Τι κάνουν οι AI agents όταν δεν έχουν κάποια εργασία να ολοκληρώσουν; Ερευνητές του MIT επιχείρησαν να απαντήσουν σε αυτό το ερώτημα, τοποθετώντας 13 αυτόνομα συστήματα τεχνητής νοημοσύνης σε ένα εικονικό νησί για 30 ώρες το καθένα, χωρίς να τους αναθέσουν συγκεκριμένη αποστολή. Το αποτέλεσμα ήταν ιδιαίτερα ενδιαφέρον: αντί να παραμείνουν αδρανή, τα συστήματα άρχισαν να εξερευνούν το περιβάλλον, να δημιουργούν δικούς τους κανόνες, να επινοούν παιχνίδια και να αναπτύσσουν τεχνικές που αργότερα βελτίωσαν τις επιδόσεις τους.
Η έρευνα, με τίτλο «Is this machine playing?», βασίστηκε στο Claude Opus 4.7 της Anthropic και δημοσιεύθηκε αρχικά στις 5 Οκτωβρίου 2026. Το σημαντικότερο εύρημα δεν αφορά απλώς τις ασυνήθιστες δραστηριότητες των AI agents, αλλά το γεγονός ότι η εξερεύνηση χωρίς προκαθορισμένο στόχο οδήγησε στην απόκτηση πρακτικών γνώσεων.
Οι ερευνητές διαπίστωσαν ότι τα συστήματα που είχαν περάσει χρόνο στο εικονικό περιβάλλον ανταποκρίνονταν γενικά καλύτερα σε μεταγενέστερες δοκιμασίες από αντίστοιχα συστήματα χωρίς προηγούμενη εμπειρία.
Ένα εικονικό νησί χωρίς αποστολές και ανταμοιβές
Η ερευνητική ομάδα δημιούργησε έναν τρισδιάστατο κόσμο με λόφους, υπερυψωμένες πλατφόρμες, δώδεκα κύβους, έναν βράχο και έναν δακτύλιο.
Το περιβάλλον, που θυμίζει απλοποιημένα παιχνίδια όπως το Roblox, δεν περιλάμβανε βαθμολογία, αποστολές ή κάποιον στόχο που έπρεπε να επιτευχθεί.
Κάθε AI agent, με την ονομασία Eko, μπορούσε να μετακινείται, να πηδά, να σηκώνει αντικείμενα, να τα τοποθετεί σε διαφορετικές θέσεις και να τα εκτοξεύει.
Η αλληλεπίδραση δεν γινόταν μέσω εικόνας. Οι agents λάμβαναν πληροφορίες σε μορφή κειμένου για τη θέση και τις ιδιότητες των αντικειμένων και εκτελούσαν εντολές μέσω ενός περιβάλλοντος προγραμματισμού.
Υπήρχε, πάντως, μια σημαντική αρχική καθοδήγηση: οι ερευνητές είχαν περιγράψει το Eko ως ένα σύστημα προσανατολισμένο στην εξερεύνηση και στη μάθηση. Δεν του είχαν όμως προσδιορίσει τι ακριβώς έπρεπε να κάνει.
Από τις απλές κατασκευές σε παιχνίδια και αστερισμούς
Οι πρώτες δραστηριότητες των AI agents αφορούσαν τη διερεύνηση των δυνατοτήτων του περιβάλλοντος.
Τα συστήματα δοκίμασαν να στοιβάξουν κύβους, να ανεβούν σε ψηλότερες πλατφόρμες και να ανακαλύψουν πόσο μακριά μπορούσαν να εκτοξεύσουν αντικείμενα.
Ένας agent διαπίστωσε ότι η δυνατή πρόσκρουση του βράχου δημιουργούσε επιπλέον κύβους. Αξιοποίησε αυτή τη δυνατότητα για να κατασκευάσει μεγαλύτερα σχήματα, να σχηματίσει το όνομα EKO και να αναπαραστήσει αστερισμούς, όπως η Κασσιόπη.
Άλλοι επινόησαν δραστηριότητες που έμοιαζαν με μπάσκετ, bowling και παιχνίδια ισορροπίας.
Σε μια χαρακτηριστική περίπτωση, ένας agent ακύρωσε μόνος του ένα προηγούμενο ρεκόρ, αφού διαπίστωσε ότι οι κινήσεις του δεν πληρούσαν τους κανόνες που είχε θέσει. Στη συνέχεια επανέλαβε την προσπάθεια με αυστηρότερα κριτήρια.
Οι ερευνητές εντόπισαν τέσσερα χαρακτηριστικά που συνδέονται με το παιχνίδι: δημιουργία κανόνων, επανάληψη με παραλλαγές, συμβολική χρήση αντικειμένων και επιλογή δραστηριοτήτων χωρίς εξωτερική ανταμοιβή.
Πώς οι AI agents διατηρούσαν τις γνώσεις τους
Ένα ιδιαίτερα σημαντικό στοιχείο της μελέτης αφορά τη μνήμη. Κάθε πειραματική εκτέλεση διαρκούσε 30 ώρες, αλλά στο τέλος κάθε ώρας το εικονικό νησί επανερχόταν στην αρχική του κατάσταση.
