محققان هوش مصنوعی کلود را در یک جزیره بیابانی مجازی سرگردان کردند. شروع به "بازی" کرد.

اگر ماموران هوش مصنوعی به آنها نگویید کاری انجام دهند چه می کنند؟ پاسخ بسیار شبیه به بازی است.

محققان بارها و بارها آنها را در یک جزیره بیابانی مجازی به مدت 30 ساعت در آزمایشی که یادآور فیلم‌های دور ریخته شده یا تنها در خانه بود، سرگردان کردند. عوامل - کپی‌هایی از Claude Opus 4.7 با نام مستعار Eko - می‌توانستند دستورالعمل‌هایی بنویسند که آواتارهای مجازی خود را در جزیره شبیه‌سازی‌شده، که به طور آزاد مبتنی بر بازی ویدیویی Roblox بود، حرکت دهند.

برخی رفتارهای شگفت انگیز ظاهر شد. ماموران شروع به کاوش در محدودیت‌های جهان کردند و به اهداف خود رسیدند - تلاش کردند تا بالاترین نقطه روی نقشه را افزایش دهند، یا ببینند که چقدر می‌توانند یک بلوک را پرتاب کنند.

زمانی که یکی از عوامل کشف کرد که می تواند با پرتاب و انداختن یک سنگ بزرگتر، بلوک های جدیدی ایجاد کند، شروع به ایجاد نقشه ها با چیدن بلوک ها روی زمین کرد، با الگوهای ساده ای مانند قلب و اهرام شروع کرد اما در نهایت نام خود را نوشت و حتی صورت های فلکی مانند Cassiopeia را ترسیم کرد. این نسخه از Eko در گزارش فعالیت خود نوشت: "امشب آسمان شب را از سنگ ساختم."

تکرار دیگری از Eko شروع به ساختن بازی‌های خود کرد، از جمله نسخه‌ای از بسکتبال و فعالیتی شبیه «زمین گدازه است»، جایی که باید بین بلوک‌های کوچک بدون تماس با زمین می‌پرید.

سیستم‌های هوش مصنوعی معمولا از طریق یادگیری تحت نظارت آموزش می‌بینند، جایی که نمونه‌های ارائه‌شده توسط انسان‌ها را کپی می‌کنند، یا از طریق یادگیری تقویتی، جایی که از طریق آزمون و خطا به دنبال پاداش هستند. این آزمایش به رویکرد سوم اشاره می کند: یادگیری بازیگوش.

آنتونیو نورلی، فوق دکترای علوم کامپیوتر در آزمایشگاه علوم کامپیوتر و هوش مصنوعی MIT می‌گوید: «این قطعه گم شده وجود داشت: ماشینی که می‌تواند به تنهایی بیاموزد، بدون اینکه موجودیت هوشمند خارجی نشان دهد یا پاداش بدهد. او یکی از نویسندگان اصلی مقاله جدیدی درباره این اثر است که هنوز مورد بررسی قرار نگرفته است.

محققان می گویند رفتار اکو دارای همان چیزی است که مطالعات کلاسیک، از جمله کار گوردون بورگارت، روانشناس بانفوذ دانشگاه تنسی، چهار ویژگی مرتبط با بازی در انسان و حیوانات را نشان می دهد: عوامل قوانین و چالش های خود را اختراع کردند، فعالیت های مکرر با تغییرات جزئی، تظاهر به اشیا اشیاء دیگر، و اهداف آن را فقط به خاطر آن دنبال کردند.

نورلی مثالی را برجسته می کند که در آن اکو شعبده بازی را شروع کرد و رکورد 50 صید متوالی را ثبت کرد. اکو سپس به این نتیجه رسید که صیدها خیلی سریع اتفاق افتاده اند و واقعا قابل شمارش نیست، بنابراین رکورد خود را لغو کرد و دوباره با قوانین سختگیرانه تر شروع کرد. نورلی می گوید: «این در حال بازی است. "شما برای خود چالش ایجاد می کنید و سعی می کنید به آن برسید و سپس آن را سخت تر می کنید."

MIT CSAIL

هنگامی که ماموران جزیره را کاوش می کردند، فعالیت ها و اکتشافات خود را در فایل های متنی ثبت می کردند که به عنوان حافظه بلند مدت آنها عمل می کرد. بعدا، هنگامی که محققان آنها را روی کارهای خاص آزمایش کردند، مانند تلاش برای رساندن هرچه بیشتر اشیا به بلندترین قله جزیره، عواملی که 30 ساعت را صرف بازی در جزیره کرده بودند، بهتر از نسخه‌های تازه بدون تجربه مشابه عمل کردند. آنها همچنین دریافتند که "حذف" خاطرات عامل - حذف خطوط از فایل های حافظه آنها - عملکرد آنها را کاهش می دهد. (One Flew Over the Cuckoo’s Nest را به لیست مراجع فیلم اضافه کنید.)

