AI 研究者把 Claude 丢在虚拟荒岛上,它开始“玩耍”
摘要
MIT CSAIL 的研究者让 Claude Opus 4.7 的副本在无人下达指令的虚拟荒岛上独处 30 小时,观察到其自发涌现出探索、创造与自创规则等“玩耍”行为,并提出这可能是监督学习与强化学习之外的第三条学习路径。
核心要点
- 实验对象是 Claude Opus 4.7 的多个副本,统一昵称 Eko;模拟岛屿部分参考游戏《Roblox》,每轮独处时长 30 小时。
- 一个 Eko 发现抛出或丢下较大石块可以生成新方块,于是用方块在地面排列作画,从心形、金字塔等简单图案,发展到写出自己的名字、甚至绘制仙后座等星座。
- 另一个 Eko 自创游戏,包括一个篮球变体和类似“地板是岩浆”的活动——必须在彼此分离的小方块间跳跃而不能触地。
- 在杂耍练习中,Eko 连续接住 50 次后自行判定“太快、不算数”,取消记录并改用更严格的规则重新开始,研究者以此说明“自定挑战、再自我加难”的玩耍本质。
- 研究者援引 Gordon Burghardt 的经典研究,指出玩耍的四大特征:自创规则与挑战、带细微变化的重复、以物代物假装、纯粹为乐趣而追求目标。
原文佐证
- “Tonight I built the night sky in stone,” wrote this version of Eko in its activity log.
- “There was this missing piece: a machine that can learn by itself without an external intelligent entity providing demonstration or rewards,” says Antonio Norelli
- “This is playing,” says Norelli. “You give yourself a challenge and you try to achieve it, and then you make it harder.”
AI 洞察
这项实验的价值不在“AI 会玩”这个噱头,而在于它指向一种无需人类示范、也无需外部奖励函数的自主学习范式——这正是当前智能体持续学习最大的空白。若“自设挑战并自我加难”能被工程化,智能体的能力增长可能从“人工设计课程”转向“自我生成课程”。但该工作仍是未经同行评审的预印本、只基于单一模型,且“玩耍”的判定高度依赖人类心理学框架,距离可复现的训练方法还有距离。