Какво би направил един изкуствен интелект, ако бъде оставен сам на необитаем остров, без конкретна мисия, точки за събиране или награда за постигнати резултати? Вероятно бихме очаквали да бездейства или да повтаря едни и същи действия. Но експеримент на изследователи от Масачузетския технологичен институт (MIT) показва нещо различно: поставен в непозната виртуална среда, ИИ агент започва да изследва света, да строи конструкции, да измисля игри и да експериментира с физичните свойства на предметите.

Проектът, озаглавен Is This Machine Playing? („Играе ли тази машина?“), изследва дали изкуственият интелект може да развива поведение, наподобяващо игра, и дали подобна самостоятелна активност може да подобри способностите му. Резултатите са публикувани като научна предварителна разработка в платформата arXiv на 5 октомври 2026 г. Авторите все още не представят изследването като окончателно потвърден научен консенсус.

Eko: ИИ агент без конкретна задача

В центъра на експеримента е Eko — система, изградена върху съвременен ИИ асистент за програмиране. Тя е снабдена с виртуално тяло, възможност за взаимодействие с предмети и памет, която съхранява информация за предишните ѝ действия.

Виртуалният остров представлява ограничена триизмерна среда с хълмове, издигнати платформи, 12 кубчета, камък и пръстен. Агентът може да се придвижва, да скача, да вдига и поставя предмети и да ги хвърля. Няма предварително зададена цел, която непременно трябва да бъде изпълнена. Никой не му нарежда да построи кула, да достигне най-високата точка или да спечели състезание.

Изследователите наблюдават какво ще се случи, когато системата получи възможност да изследва средата и да определя следващите си действия. За основния експеримент са използвани 13 независими екземпляра на Eko, всеки от които работи в продължение на 30 часа. На всеки час виртуалният остров се връща в началното си състояние, а паметта на агента се запазва.

От строеж на кули до собствени спортни игри

Вместо да остане бездейна, Eko започва да изследва терена и да експериментира с наличните предмети. Постепенно се появяват дейности, които приличат на игра.

Агентът подрежда кубчетата в кули и геометрични фигури, създава различни шарки, опитва да достигне най-високите платформи и измисля собствени предизвикателства. Някои от заниманията са особено показателни. Eko използва камъка като топка, а кубчетата — като кегли, за да организира виртуален боулинг. В други случаи превръща предметите в елементи на баскетболна игра или ги подрежда като съзвездия. Понякога агентът придава символично значение на действията си. В един от експериментите, след като губи пръстена извън границите на виртуалния свят, той построява каменно сърце в негова памет.

Подобни прояви могат да изглеждат изненадващо човешки, но научният интерес не е толкова в самите конструкции, колкото във факта, че системата създава собствени занимания, променя подхода си и продължава да експериментира, без човек да ѝ възлага нова задача при всяка стъпка.

Как играта помага на изкуствения интелект да се учи?

Един от най-важните резултати е, че престоят на острова не просто запълва времето на агента. Натрупаният опит подобрява представянето му при решаването на последващи задачи.

За да проверят това, учените сравняват 13 агента, прекарали 30 часа във виртуалната среда, с други 13 идентични агента без предварителен опит на острова. След това двете групи получават конкретни задачи, например да построят възможно най-висока кула, да създадат повече конструкции с определена височина или да поставят предмети върху най-високата платформа. Агентите с предишен опит като цяло се справят по-добре. Това подсказва, че самостоятелното изследване може да бъде полезен начин за усвояване на умения, дори когато първоначално няма определена задача, за която те да бъдат придобити.

Паметта е ключът към натрупването на знания

Важна подробност е, че подобрението не се дължи на допълнително обучение на основния езиков модел чрез промяна на вътрешните му параметри. Вместо това Eko записва наблюдения, открития и полезни техники в текстови файлове. Тези бележки се запазват между отделните сесии и могат да бъдат използвани по-късно. Например, ако агентът установи как да достигне по-висока платформа, той може да запише последователността от действия и да я приложи при следващ опит.

Изследователите проверяват и какво се случва, когато определени записи бъдат премахнати от паметта. В някои случаи това влошава изпълнението на задачите, свързани със съответната техника. Така резултатите дават основание да се смята, че запазената информация действително допринася за придобитите способности.

ИИ откри начин за преодоляване на ограниченията на виртуалната физика

Един от най-интересните моменти е свързан с начина, по който предметите се движат във виртуалния свят. Някои агенти откриват, че ако хвърлят кубче, докато скачат, предметът може да достигне по-голяма височина. Причината е, че движението на виртуалното тяло влияе върху траекторията на хвърления предмет.

Шест от 13-те агента в основния експеримент откриват този подход. Техниката не е била предварително обяснена в инструкциите им, а според авторите не е била предвидена и от самите създатели на симулацията като възможност, която агентите биха могли да открият. Това е особено важен пример за обучение чрез експериментиране: системата забелязва неочакван резултат, опитва да установи причината за него и запазва откритието, за да го използва впоследствие. Подобно поведение има известни сходства с научния метод — наблюдение, формулиране на предположение, проверка и коригиране на знанията въз основа на резултатите.

Означава ли това, че изкуственият интелект изпитва любопитство или удоволствие?

Не непременно. Макар действията на Eko да наподобяват човешката игра, това не доказва, че системата изпитва скука, радост, удоволствие или любопитство в субективния смисъл на тези понятия. Тук е важно да се разграничат две неща: наблюдаемото поведение и вътрешното преживяване.

Изследователите могат да установят, че агентът създава собствени предизвикателства, повтаря действия с различни вариации, експериментира и усвоява нови техники. Но тези наблюдения сами по себе си не доказват наличие на съзнание. Затова въпросът в заглавието на изследването е научен, а не просто философски: доколко поведението на една машина отговаря на определени критерии за игра и какво можем да научим за нейните способности от това поведение?

Защо откритието има значение за бъдещето на ИИ?

Днес много системи с изкуствен интелект се оценяват по това доколко добре изпълняват задачи, предварително формулирани от хора. Експериментът с Eko насочва вниманието към друга възможност: агентите да получават пространство за самостоятелно изследване, в което да откриват нови стратегии и да натрупват знания, които могат да използват в различни ситуации.

Този подход би могъл да бъде полезен при разработването на автономни роботи, които трябва да се приспособяват към непозната среда, както и на софтуерни агенти, изпълняващи сложни задачи с много последователни стъпки. Вместо програмистите да предвиждат предварително всеки възможен сценарий, системите биха могли да изследват средата, да откриват закономерности и да записват работещи решения.

Това обаче поставя и въпроси за надеждността. Един агент може да запази не само полезно откритие, но и погрешно убеждение. Натрупването на информация не гарантира, че всяка записана техника е правилна или че ще работи във всяка ситуация. Затова бъдещите системи ще трябва да съчетават самостоятелното изследване с проверка на знанията, подходящи ограничения и механизми за контрол.

Снимка: Unsplash

Виж още: Четири ИИ агента на Google DeepMind победиха Minecraft за 27 часа, като написаха сами 2783 програми