Burghardt، روانشناس تنسی، موافق است که این اثر برخی از معیارهای بازی را که او در موجودات زنده شناسایی کرده است، برآورده می کند. اما آیا اکو واقعا بازی می‌کرد یا موتور پیش‌بینی کلمات صرفا نقش‌آفرینی بود که یک عامل بازیگوش در این سناریو انجام می‌داد؟ ناتان کلوس، یکی دیگر از محققین و نویسنده MIT در این مقاله اذعان می کند: «همه اینها می تواند نقش آفرینی باشد. اما ما نشان می‌دهیم که این فقط نمایشنامه توهم‌آور نیست، این نمایشنامه به یادگیری نیز کمک می‌کند.»

یونیس ییو، دانشمند شناختی در دانشگاه کالیفرنیا برکلی که به مطالعه اکتشاف در کودکان و هوش مصنوعی می‌پردازد، تحت تأثیر این تحقیق قرار گرفت، اما می‌گوید برای طبقه‌بندی این رفتار به عنوان بازی، باید شواهد بیشتری از شناخت و انگیزه‌های زیربنای آن ببینید.

ییو می‌گوید: «ممکن است این مدل‌ها واقعا بازی کنند، اما ما بر اساس مقاله نمی‌دانیم. "اگر شما فقط یک قطعه رفتاری را دارید، ممکن است آنها فقط سعی کنند از دستورات پیروی کنند و سعی کنند از انسان ها تقلید کنند."

تحقیقات در مورد عوامل هوش مصنوعی به دلیل انسان‌سازی آنها مورد انتقاد قرار گرفته است، و این مجموعه تحقیقاتی نقش زیادی در تشویق عوامل به سمت رفتار انسان‌ها داشت. اگرچه به صراحت به اکو دستور اختراع بازی یا کاوش جزیره داده نشده بود، اما یک دستور اصلی به شکل یک فایل «روح» داشت، یک سند متنی که آن را به‌عنوان «طبیعی کنجکاو» و مشتاق کاوش توصیف می‌کرد.

اکو همچنین اغلب در آنجا ایستاده بود و هیچ کاری انجام نمی داد تا زمانی که با یک «تغییر ادامه» به زندگی بازگردانده شد که عبارت بود از: «لطفا متوقف نشوید. فقط به انجام هر کاری که می خواهید ادامه دهید».

فیلیپ ایزولا، استاد MIT و یکی از نویسندگان مقاله می گوید: «اینطور نیست که این سیستمی باشد که به طور ناگهانی به طور جادویی تصمیم به بازی گرفت. او می‌گوید: «این یک مصنوع است که از فرهنگ ما آموخته، توسط مهندسان آنتروپیک آموزش دیده و سپس توسط ما در جزیره‌ای قرار داده شده است.» "این کار کارهایی انجام می دهد که ما را شگفت زده می کند و به طور علی با رفتار ماهرانه آن در آینده مرتبط است."

همانطور که مدل‌های زبان بزرگ از نرم‌افزار به سخت‌افزاری مانند روبات‌های انسان‌نما گام برمی‌دارند، کاوش در فضاها بدون هدف خاصی در ذهن می‌تواند در نهایت به آنها کمک کند تا با شرایط غیرمنتظره سازگار شوند.

یییو می‌گوید: «کار زیادی وجود دارد که فقط روی بهره‌برداری از هوش مصنوعی است و آن را بهتر و سریع‌تر می‌کند. اما از نظر ساخت مدل‌های جهان و اکتشاف، من فکر می‌کنم که [آنها] هنوز بخش بزرگی هستند که سزاوار توجه هستند، به خصوص اگر بخواهیم خود را تعمیم دهیم و خود را برای محیط‌های جدید آماده کنیم.»

این مقاله در پایان می‌گوید: «شاید برخی از قابلیت‌ها به بهترین نحو توسط وظایف آموزش داده شوند. "دیگران ممکن است به چیزی نزدیک تر به دوران کودکی نیاز داشته باشند." در نهایت، این سؤال که آیا عوامل هوش مصنوعی واقعا بازی می کنند یا فقط بازی را تقلید می کنند، ممکن است واقعا مهم نباشد.