Cuando los agentes de IA jugaron sin supervisión, aprendieron más de lo esperado

2–3 minutos

El experimento de la isla

Investigadores del MIT colocaron trece agentes autónomos, cada uno impulsado por el modelo de lenguaje Claude Opus 4.7 y bautizados como Eko, en una isla desierta virtual durante treinta horas sin ningún objetivo asignado. Sus hallazgos, documentados en un prepublicación en arXiv, muestran que los agentes generaron espontáneamente sus propios desafíos, un comportamiento que los científicos comparan con el juego humano.

De la exploración lúdica a la resolución de problemas

Tras el período no supervisado, el equipo planteó una tarea concreta: recolectar la mayor cantidad de objetos posible en la cima más alta de la isla. Los agentes que habían pasado las primeras treinta horas realizando actividades autodirigidas superaron consistentemente a otros agentes idénticos que nunca habían visitado la isla, lo que indica que la exploración sin guía puede conferir habilidades transferibles.

Uno de los Eko comenzó diciendo que observaría su entorno e intentó escalar la cima más alta. Cuando la ruta directa falló, improvisó arrastrando una roca a una cima vecina, apilando dos bloques y saltando sobre la plataforma improvisada, y luego anunció que estaba en la cima. Más tarde, el mismo agente experimentó con un anillo dorado: primero lo arrojó al océano y luego construyó un corazón de piedra como memorial. Cuando el anillo reapareció, lo reutilizó como canasta de baloncesto, como objetivo y como accesorio, e incluso ideó una solución que implicaba saltar desde un acantilado para reaparecer a través del anillo, diciendo que ahora llevaba puesto el anillo.

Seis de los trece agentes también descubrieron una técnica no intencionada para aumentar la distancia de un bloque lanzado, liberándolo en medio de un salto, una capacidad que los investigadores no habían previsto. Los autores señalan que los agentes generaron un conocimiento del mundo que sus diseñadores no poseían.

Implicaciones para el desarrollo futuro de la IA

El entrenamiento tradicional de la IA se basa en objetivos predefinidos y métricas de éxito. El equipo del MIT propone un cambio de paradigma: proporcionar a los agentes un entorno rico y seguro, y dejar que ellos decidan qué es interesante. En sus propias palabras, el juego sugiere otro régimen: darle a un agente un mundo suficientemente rico y seguro, dejar que elija qué es interesante y permitir que se acumule conocimiento útil a partir de la historia que sigue. Este enfoque podría ser especialmente valioso para entrenar sistemas destinados a controlar robots físicos, donde la adaptabilidad y la creatividad son cruciales.

Comentario de expertos

Eunice Yiu, científica cognitiva de la Universidad de California en Berkeley, declaró a MIT Technology Review que, aunque estaba impresionada por los resultados, advirtió que el artículo aún no demuestra que se trate de un juego genuino. Podría ser que los modelos estén jugando de verdad, pero no lo sabemos basándose en el artículo, dijo.

Los investigadores concluyen que algunas habilidades se enseñan mejor mediante tareas explícitas, mientras que otras pueden beneficiarse de un proceso similar al desarrollo infantil. Su trabajo abre una nueva vía para construir agentes artificiales más versátiles y autónomos.