Che cosa fanno gli agenti AI quando non ricevono un obiettivo specifico? Questa domanda, apparentemente teorica, è al centro di un innovativo esperimento condotto dal MIT. Tredici agenti, denominati Eko e basati su Claude Opus 4.7 e Claude Code, sono stati lasciati per trenta ore su una piccola isola simulata, senza alcuna missione esplicita da compiere. Il risultato più significativo non è stato solo la loro esplorazione dell'ambiente, ma l'emergere di comportamenti complessi: gli agenti hanno iniziato a inventare sfide, rituali e forme elementari di gioco.
L'esperimento del MIT e i comportamenti emergenti
Nel corso del test, ogni agente Eko è stato collocato in un mondo virtuale caratterizzato da oggetti semplici: cubi, un masso, un anello, due punti elevati e l'oceano circostante. Gli agenti non avevano accesso a immagini, ma ricevevano descrizioni puramente testuali dell'ambiente. L'unica istruzione iniziale fornita dall'orchestratore era il comando "Begin", mentre il loro file di configurazione li definiva come "naturalmente curiosi" e "inclini ad annoiarsi". Questo dettaglio è cruciale: l'esperimento non evidenzia una spontaneità assoluta, ma piuttosto un comportamento emergente all'interno di un contesto progettato per stimolare l'esplorazione e l'iniziativa.
Durante le sessioni, gli agenti AI hanno dimostrato una notevole capacità di interazione con l'ambiente. Hanno provato a scalare strutture, a lanciare oggetti, a costruire disposizioni simboliche e a trasformare gli elementi dell'isola in strumenti per attività ludiche. Un dato prestazionale rilevante è emerso al termine delle trenta ore: gli agenti che avevano accumulato esperienza sull'isola hanno generalmente superato agenti identici, ma privi di questa fase esplorativa, in prove successive e più strutturate.
Memoria e apprendimento autonomo degli agenti Eko
Il disegno sperimentale prevedeva che, sebbene l'isola venisse ripristinata ogni ora, i file di lavoro dell'agente – ovvero le sue memorie, appunti e programmi – venissero conservati.
Il modello sottostante non subiva modifiche e non venivano aggiornati i pesi neurali. La differenza nelle prestazioni era dunque attribuibile alla storia accumulata dall'agente, evidenziando la sua capacità di riutilizzare esperienze pregresse per orientarsi e agire in un mondo ricorrente.
Tra gli episodi più curiosi descritti vi sono una partita di bowling improvvisata, realizzata con dieci blocchi disposti a triangolo e un masso come palla, e la scrittura del nome Eko utilizzando trentuno cubi. Un agente ha anche costruito un memoriale per oggetti persi nell'oceano e, in un'altra sessione, un tempio attorno all'anello. Un'altra scoperta significativa è stata fatta da sei agenti, i quali hanno appreso che lanciare un blocco durante un salto ne aumentava considerevolmente la gittata, una possibilità che gli stessi ricercatori non avevano previsto nel simulatore.
Questo dimostra come l'esplorazione libera possa generare conoscenza operativa non anticipata dai progettisti.
Il ruolo dell'esplorazione nell'addestramento AI
È importante usare il termine gioco con cautela, considerando che il paper che descrive l'esperimento è un preprint pubblicato su arXiv. Tuttavia, i risultati suggeriscono una potenziale strada alternativa per l'addestramento degli agenti AI e dei robot. Invece di affidarsi esclusivamente a esercizi predefiniti, si potrebbe considerare l'opportunità di fornire ambienti ricchi e sicuri in cui gli agenti possano apprendere autonomamente dall'esperienza. Questa dinamica di esplorazione e scoperta potrebbe essere fondamentale per lo sviluppo di capacità più robuste e flessibili.
