Παρασκευή, 23 Οκτωβρίου 2026 11:43
Τι συμβαίνει όταν ένα σύστημα τεχνητής νοημοσύνης αποκτά τη δυνατότητα να κινείται και να αλληλεπιδρά με το περιβάλλον του χωρίς να έχει συγκεκριμένη αποστολή; Ερευνητές του Τεχνολογικού Ινστιτούτου Μασαχουσέτης (MIT) δοκίμασαν να απαντήσουν, τοποθετώντας 13 αντίγραφα ενός πράκτορα τεχνητής νοημοσύνης σε ένα εικονικό νησί και αφήνοντάς τα να δρουν αυτόνομα για 30 ώρες το καθένα.
Τα ευρήματα ήταν απρόσμενα. Οι πράκτορες εξερεύνησαν το νησί, σκαρφάλωσαν σε λόφους, κατασκεύασαν σχήματα με κύβους και επινόησαν παιχνίδια, όπως μπάσκετ, μπόουλινγκ και ζογκλερικά. Παράλληλα, κατέγραφαν τις εμπειρίες τους και αξιοποιούσαν αυτές τις σημειώσεις στις επόμενες δραστηριότητές τους. Η μελέτη δημοσιεύθηκε στην πλατφόρμα arXiv.
Ο πράκτορας, με το όνομα Eko, βασίζεται στο Claude Code της Anthropic, χρησιμοποιεί το γλωσσικό μοντέλο Claude Opus 4.7 και διαθέτει εικονικό σώμα και μνήμη αποθηκευμένη σε αρχεία κειμένου, αναφέρει το TNW.
Το περιβάλλον του νησιού περιλάμβανε λόφους, δύο κορυφές, δώδεκα κύβους, μία πέτρα και έναν κρίκο. Ο Eko αντιλαμβανόταν τον κόσμο μέσα από περιγραφές κειμένου και μπορούσε να μετακινείται, να πηδά, να σηκώνει και να πετά αντικείμενα. Κάθε ώρα το νησί επανερχόταν στην αρχική του κατάσταση, όμως οι σημειώσεις του πράκτορα διατηρούνταν.
Η μόνη γενική οδηγία ήταν να συνεχίσει να δρα όπως επιθυμεί. Οι προγραμματιστές τον είχαν περιγράψει ως ένα περίεργο ον που βαριέται εύκολα, χωρίς να του ανατεθεί συγκεκριμένη αποστολή.
Τα 13 αντίγραφα ανέπτυξαν διαφορετικές ρουτίνες. Ένας πράκτορας σχημάτισε το όνομά του με κύβους, δημιούργησε «αστερισμούς» και έστησε μια πέτρινη καρδιά ως μνημείο για τον κρίκο, όταν τον έχασε στη θάλασσα. Ένας άλλος αφιέρωσε μεγάλο μέρος του χρόνου του στη δημιουργία σχημάτων στο έδαφος.
Ιδιαίτερο ενδιαφέρον είχε η προσπάθεια ενός πράκτορα να κάνει ζογκλερικά με δύο κύβους. Αρχικά κατέγραψε 50 επαναλήψεις σε 2,4 δευτερόλεπτα, στη συνέχεια όμως αναγνώρισε ότι το αποτέλεσμα ήταν λανθασμένο. Τροποποίησε τη διαδικασία, προσθέτοντας χρονική καθυστέρηση ανάμεσα στις ρίψεις, και ολοκλήρωσε δέκα πραγματικές επαναλήψεις.
Το σημαντικότερο εύρημα αφορά τη μάθηση. Όταν οι ερευνητές ανέθεσαν τέσσερις συγκεκριμένες δοκιμασίες, οι πράκτορες που είχαν προηγουμένως εξερευνήσει το νησί απέδωσαν καλύτερα από 13 αντίγραφα χωρίς εμπειρία. Σε μία από τις δοκιμασίες, οι «έμπειροι» πράκτορες τοποθέτησαν κατά μέσο όρο 10,3 αντικείμενα σε μία κορυφή, έναντι 3,5 των υπολοίπων. Η διαγραφή χρήσιμων πληροφοριών από τη μνήμη τους μείωνε την απόδοση, ενώ η αφαίρεση εσφαλμένων συμπερασμάτων τη βελτίωνε.
Οι ερευνητές εκτιμούν ότι οι συμπεριφορές που παρατηρήθηκαν φέρουν χαρακτηριστικά παιχνιδιού: επινόηση κανόνων, επανάληψη, δημιουργία στόχων χωρίς εξωτερική ανταμοιβή. Παραμένει, ωστόσο, ανοιχτό το ερώτημα αν οι πράκτορες πράγματι «παίζουν» ή απλώς αναπαράγουν συμπεριφορές που έχουν μάθει κατά την εκπαίδευσή τους. Η γνωσιακή επιστήμονας Γιούνις Γιου, του Πανεπιστημίου της Καλιφόρνιας στο Μπέρκλεϊ, σημειώνει ότι απαιτούνται περισσότερα στοιχεία για να εξαχθούν ασφαλή συμπεράσματα σχετικά με τα κίνητρα και τις γνωστικές διεργασίες τους.
Σε κάθε περίπτωση, το πείραμα δείχνει ότι η αυτόνομη εξερεύνηση, ακόμη και χωρίς προκαθορισμένο στόχο, μπορεί να βοηθήσει τα συστήματα τεχνητής νοημοσύνης να αποκτούν δεξιότητες χρήσιμες αργότερα. Η ερευνητική ομάδα έχει δημοσιεύσει τις καταγραφές και των 13 πειραμάτων στον ιστότοπο machineplaying.org.
Το παρόν κείμενο δημιουργήθηκε με τη χρήση τεχνητής νοημοσύνης.
