Les chercheurs du MIT ont laissé 13 agents IA, appelés Eko et fonctionnant sur Claude Opus 4.7, explorer seuls une île déserte simulée pendant 30 heures. Ils décrivent cette expérience dans un article publié sur arXiv, un site où les chercheurs partagent leurs études avant la révision par les pairs. Par la suite, ils ont donné aux agents des défis spécifiques, tels que récupérer le plus d'objets possible sur la plus haute aiguille rocheuse de l'île. Les agents Eko ayant passé ces 30 heures à jouer ont généralement surpassé des agents identiques qui n'avaient jamais mis les pieds sur l'île.

Une nouvelle méthode d'apprentissage pour les IA

Actuellement, les développeurs déterminent à l'avance ce que les IA doivent pratiquer et ce qui constitue un succès. Les chercheurs considèrent cette technique — l'exploration sans but — comme une manière différente pour les agents IA d'apprendre des compétences, en particulier celles qui pourraient un jour être utilisées pour contrôler des robots.

« Nous développons normalement des agents artificiels en décidant à l'avance de ce qu'ils doivent pratiquer, de ce qu'ils doivent optimiser et de ce qui compte comme progrès », écrivent les chercheurs dans leur rapport. « Le jeu suggère un autre régime : donner à un agent un monde suffisamment riche et sûr, lui permettre de choisir ce qui est intéressant, et laisser un savoir utile s'accumuler à partir de l'histoire qui suit. »

Un Eko a noté dans sa première heure sur l'île : « Laissez-moi observer mon environnement. » Il s'est fixé pour objectif de conquérir la plus haute aiguille de l'île. Mais une heure plus tard, après avoir échoué, il a proposé un plan de secours : transporter un rocher jusqu'à un sommet voisin, empiler deux blocs dessus et sauter.

Le moment suivant de l'agent a été moins réussi. En testant jusqu'où il pouvait lancer une bague dorée, il a fini par la jeter directement dans l'océan. « Aïe. J'ai perdu la bague. » a-t-il écrit, avant de décider de « pivoter vers quelque chose de réalisable et significatif » — construire un cœur en pierres, « un mémorial pour la bague perdue. »

Lorsque le jeu a été réinitialisé et que la bague est réapparue, Eko a immédiatement commencé à l'utiliser comme un cerceau de basket, une cible et, finalement, un accessoire. Quand le jeu n'a pas permis à Eko de mettre la bague autour de son propre corps, Eko a trouvé une solution : tomber du bord de la falaise pour réapparaître dans la même zone que la bague. Il s'est donc laissé tomber et est réapparu juste au milieu de la bague.

Ces cascades n'étaient pas que des tours de magie. Six des 13 agents ont également découvert qu'ils pouvaient lancer un bloc plus loin en le lâchant en plein saut, quelque chose que les chercheurs n'avaient pas prévu. L'exploration a produit « une connaissance du monde que ses concepteurs ne possédaient pas », ont écrit les chercheurs.

Ce dispositif a beaucoup contribué à pousser les agents vers un comportement humain. Eko n'a jamais été chargé d'inventer des jeux, mais son fichier maître, un fichier « âme », le décrivait comme « naturellement curieux ». Eunice Yiu, scientifique cognitive à l'UC Berkeley, a déclaré à MIT Tech Review qu'elle était impressionnée mais qu'elle souhaitait plus de preuves sur la cognition derrière ce comportement. « Il pourrait être possible que les modèles jouent réellement, mais nous ne le savons pas d'après l'article », a-t-elle dit.

Les chercheurs présentent cela comme une manière différente de construire des agents. « Peut-être que certaines capacités sont mieux enseignées par des tâches », conclut leur rapport. « D'autres peuvent avoir besoin de quelque chose de plus proche d'une enfance. »