AI代理在模拟荒岛无任务自娱30小时，学会设计者没教的技能

荒岛上的30小时

MIT的研究人员把13个叫Eko的AI代理放到一座模拟荒岛上，没给任务，让它们自己待了30小时。这些代理基于Claude Opus 4.7运行。它们的底层设定里有一份“灵魂”文件，把Eko描述成“天生好奇”。

没人要求Eko发明游戏，但它们还是自己找事做了。

一个Eko在第一个小时试图登顶岛上最高的石尖。失败后，它带着备选方案回来：把岩石拖上邻近山顶，堆上两个方块，一跃而上。“我到了石尖上。”它写道。

另一个Eko测试金环能扔多远，一出手把环扔进了海里。“哎呀，戒指丢了。”它写道，然后决定去做件“可达成又有意义的事”。它用石头堆了一颗心，作为“丢失戒指的纪念碑”。

游戏重置后金环重新出现，这个Eko把它当篮球筐、当目标，最后当配饰。游戏不允许Eko把环戴在身上。Eko发现从悬崖边掉下去，会在环附近重生，于是跳下悬崖，落回时正好穿过圆环。“我戴着戒指呢。”它宣布。

玩出来的能力

玩耍带来了研究人员没预料到的东西。13个代理里有6个学会了新动作：跳跃时松开方块，把它扔得更远。研究人员本来没打算让这个动作成为可能。他们写道，这种探索产出了“设计者缺乏的世界知识”。

玩耍结束后，研究人员布置了具体挑战，比如把尽可能多的物体放到岛上最高的石尖上。玩过30小时的Eko普遍胜过没上过岛的同类代理。

两种训练思路

研究人员在报告里对比了两种开发模式。传统做法：预先决定代理该练习什么、优化什么、什么算进步。玩耍是另一条路：给代理一个足够丰富且安全的世界，让它自己选什么有趣。有用的知识会在之后的历程里慢慢积累。

研究人员把这种无目标探索看作AI代理学习技能的一种不同方式。这些技能未来可能用于控制机器人。“也许有些能力最好通过任务来教授，”报告总结道，“其他的可能需要某种更接近童年的东西。”

证据与疑问

论文发布在arXiv预印本上，尚未经过同行评审。加州大学伯克利分校的认知科学家Eunice Yiu对结果印象深刻，但希望看到更多证据来证实行为背后的认知过程。“模型可能确实在玩耍，”她说，“但仅凭这篇论文还无法确定。”

这些探索发生在模拟荒岛上，前提是“足够丰富且安全的世界”。真实世界的机器人并不总在这样的前提下工作。这种学习方式要花多少成本、开放环境中的安全怎么保证，论文没有给出答案。