MIT araştırmacıları Claude agent'larını sanal bir adaya bıraktı, onlar da oyun icat etti

İşi olmayan agent'lar oynamaya başladı

Bir AI agent'ına kimse görev atamadığında ne yapar? MIT Technology Review'ya göre, MIT'deki araştırmacılar AI agent'larını sanal bir ıssız ada simülasyonunda her seferinde 30 saat boyunca yalnız bıraktı ve agent'lar kendi hedeflerini belirleyerek, bloklardan tasarımlar yaparak ve oyunlar icat ederek karşılık verdi.

Denekler, Anthropic'in Claude Opus 4.7'sinin Eko lakaplı kopyalarıydı ve Roblox'tan esinlenerek modellenmiş bir ada ortamında avatarları yönetiyorlardı. Açık bir talimat olmadan dünyalarının sınırlarını keşfettiler, haritanın en yüksek noktasına ulaşmaya çalıştılar ve nesneleri ne kadar yükseğe atabileceklerini test ettiler.

Bir agent, büyük bir taşı fırlatıp bırakmanın yeni bloklar oluşturduğunu keşfetti, sonra bu numarayı kullanarak önce kalpler ve piramitlerle, ardından kendi adı ve Cassiopeia gibi takımyıldızlarıyla yerde çizimler yaptı. MIT Technology Review'nun aktardığına göre aktivite günlüğüne "Bu gece gece gökyüzünü taşa işledim" diye yazdı. Eko'nun başka bir örneği, basketbol varyantı ve küçük bloklar arasında yere değmeden zıplayan "yer lav" benzeri oyunlar dahil oyunlar tasarladı.

Öğrenmeye olası üçüncü yol

Modern AI'ların çoğu, insan tarafından sağlanan örnekleri kopyalayan denetimli öğrenme ya da deneme yanılma yoluyla ödül peşinde koşan pekiştirmeli öğrenme ile eğitilir. MIT Technology Review, deneyin araştırmacıların eğlenceli öğrenme (playful learning) adını verdikleri üçüncü bir yaklaşıma işaret ettiğini bildiriyor.

"Eksik parça buydu: Dışarıdaki zeki bir varlığın gösteri ya da ödül sunması olmadan kendi başına öğrenebilen bir makine," diye konuşan Antonio Norelli, MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı'nda doktora sonrası araştırmacısı ve makalenin baş yazarı. Makale henüz hakem değerlendirmesinden geçmedi.

Ekip, Eko'nun davranışını klasik oyun araştırmalarıyla, özellikle Tennessee Üniversitesi psikoloğu Gordon Burghardt'ın çerçevesiyle karşılaştırdı ve Eko'nun insanlarda ve hayvanlarda görülen dört oyun işaretini sergilediğini buldu: kendi kurallarını ve zorluklarını icat etti, etkinlikleri küçük varyasyonlarla tekrarladı, nesneleri başka nesnelerin yerine geçen simgeler olarak kullandı ve hedefleri kendi iyiliği için izledi. Norelli, Eko'nun üst üste 50 başarılı yakalama rekoru tuttuğu bir jonglörlük bölümü örneği veriyor: Eko bunların sayılmak için fazla hızlı gerçekleştiğine karar verdi, rekoru iptal etti ve daha katı kurallarla yeniden başladı. "Kendine bir zorluk koyuyorsun, onu başarmaya çalışıyorsun ve sonra zorlaştırıyorsun," diyor.

Oyun ölçülebilir beceri üretti

Agent'lar keşfederken etkinlikleri ve keşifleri, uzun süreli bellek görevi gören metin dosyalarına kaydettiler. Araştırmacılar daha sonra onları somut hedeflerle test ettiğinde — örneğin olabildiğince çok nesneyi adanın en yüksek tepesine taşımak — 30 saat oynamış agent'lar modelin taze kopyalarından daha iyi performans gösterdi. Bellek dosyalarından satır silmek (araştırmacıların ablation adını verdiği süreç) performansı düşürdü; bu da bellekte korunan oyun deneyiminin kendisinin kazanımları sağladığını gösteriyor.

Yoksa rol mü oynuyorlar?

Bunların gerçek oyun sayılıp sayılmayığı tartışmalı. Burghardt, çalışmanın canlı yaratıklardaki oyun ölçütlerinin bir kısmını karşıladığı konusunda hemfikir, ancak açık soru şu: bir dil modeli gerçekten oynuyor mu, yoksa sadece bu durumda oyunbaz bir agent'ın ne yapacağını taklit mi ediyor?

"Bunların tamamı rol yapma olabilir," diyen ortak yazar Nathan Cloos kabul ediyor, "ama sadece oyunu halüsinasyon olarak görmediğimizi gösteriyoruz. Bu oyun aynı zamanda öğrenmeye katkıda bulunuyor."

Çocuklarda ve AI'da keşif üzerine çalışan Berkeley Üniversitesi bilişsel bilimci Eunice Yiu, MIT Technology Review'ya bulguların etkileyici olduğunu, ancak davranışa oyun demek için altında yatan biliş ve motivasyona dair kanıt gerektiğini söyledi. Yalnızca davranışsal veriyle, agent'lar basitçe prompt'u izliyor ya da insanları taklit ediyor olabilir, diyor. Kurulum agent'ları insan benzeri davranışa itti: ana bir "ruh" dosyası Eko'yu doğal olarak meraklı ve keşfetmeye hevesli olarak tanımlıyordu ve agent'lar sık sık devam prompt'u onlara devam etmelerini söyleyene kadar hareketsiz bekliyordu.

MIT profesörü ve ortak yazar Phillip Isola durumu açıkça ifade ediyor: bu, bir anda oynamaya karar veren bir sistem değil. Anthropic mühendisleri tarafından insan kültürü üzerinde eğitilmiş ve ardından araştırmacılar tarafından bir adaya yerleştirilmiş bir yapay ürün. Yine de diyor ki, "bizi şaşırtan ve gelecekteki becerikli davranışıyla nedensel olarak ilişkili şeyler yapıyor."

Neden önemli

Büyük dil modelleri yazılımdan insanoid robotlar gibi donanıma geçtikçe, belirli bir hedef olmadan bir alanı keşfetme yeteneği onların beklenmedik durumlara esnek şekilde uyum sağlamasına yardımcı olabilir. Yiu, mevcut çalışmaların çoğunun AI'ı sömürmeye, yani daha hızlı ve daha iyi hale getirmeye yönelik olduğunu, oysa keşif ve dünya modeli kurmanın yeni ortamlara genelleme için merkezî olmasına rağmen yeterince ilgi görmediğini belirtiyor. Makalenin kendi sonucu önemi özetliyor: bazı yetenekler görevlerle öğretilmek için en iyisiyken, diğerleri belki de çocukluğa daha yakın bir şeye ihtiyaç duyuyor.