AI 代理在虛擬島嶼上獨自探索，發明遊戲並學會新技能

目錄

• 你可能想知道
• 主要主題
• 重點摘要表
• 後續……

你可能想知道

• 研究人員提供虛擬世界，卻沒有指定任務時，AI 代理做了什麼？
• 開放式探索能否幫助 AI 學會傳統訓練任務容易忽略的技能？

主要主題

當 AI 代理接獲明確任務時，其進展通常會依開發者設定的目標來衡量。但如果將代理放進一個世界，只讓它自由探索，會發生什麼事？MIT 研究人員的一項研究提供了一個答案：代理開始創造自己的活動、試驗各種物品，並追求未經指派的目標。研究人員表示，這些行為展現了與遊戲相關的特徵，而這段經歷或許也幫助代理在之後的挑戰中表現得更好。

這項實驗使用了13 個名為 Eko 的 AI 代理，每個代理都執行於 Claude Opus 4.7。研究人員將它們分別放在一座模擬的荒島上，讓它們探索30 小時，期間沒有給予任何特定目標。研究團隊在 arXiv 上發布的論文中介紹這項研究；研究人員可以在這個平台分享尚未經過同儕審查的研究。開放式探索階段結束後，研究人員向代理提出具體挑戰，包括盡可能將最多物品搬到島上最高的岩石尖峰上。

研究人員比較了曾花時間探索的代理，以及從未到過島上的相同代理。整體而言，曾有探索經驗的代理在後續挑戰中表現較佳。這項結果並不能證明無人引導的探索總能改善 AI 系統，但顯示正式任務以外的活動，有時可能有助於代理熟悉虛擬環境。

研究人員將這種做法與人工代理的一種常見開發方式作比較。一般而言，開發者會預先決定代理應練習哪些任務、應最佳化哪些目標，以及如何衡量成功。相較之下，開放式探索讓代理自行選擇要調查的事物。研究人員將此描述為一種可能的替代學習模式：提供足夠豐富且安全的環境，讓代理追尋自己感興趣的事物，並隨著時間累積經驗。

一個代理在第一小時寫下的筆記，呈現了它的探索方式：「讓我觀察一下周遭環境。」不久後，它便試圖登上島上最高的尖峰。直接攀爬失敗後，代理帶著另一個想法返回。它把一塊石頭搬到附近的山頂，在上面疊了兩個方塊，然後跳了起來。接著，代理宣告：「我登上尖峰了。」這段經歷顯示，代理能利用手邊的物品調整計畫，而不是一再重複相同的失敗嘗試。

另一段經歷始於一個代理測試自己能把金戒指丟多遠。它把戒指直接丟進海裡，並回應：「哎呀，戒指丟了。」它沒有就此結束活動，而是決定「轉而做一些可行且有意義的事」，用石頭拼出一顆心。代理稱這個作品是「獻給遺失戒指的紀念碑」。這個故事說明，代理自行選擇的活動可能會在試驗失敗後改變，但單憑這段經歷，並不能證明代理具有類似人類的感受或意圖。

遊戲重置、戒指再次出現後，代理又找到了其他用途。它把戒指當作籃球框、目標，最後還當成配件。遊戲不允許代理以一般方式把戒指戴在自己身上。代理想出了解決方法：如果它從懸崖上掉下去，就會在戒指附近重生。它走下邊緣，並從戒指中央穿過，重新出現在另一側。它宣告：「我戴上戒指了。」

對研究人員而言，這些行動不只是有趣的插曲，因為探索也揭示了設計者未曾預期的環境互動方式。13 個代理中有 6 個學會在跳躍途中放開方塊，就能把方塊丟得更遠。研究人員並未將這種行為設計成教學內容或明確挑戰。他們在報告中把由此產生的發現稱為「設計者所不知道的世界知識」。這表示代理的試驗可能揭露模擬環境中一些開發者未曾預料到的實用特性。

與此同時，研究的設計包含一些可能鼓勵類似好奇心行為的元素。研究人員沒有直接指示 Eko 發明遊戲，但它的主提示詞——一個被稱為「靈魂」的檔案——將它描述為「天生好奇」。解讀研究結果時，這個設定值得注意：代理的行為是在具備特定指示與能力的環境中產生的，而非在完全不受先前設計選擇影響的情境下出現。

加州大學柏克萊分校的認知科學家 Eunice Yiu 告訴 MIT Technology Review，這些行為令她印象深刻，但她希望看到更多關於其背後認知過程的證據。她說：「模型確實可能是在玩，但我們無法根據這篇論文得知。」她的評論指出一項重要區別：研究人員可以觀察到代理做出看似遊戲的行為，卻無法據此斷定代理如同人類一般體驗遊戲。這項研究報告了代理的行為與任務成果；至於這些行動代表什麼，仍是另一個需要探討的科學問題。

研究人員更廣泛的主張是，學習系統不一定都適合同一種開發策略。有些能力或許最適合透過明確定義的任務與成功指標來教導；另一些能力則可能在較長時間的探索中逐漸發展，讓代理累積經驗，而不必被引導至單一結果。報告的結論是：「或許有些能力最適合透過任務來教導；另一些則可能需要更接近童年的經歷。」這種比較是在提出一種安排學習方式的建議，而不是聲稱 AI 代理擁有人類的童年或人類經驗。

談到未來可能的應用，研究人員特別提到最終可能用於控制機器人的技能。在實體世界中運作的機器人，必須面對事先可能未明確列出的物品、限制與情境。理論上，讓代理能在安全環境中探索的方法，或許能幫助它更全面地理解周遭環境。然而，這項島嶼實驗是在模擬環境中進行，其結果並未顯示相同策略必然能在真實世界的機器人技術中奏效。要將這種學習方式轉化為實用系統，仍需要更多研究與審慎評估。

整體而言，這項實驗將開放式探索呈現為目標導向訓練的一種有前景的補充方式。Eko 代理追求自行選擇的活動、在受挫後調整做法，並發現設計者未曾規劃的互動技巧。它們之後的表現，提供了值得進一步研究的理由，讓人探討未經腳本安排的經驗是否有助於培養實用技能。不過，如何衡量探索的價值、提示詞對行為的影響有多大，以及能否對認知做出合理的結論，仍有待釐清。這些發現促使人們進一步研究，但尚未解答上述問題。

重點摘要表

後續……

這項島嶼實驗為 AI 開發帶來一個實際問題：每種有用的行為都應透過預先設定的任務來教導嗎？還是有些能力能從受到妥善限制的探索中逐漸形成？研究結果顯示，讓代理探索豐富的環境，可能帶來有用的發現，並提升它們在後續挑戰中的表現。未來仍需進一步測試這些益處能否穩定出現、如何區分探索與提示詞所引導的行為，以及在模擬中學到的經驗能否轉移至真實世界情境。目前，這項研究提出了一種發人深省的可能性：除了結構化訓練之外，安全的探索空間或許也能幫助某些 AI 系統以出人意料的方式學習。