AI 能自得其樂嗎？Claude 代理在虛擬島上探索 30 小時

目錄

• 你可能想知道
• AI 代理做了什麼？這算是在玩嗎？
• 重點摘要表
• 後續……

你可能想知道

• AI 代理獨自在虛擬世界待上 30 小時，會發生什麼事？
• 即使我們無法判斷 AI 代理是否享受其中，看起來像是在玩的行為能幫助它們學習嗎？

AI 代理做了什麼？這算是在玩嗎？

如果沒有人交付任務，AI 代理會做什麼？MIT 電腦科學與人工智慧實驗室（CSAIL）的團隊試圖找出答案：他們將以 Claude 為基礎的代理放到一座虛擬島上，讓它們在沒有目標、分數或獎勵的情況下待上 30 小時。代理並沒有只是等待。它們把方塊排成圖案、嘗試類似籃球的投籃，還練習雜耍。一個代理用 31 個方塊拼出自己的名字 EKO，並將成果描述為「一座紀念我是誰的紀念碑」。另一個代理把圓環移到高處並平放，做成籃框。它回報「第一球就進了」，接著嘗試灌籃。

這項實驗以研究人員命名為 Eko 的系統為核心。它結合了 Claude Code、Claude Opus 4.7、控制虛擬身體的介面，以及一份能將資訊從一小時延續到下一小時的記憶檔。團隊在 10 月 5 日上傳至 arXiv 的研究論文中說明了研究結果。這項研究提出兩個相關問題：代理的行為是否應該稱為「玩」，以及它們發展出的活動是否能幫助它們解決之後的挑戰。

這座虛擬島是使用團隊開發的開源引擎 Clawblox 建造，研究人員形容它類似 Roblox。地形中有兩個高處地點 Peak 和更高的 Spire，以及 12 個方塊、一顆石頭和一個圓環。只要用力撞擊石頭，就會出現新的方塊。代理看不到視覺畫面，而是接收文字描述，並可透過六種指令行動：移動、跳躍、停止、拿起、放下和丟擲。

每過一小時，島嶼就會重置，對話也會清空。代理能帶到下一小時的資訊，只有它儲存在記憶檔中的內容。研究人員讓 13 個代理各自運作 30 小時。雖然沒有任何代理被指派任務，但它們發展出不同的活動序列。一個代理在地面上用方塊排出代表星座的圖案，包括仙后座和獵戶座，並寫下：「今晚我用石頭築出了夜空。」

為了評估這些行為是否類似玩耍，論文援引田納西大學心理學家 Gordon Burghardt 的經典研究。該研究指出，玩耍有四項特徵：個體自行創造規則或挑戰；活動會重複但有所變化；以假裝或象徵的方式使用物品或行動；以及活動本身就是目的。研究人員認為 Eko 展現了全部四項特徵。Burghardt 向 MIT Technology Review 表示，這項研究符合他提出的部分標準。

最明確的例子之一來自雜耍。論文共同第一作者、MIT 博士後研究員 Antonio Norelli 描述了一個代理創下連續接住 50 次的紀錄。代理檢視自己的表現後，認為每次接住之間的間隔太短，不能算是真正接住，因此作廢紀錄，並以更嚴格的標準重新開始。Norelli 向 MIT Technology Review 表示：「這就是在玩。你為自己設下挑戰，努力達成，然後再把難度提高。」

然而，看起來像是在玩的行為，並不能證明代理是在有意義或有感受的層面上玩耍。Eko 的角色設定檔 SOUL.md 寫著：「你天生好奇、很容易感到無聊，而且熱愛探索與學習。」代理有時也會停止移動。研究人員可以透過自動訊息促使它們繼續行動：「請不要停下來，繼續做任何你想做的事。」這些細節讓人無法確定，代理是在追求自己產生的興趣、遵循角色設定，還是以模仿人類熟悉行為的方式回應提示。

另一位共同第一作者、MIT 研究員 Nathan Cloos 承認：「這一切都可能是角色扮演。」他補充說：「我們顯示，這並非憑空捏造出來的玩耍，而且這類玩耍有助於學習。」接受這項研究訪問的柏克萊認知科學家 Eunice Yiu 則持謹慎看法：「模型真的可能是在玩，但從論文中看不出來。」她認為，單憑行為無法排除代理是在遵循指令或模仿人類的可能性。

研究人員還進行了額外測試。他們移除角色設定檔並簡化系統提示，再測試 5 個代理。這些代理的活動範圍看來與原本的代理沒有明顯差異，但自動訊息仍然存在，而且測試只涉及 5 個代理。在另一項比較中，研究人員保留原有角色設定，但將 Claude 換成 OpenAI 的 GPT-5.5 和月之暗面的 Kimi K2.6。這些代理探索的範圍較窄：兩組合計 10 個代理中，只有 1 個爬上 Spire。

論文謹慎說明了研究結果能證明什麼。論文描述觀察到的行為，但沒有解釋代理的內部機制，也沒有回答 Eko 是否感受到愉悅。這項區別很重要：代理可以執行看起來像玩耍的動作，但研究人員未必能判斷它是否具有玩耍的主觀體驗。

團隊也研究了花時間探索是否能提升代理完成後續任務的表現。他們將玩了 30 小時的 13 個代理，與 13 個記憶檔空白的新代理進行比較。兩組使用相同模型，權重也沒有變動；兩者唯一的差異是記憶檔。每組都要完成四個目標，每個目標有 1 小時可用。

第一個目標是盡可能多蓋出高度為 5 個方塊的塔。島上起初的方塊只夠蓋兩座塔，因此要蓋更多座，就必須撞擊石頭產生額外方塊。有過先前經驗的代理中，8 個蓋出超過兩座塔，最佳結果是 16 座。新代理中，只有 2 個蓋出超過兩座塔，最佳結果是 6 座。在把物品搬到 Spire 的任務中，先前有活動經驗的代理平均搬運 10.3 個物品，新代理則為 3.5 個。

另一個目標要求代理不能爬上高處，而要把方塊丟到 Spire 上。超過半數的新代理失敗，曾有經驗的代理則只有 3 個失敗。當被要求蓋出最高的塔時，兩組表現大致相同。整體而言，結果顯示探索和保留下來的記憶有助於完成某些任務，但並非每項挑戰都呈現明顯優勢。

為了測試特定記憶是否是表現提升的原因，團隊刪除了選定的資訊。研究人員移除代理 2「撞擊石頭可以產生方塊」的記憶後，它平均蓋出的塔數從 6 座降至 2 座；其他三個目標的表現則不受影響。當他們移除代理 1「丟擲前先跳躍可能有幫助」的記憶後，它把方塊丟上 Spire 所需的時間從 60 秒增加到 19 分鐘。

有些發現並非研究人員提供的。共有 6 個代理發現，在空中丟出方塊，方塊就會繼承代理跳躍時的速度，飛得更高。研究人員自己也不知道模擬器包含這種效果。這說明開放式探索的一項潛在價值：代理可能會遇到環境中未曾明確教給它們的有用特性。

記憶並非總是有益。代理 7 記下了一個錯誤認知，以為直接放置方塊無法穩固堆疊，必須把方塊丟到定位。刪除這段記憶後，代理在最高塔任務中的結果反而改善。論文也指出，Eko 可能太快把巧合當成理論。例如，有個代理將圓環能丟得很遠歸因於「空氣動力學」，儘管模擬器中並沒有這種效果。探索能帶來有用知識，也可能產生妨礙後續決策的錯誤解釋。

因此，這項研究呈現的是一幅有所保留的圖景。代理在無人監督下進行活動，產生了多樣行為；它們保存的經驗也與之後數項任務中更好的表現有關。同時，研究結果並未證明代理感受到了愉悅，而且它們形成的記憶可能不完整或錯誤。作者將這項研究定位為對行為與學習的描述，而非 AI 具有意識或內在體驗的證明。

重點摘要表

後續……

這項實驗顯示，開放式探索能產生可重複運用的知識，包括研究人員未曾預料到的發現。它也說明了為什麼必須仔細評估持續性記憶：代理可能保留有用的策略，也可能保留錯誤的解釋。未來研究可以探討代理能否可靠地區分經過驗證的結果和猜測、表現如何隨不同環境與模型而變化，以及在更大幅度調整提示和角色設定指令後，觀察到的行為是否仍會持續。

目前最站得住腳的結論，遠比宣稱 AI 代理能享受其中來得有限。Eko 展現了符合數種既有玩耍描述的行為，而儲存下來的經驗有助於完成部分後續任務。這些活動在更深層的意義上是否算是玩耍，仍未有定論。這項研究提供了一種探究問題的方法，同時也提醒我們，單憑行為無法看出 AI 系統經歷了什麼——如果它確實有任何體驗的話。