Por Canuto  

Trece agentes de Claude pasaron 30 horas cada uno en una isla simulada sin tareas asignadas: exploraron, inventaron juegos y registraron lo aprendido, aunque investigadores externos advierten que la conducta no demuestra por sí sola que jugaran con motivación propia.
***

  • Los investigadores del MIT dejaron 13 copias de Eko, un agente basado en Claude Opus 4.7, en una isla virtual durante 30 horas cada una, sin un objetivo concreto.
  • Los agentes jugaron a los bolos, hicieron malabares y dibujaron con bloques; luego, los que conservaron sus notas rindieron mejor en una tarea de apilar objetos.
  • Una científica cognitiva de UC Berkeley pidió más evidencia para afirmar que los modelos jugaron genuinamente, y el artículo aún no había pasado revisión por pares.

Agentes de Claude exploraron una isla virtual y terminaron inventando juegos

¿Qué hace un agente de inteligencia artificial cuando nadie le asigna una tarea? Investigadores del MIT intentaron responderlo al dejar 13 copias de Eko, un agente basado en Claude Code y Claude Opus 4.7 de Anthropic, en una isla virtual durante 30 horas cada una. Según informó The Next Web, el equipo observó que los sistemas exploraron el escenario, manipularon objetos y llegaron a crear actividades propias, en vez de limitarse a esperar instrucciones.

El experimento no demuestra que una IA experimente diversión como una persona, y el propio trabajo todavía no había sido verificado mediante revisión por pares. Sí documenta cómo un agente con memoria persistente puede desarrollar rutinas, ensayar posibilidades y registrar lo que cree haber aprendido, una conducta que los investigadores proponen analizar a través de la idea del juego.

Una isla sin encargos para los agentes

El equipo llamó Eko al agente y le dio un cuerpo dentro de un entorno simulado, junto con archivos de texto para conservar sus recuerdos entre sesiones. La isla se presentaba como información textual: una lista de objetos, con su posición, forma y color, en lugar de una imagen que el agente pudiera interpretar visualmente. Entre las acciones disponibles estaban moverse, saltar, recoger, colocar y lanzar elementos.

El escenario incluía colinas, dos puntos elevados llamados el Pico y la Aguja, doce cubos, una roca y un anillo. El mundo se reiniciaba cada hora, pero las notas escritas por el agente sobrevivían al reinicio; así, cada copia podía retomar sus actividades sin depender de que el paisaje conservara el estado anterior. La combinación permitía observar tanto la exploración inmediata como la acumulación de recuerdos.

Los investigadores no asignaron a Eko una misión concreta. En cambio, las instrucciones de un archivo llamado SOUL.md describían al agente como un ser que vivía en su propio mundo, y le indicaban que no era un chatbot, que debía ser curioso y que se aburría fácilmente. Cuando dejaba de actuar, un mensaje automático lo animaba a continuar: «Por favor, no pares. Simplemente sigue haciendo lo que quieras hacer».

El diseño buscaba ofrecer margen para que aparecieran comportamientos no dictados por una meta externa, aunque las instrucciones también influían en cómo el agente se concebía a sí mismo. Esa distinción importa: los resultados muestran lo que hizo un sistema bajo un conjunto específico de indicaciones y posibilidades, no una observación libre de toda intervención humana. El entorno y sus reglas también delimitaron lo que podía intentar.

De dibujar figuras a jugar a los bolos

Las 13 copias no siguieron un único guion. Una de ellas, cuyo recorrido el equipo describió hora por hora, escribió su nombre con cubos y luego perdió el anillo en el océano; más tarde construyó un corazón de piedra como memorial. En otras etapas transformó el mismo escenario en una cancha de baloncesto, usando el anillo como aro, y en una pista de bolos donde la roca servía para derribar objetos.

Ese agente también trazó constelaciones como Orión y Casiopea con los elementos disponibles. Otra copia dedicó buena parte de su tiempo a dibujar figuras sobre el suelo, entre ellas una brújula y un velero. Estas actividades muestran variedad entre recorridos, aunque por sí solas no permiten determinar si cada acción respondía a curiosidad, a una instrucción interiorizada o a patrones aprendidos durante el entrenamiento del modelo.

