგოლის იმავე არეალში დააბრუნებდა. კიდიდან გადადგა და რგოლის შუაში გაიარა. „რგოლი მაცვია“, გამოაცხადა მან.

თამაშმა ახალი უნარები მოიტანა

30 საათის შემდეგ მკვლევარებმა აგენტებს კონკრეტული გამოწვევები მისცეს, მაგალითად, რაც შეიძლება ბევრი ობიექტი კუნძულის ყველაზე მაღალ კლდოვან მწვერვალზე აეტანათ. Eko-ს აგენტები, რომლებმაც ეს 30 საათი თამაშში გაატარეს, ზოგადად აჯობეს იდენტურ აგენტებს, რომლებსაც კუნძულზე ფეხი არასდროს დაუდგამთ. 13 აგენტიდან ექვსმა ასევე ისწავლა, რომ ბლოკის უფრო შორს გადაგდება შეეძლო ხტომის დროს მისი ხელიდან გაშვებით; ამის შესაძლებლად ქცევას მკვლევარები განზრახ არ ცდილობდნენ. გამოკვლევამ მისცა „ცოდნა სამყაროზე, რომელიც მის შემქმნელებს არ ჰქონდათ“, დაწერეს მკვლევრებმა.

მკვლევარები მიზნის გარეშე გამოკვლევას AI აგენტებისთვის უნარების სწავლის განსხვავებულ გზად მიიჩნევენ, განსაკუთრებით იმ უნარებისთვის, რომლებიც ერთ დღეს რობოტების მართვას გამოდგება. „ჩვენ ჩვეულებრივ ხელოვნურ აგენტებს ვავითარებთ იმით, რომ წინასწარ ვწყვეტთ, რაში უნდა ივარჯიშონ, რა უნდა ოპტიმიზდეს და რა ითვლება პროგრესად“, წერენ ისინი. „თამაში სხვა წესრიგს გვთავაზობს: მიეცი აგენტს საკმარისად მდიდარი და უსაფრთხო სამყარო, ნება მიეცი, თავად აირჩიოს საინტერესო და მისცე საშუალება, სასარგებლო ცოდნა დაგროვდეს იმ ისტორიიდან, რომელიც შემდეგ მოდის“. ისინი ასკვნიან: „შესაძლოა, ზოგიერთი უნარი დავალებებით უკეთ ისწავლება. სხვებს კი, ალბათ, ბავშვობასთან უფრო ახლოს მდგარი რაღაც სჭირდება“.

კითხვები ნამდვილი თამაშის შესახებ

გარემოს მოწყობამ აგენტები ადამიანური ქცევისკენ მნიშვნელოვნად უბიძგა. Eko-ს არასდროს უთქვამთ, რომ თამაშები გამოეგონა, მაგრამ მისი ძირითადი ინსტრუქცია, ე.წ. „soul“ ფაილი, აღწერდა მას როგორც „ბუნებრივად ცნობისმოყვარეს“. UC Berkeley-ის კოგნიტიური მეცნიერი Eunice Yiu MIT Tech Review-ს განუცხადა, რომ შთაბეჭდილი დარჩა, თუმცა ქცევის უკან არსებული კოგნიციის შესახებ მეტი მტკიცებულება სურს. „შესაძლოა მოდელები ნამდვილად თამაშობდნენ, მაგრამ სტატიის მიხედვით ამას ვერ ვიტყვით“, თქვა მან.

წყაროები: TechCrunch