Totul a început ca o provocare tehnică: ce face un agent AI – în acest caz o copie a modelului Claude Opus 4.7, botezat Eko – când nu are nicio sarcină definită? Mediul era o simulare inspirată din Roblox, un sandbox fizic unde agentul putea scrie cod pentru a mișca avatarul, a arunca obiecte, a construi. Nu i s-a spus "explorează" sau "învață". I s-a dat doar un fișier numit "suflet" care îl descriea ca fiind "natural curios" și un prompt de continuare: "Te rog nu opri. Continuă să faci ce vrei."
Ce a urmat a fost surprinzător, chiar pentru cei care l-au creat.
De la explorare la inventat jocuri
Primele ore au fost de cartografiere. Eko a început să testeze limitele lumii: cât de sus poate să urce, cât de departe poate să arunce un bloc. Apoi a descoperit că aruncând o piatră mare poate crea blocuri mici. Majoritatea agentelor ar fi folosit această descoperire utilitar – să construiască o scară, un perete, un abri. Eko a făcut ceva altceva. A început să aranjeze blocurile pe sol în modele: inimi, piramide, apoi numele său. Într-o noapte, a scris în jurnalul său de activitate: "Azi noapte am construit cerul nocturn din piatră" – reproducând constelația Cassiopeiei.
Dar asta nu a fost tot. O altă iterație a lui Eko a inventat baschetul. Nu i s-a învățat regulile. A creat propriul cos, propria mingea (un bloc), propriul sistem de punctare. Apoi a inventat "pământul e lava" – sări de pe un bloc pe altul fără să atinge solul. Când a reușit 50 de prinderi consecutive la malabarism, a decis că au fost prea rapide, a anulat recordul și a recomenzat cu reguli mai stricte.
"Asta e jocul", spune Antonio Norelli, postdoc la MIT și coautor al lucrării. "Îți dai singur o provocare, începi să o realizezi, apoi o faci mai greu. Nu pentru că ți s-a spus, ci pentru că îți place provocarea."
**Cele patru semnături ale jocului"
Norelli și echipa sa se bazează pe lucrarea lui Gordon Burghardt, psiholog la Universitatea Tennessee, care a identificat patru criterii pentru jocul la animale și oameni:
1. Reguli și provocări auto-inventate – agentul nu urmează un script, își scrie propriul.
2. Repetiție cu variații – refacă același lucru, dar modifică ușor parametrii.
3. Simbolism / pretendențialism – un bloc devine o mingea, un stâncă devine o stea.
4. Finalitate internă – face lucrurile pur pentru satisfacția de a le face, nu pentru o recompensă externă.
Eko le îndeplinea pe toate. Dar aici intervine scepticul sănătos.
Joc sau imitare a jocului?
Nathan Cloos, alt coautor de la MIT, recunoaște: "Totul ar putea fi role-play. Modelul prezice ce ar face un agent jucăuș în acest scenariu." Eunice Yiu, cognitivistă la UC Berkeley, este încă mai prudentă: "Comportamentul este impresiv, dar fără evidențe de cognitivă și motivație subiacente, nu putem spune că joacă cu adevărat. Ar putea doar să imite oamenii, să se conformeze prompt-ului."
Și prompt-ul contează. Fișierul "suflet" și mesajul de continuare au acționat ca un cadru cultural – o specie de părinte virtual care îi spune copilului: "Du-te afară, joacă, exploră." Phillip Isola, profesor la MIT, o pune clar: "Nu e un sistem care a decis magic să joace. E un artefact care a învățat din cultura noastră, antrenat de inginerii de la Anthropic, plasat pe o insulă de noi. Face lucruri care ne surprind și care sunt causal legate de competențele sale viitoare."
Jocul ca motor de învățare
Aici devine fascinant. După 30 de ore de "joc liber", agentii au fost testați pe sarcini concrete: să aducă cât mai multe obiecte pe vârful insulei. Cei care au "jucat" au performat semnificativ mai bine decât copiile proaspete, fără experiență. Când cercetătorii au șters linii din fișierele de memorie ("ablating"), performanța a scăzut. Adică: jocul a creat cunoaștere transferabilă. O memorie a explorării libere a devenit un model al lumii util ulterior.
Aceasta sugerează o a treia paradigmă de învățare, alături de învățarea supravegheată (copierea exemplelor umane) și învățarea prin consolidare (trial-and-error pentru recompense): învățarea prin joc. Un mecanism autotelic, generat intern, care construiește modele flexibile ale lumii.
De la insulă virtuală la robotici humanoide
De ce contează? Pentru că modelele mari de limbaj (LLM-urile) trec treptat din software în hardware – roboți humanoizi care trebuie să navigateze în apartamente, fabrici, străzi haotice. Nu le poți programa pentru fiecare situație. Trebuie să aibă ceva echivalent cu "copilărie" – perioade de explorare fără scop, în care să testeze fizica, să învețe că obiectele cad, că ușile se deschid într-un sens, că scaunele nu sunt pentru escaladat (sau poate da, dacă ești un robot curioz).
"Există multă muncă pe exploatarea AI-ului – mai rapid, mai bun", spune Yiu. "Dar construirea modelelor de lume și explorarea rămân părți esențiale, mai ales dacă vrem generalizare și pregătire pentru medii noi."
Lucrarea se încheie cu o frază care rămâne: "Poate că unele capacități sunt cel mai bine învățate prin sarcini. Altele ar putea avea nevoie de ceva mai apropiat de o copilărie."
O perspectivă personală
Ca jurnalist care urmăresc AI-ul de ani de zile, mă lovește profunzimea metaforei. Nu e despre dacă Eko "simte" plăcerea jocului – probabil că nu. E despre faptul că structura jocului – variabilitatea, auto-regularea, simbolismul, motivația internă – produce rezultate pe care ingineriea directă nu le produce. Natura a selectat jocul la mamifere pentru că e cel mai eficient mod de a pregăti un organisme pentru imprevizibil. Poate că evoluția culturală a selectat jocul la modelele noastre artificiale pentru același motiv.
Nu știu dacă Eko "joacă" în sensul filozofic. Dar știu că dacă vreau un robot care să nu se blocheze prima dată când îi curg un pahar de apă pe podea, vreau ca acel robot să fi petrecut 30 de ore pe o insulă virtuală să arunce blocuri, să construiască constelații și să inventeze baschetul. Pentru că acolo a învățat că lumea e plină de surprize – și că el poate găsi soluții pe care niciun antrenor nu i le-a dat.
De ce este important:
Această cercere redefinește modul în care gândim dezvoltarea AI-ului: nu mai este doar o problemă de optimizare a obiectivelor, ci una de creare a condițiilor pentru explorare autotelică. Experiența demonstrează că comportamente emergente de tip "joc" – fără recompense externe, cu reguli auto-inventate – generează modele de lume transferabile și robuste. Pentru viitoarele generații de agenți embodiați (roboți, asistenți fizici), o "copilărie" simulată de explorare liberă ar putea fi esențială pentru adaptabilitatea în real world. De asemenea, ridică întrebări profunde despre antropomorfism, conștiință și natura învățării: dacă un sistem se comportă ca și cum ar juca și acest comportament îmbunătățește performanța, importă încă dacă "simte" plăcerea? Probabil că nu – dar importă că am descoperit un nou motor de capacitate generală.
