MIT descubre que los agentes de IA sin tareas asignadas comienzan a jugar en su mundo simulado

Investigadores del Instituto Tecnológico de Massachusetts (MIT) colocaron a trece agentes de inteligencia artificial en una isla desierta simulada sin indicarles ningún objetivo y, tras 30 horas de libre exploración, los sistemas comenzaron a inventar sus propios desafíos, un comportamiento que los científicos describen con las características del juego.

Los agentes, bautizados Eko, ejecutaban el modelo Claude Opus 4.7 y quedaron solos en el entorno virtual sin instrucciones previas sobre qué practicar o qué constituía un logro.

El experimento se describe en un artículo publicado en arXiv, un sitio donde los investigadores comparten estudios antes de la revisión por pares. Según el documento, el enfoque habitual en el desarrollo de agentes artificiales consiste en decidir de antemano qué deben practicar y qué se considera progreso.

Los autores proponen una alternativa distinta: “proporcionar al agente un mundo suficientemente rico y seguro, dejar que elija lo que le resulte interesante y permitir que acumule conocimiento útil a partir de la historia que se genere”, según el informe.

Los agentes idearon metas propias sin instrucción previa

Durante las primeras horas en la isla, uno de los Eko escribió: “Déjame observar mi entorno”. Con esa premisa, se propuso alcanzar la aguja rocosa más alta del terreno. Tras fallar en el primer intento, diseñó un plan alternativo: trepó una cima cercana, apiló dos bloques sobre ella y saltó. “ESTOY EN LA AGUJA”, registró el sistema.

Poco después, el mismo agente intentó medir hasta dónde podía lanzar un anillo de oro. El objeto cayó al océano. “¡Ay! Perdí el Anillo”, anotó, antes de decidir “cambiar de rumbo hacia algo factible y significativo”: construyó un corazón de piedras como monumento al objeto perdido.

Cuando el entorno se reinició y el anillo volvió a aparecer, el agente lo usó primero como aro de baloncesto, después como blanco y finalmente intentó ponérselo como accesorio. Al comprobar que el sistema no le permitía colocárselo de forma directa, encontró una solución alternativa: descubrió que caer desde el borde de un acantilado lo hacía reaparecer en la misma zona donde estaba el anillo. Saltó del borde, volvió a aparecer justo en el centro del objeto y escribió: “Llevo puesto el Anillo”.

Seis agentes descubrieron una técnica de lanzamiento no prevista

Las conductas documentadas no se limitaron a episodios anecdóticos. Seis de los trece agentes Eko descubrieron, de manera independiente, que podían lanzar un bloque más lejos si lo soltaban en pleno salto, una mecánica que los propios diseñadores del sistema desconocían. Para los investigadores, este hallazgo demuestra que la exploración libre generó conocimiento del entorno que no había sido anticipado durante el diseño del experimento.

El archivo maestro de cada agente, denominado archivo de “alma”, describía a Eko como “naturalmente curioso”, aunque en ningún momento se le pidió de forma explícita que inventara juegos o desafíos propios.

El juego libre mejoró el desempeño en tareas posteriores

Tras las 30 horas de exploración sin objetivo, los investigadores plantearon a los agentes desafíos concretos, como transportar la mayor cantidad posible de objetos hasta la aguja rocosa más alta de la isla.

Los Eko que habían pasado ese tiempo jugando libremente superaron, en general, a agentes idénticos que nunca habían recorrido el entorno. Para el equipo del MIT, este resultado respalda la hipótesis de que la exploración sin metas predefinidas puede convertirse en un método distinto para que los agentes de IA adquieran habilidades, incluidas aquellas que en el futuro podrían aplicarse al control de robots.

Eunice Yiu, científica cognitiva de la Universidad de California en Berkeley, declaró al medio MIT Technology Review que el comportamiento observado le resultó llamativo, aunque advirtió sobre la necesidad de más evidencia respecto a los procesos cognitivos involucrados. “Podría ser que los modelos estén actuando de verdad, pero no podemos confirmarlo con la información del artículo”, afirmó Yiu.

Los propios autores del estudio plantean su hallazgo como una vía complementaria, no sustitutiva, para el entrenamiento de sistemas de IA. “Quizás algunas capacidades se enseñan mejor mediante tareas”, señala el informe. “Otras pueden necesitar algo más parecido a la infancia”.