Η προηγούμενη συνεδρία του μοντέλου ολοκληρωνόταν επίσης. Διατηρούνταν, όμως, αρχεία κειμένου στα οποία ο agent είχε καταγράψει τις ανακαλύψεις, τις αποτυχημένες προσπάθειες και τις τεχνικές που είχε αναπτύξει.
Αυτή η μνήμη επέτρεπε στα συστήματα να αξιοποιούν πληροφορίες από προηγούμενες συνεδρίες, παρά το γεγονός ότι ο κόσμος γύρω τους είχε επανεκκινηθεί.
Η διαδικασία δεν άλλαζε τις παραμέτρους του ίδιου του Claude. Η βελτίωση προερχόταν από τις πληροφορίες που είχαν αποθηκευτεί και μπορούσαν να χρησιμοποιηθούν σε επόμενες εργασίες.
Το πείραμα έδειξε μετρήσιμη βελτίωση επιδόσεων
Για να ελέγξουν αν η προηγούμενη εμπειρία είχε πρακτική αξία, οι ερευνητές συνέκριναν τους 13 AI agents που είχαν εξερευνήσει το νησί με 13 αντίστοιχους agents χωρίς προηγούμενη εμπειρία.
Στη συνέχεια τους ανέθεσαν τέσσερις συγκεκριμένες δοκιμασίες, όπως την κατασκευή πύργων και την τοποθέτηση αντικειμένων σε δυσπρόσιτα σημεία.
Σε μία δοκιμή, οι έμπειροι agents τοποθέτησαν κατά μέσο όρο 10,3 αντικείμενα στην υψηλότερη πλατφόρμα, έναντι 3,5 των συστημάτων που ξεκινούσαν χωρίς προηγούμενη γνώση.
Σε άλλη, οκτώ από τους 13 έμπειρους agents κατασκεύασαν περισσότερους από δύο πύργους, επίδοση που πέτυχαν μόλις δύο από τους 13 αρχάριους.
Τα αποτελέσματα δεν ήταν καθολικά καλύτερα. Σε μία δοκιμασία οι επιδόσεις ήταν παρόμοιες, ενώ ορισμένες λανθασμένες πληροφορίες στη μνήμη επηρέασαν αρνητικά τη συμπεριφορά των συστημάτων.
Η αφαίρεση συγκεκριμένων γνώσεων από τα αρχεία μνήμης μείωσε επίσης τις επιδόσεις σε σχετικές εργασίες, επιβεβαιώνοντας ότι οι καταγεγραμμένες εμπειρίες είχαν ουσιαστικό ρόλο.
Μπορεί η τεχνητή νοημοσύνη να μαθαίνει παίζοντας;
Το ενδιαφέρον της έρευνας ξεπερνά τον εικονικό κόσμο του MIT. Σήμερα, οι περισσότεροι AI agents σχεδιάζονται για την ολοκλήρωση συγκεκριμένων εργασιών, όπως η συγγραφή κώδικα, η αναζήτηση πληροφοριών ή ο χειρισμός εφαρμογών.
Το πείραμα υποδεικνύει ότι η ελεύθερη εξερεύνηση ενός περιβάλλοντος θα μπορούσε να βοηθήσει τα συστήματα να αναπτύσσουν χρήσιμες τεχνικές πριν βρεθούν αντιμέτωπα με πραγματικά προβλήματα.
Μια τέτοια προσέγγιση παρουσιάζει ιδιαίτερο ενδιαφέρον για τη ρομποτική, όπου ένα σύστημα χρειάζεται να προσαρμόζεται σε καταστάσεις που δεν έχουν προβλεφθεί κατά την εκπαίδευσή του.
Υπάρχουν, ωστόσο, σημαντικοί περιορισμοί. Το πείραμα πραγματοποιήθηκε σε ένα απλό, ελεγχόμενο περιβάλλον, ενώ η συμπεριφορά των agents επηρεαζόταν από τις αρχικές οδηγίες και τις γνώσεις του μοντέλου.
Κυρίως, τα αποτελέσματα δεν αποδεικνύουν ότι η τεχνητή νοημοσύνη βιώνει περιέργεια, ευχαρίστηση ή συναισθήματα όπως ένας άνθρωπος.
Αυτό που καταδεικνύει η μελέτη είναι κάτι διαφορετικό και τεχνολογικά σημαντικό: οι AI agents μπορούν να αναπτύσσουν δραστηριότητες χωρίς εξωτερική αποστολή και να μετατρέπουν την εμπειρία τους σε επαναχρησιμοποιήσιμη γνώση.
Εφόσον η προσέγγιση επιβεβαιωθεί και σε πιο σύνθετα περιβάλλοντα, θα μπορούσε να αποτελέσει ένα ακόμη εργαλείο για την ανάπτυξη αυτόνομων συστημάτων που μαθαίνουν να αντιμετωπίζουν νέες προκλήσεις χωρίς να απαιτούν λεπτομερείς ανθρώπινες οδηγίες για κάθε τους ενέργεια.