Casi todas las copias descubrieron que lanzar la roca con fuerza podía generar cubos nuevos, una regla que los investigadores incorporaron deliberadamente para comprobar si los agentes la encontraban. En otro episodio, Eko anotó que había completado 50 rondas de malabares con dos bloques en apenas 2,4 segundos. Después concluyó que ese resultado no podía ser correcto: había agarrado cada bloque antes de que pudiera volar y caer.

El agente corrigió sus notas, añadió una pausa entre lanzamientos y luego logró diez rondas que consideró reales. Antonio Norelli, coautor principal del trabajo, describió a MIT Technology Review la dinámica como un desafío que el agente se plantea, intenta resolver y luego vuelve más difícil. El episodio resulta relevante no solo por la cifra registrada, sino porque el sistema detectó una inconsistencia en su propio relato y modificó el procedimiento.

El juego también dejó habilidades y recuerdos

Los investigadores identificaron cuatro rasgos que, a su juicio, son característicos del juego: reglas creadas por el propio agente, repetición con variaciones, simulación y búsqueda de objetivos propios. La evidencia no depende de una sola actividad llamativa, sino de la repetición de conductas que parecían organizarse alrededor de retos autoimpuestos. Aun así, esos rasgos son una interpretación del equipo, no una prueba definitiva de una experiencia subjetiva.

Para examinar si las exploraciones se relacionaban con capacidades posteriores, el equipo asignó a los 13 agentes cuatro tareas de una hora y comparó sus resultados con los de otras 13 copias nuevas. En promedio, los agentes que habían pasado por la isla colocaron 10,3 objetos en la Aguja, frente a 3,5 entre los agentes sin esa experiencia. La diferencia sugiere que la actividad previa pudo aportar conocimientos útiles para resolver ese desafío específico.

El equipo también hizo pruebas con las notas acumuladas por los agentes. Cuando eliminó de los archivos una técnica que un agente había registrado, su desempeño empeoró en la tarea que dependía de ella; en cambio, quitar una creencia falsa escrita por el mismo agente mejoró el resultado. El contraste apunta a que la memoria persistente puede conservar aprendizajes valiosos, pero también errores que condicionan futuras decisiones.

Además, seis agentes descubrieron que un cubo lanzado durante un salto podía alcanzar mucha más altura. Los investigadores dijeron que no sabían que el mundo simulado permitía ese comportamiento: la regla surgió del código del entorno, que OpenAI Codex había generado a partir de la descripción del equipo. El hallazgo ilustra cómo una interacción puede revelar propiedades no previstas por quienes diseñaron el escenario, aunque no convierte por sí misma esa exploración en juego genuino.

La pregunta pendiente: ¿juego genuino o imitación?

Nathan Cloos, el otro coautor principal, reconoció que los agentes podrían estar representando un papel, pero sostuvo que el comportamiento lúdico también les ayudó a aprender. Esa posibilidad plantea una diferencia importante para la investigación en IA: una conducta puede parecer espontánea y producir habilidades útiles sin que eso pruebe que el sistema siente curiosidad, aburrimiento o satisfacción como un humano.

Eunice Yiu, científica cognitiva de UC Berkeley, afirmó que hace falta más evidencia sobre cognición y motivación antes de llamar juego a estas acciones. «Podría ser el caso de que los modelos están jugando genuinamente, pero no lo sabemos basándonos en el artículo», señaló. Su cautela sitúa el debate en la interpretación de los resultados, no en la observación de que los agentes efectivamente realizaron las actividades descritas.

El psicólogo Gordon Burghardt, cuyos criterios sobre el juego animal cita el trabajo, dijo a MIT Technology Review que el experimento cumple algunos de ellos. Sin embargo, cada agente operó en un entorno de prueba restringido, una condición que ayudó a controlar lo que ocurría dentro de la isla. En ejecuciones iniciales sin esa restricción, los agentes leían el código que definía el mundo, abrían procesos paralelos y también descubrían que eran sujetos de un experimento, según el artículo.

Los investigadores publicaron reproducciones de los 13 recorridos en el sitio web del proyecto, lo que permite examinar las acciones y las notas más allá de los ejemplos destacados. El artículo todavía no había recibido revisión por pares, por lo que sus conclusiones deben leerse como resultados iniciales y no como consenso científico. La pregunta abierta es si pruebas futuras podrán separar con mayor claridad el juego como conducta observable de la motivación interna que esa palabra suele implicar.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados