Čo sa stane, keď necháš AI agentov samých na opustenom ostrove? Začnú si vymýšľať vlastné hry

Umelá inteligencia dnes dokáže analyzovať dáta, odpovedať na otázky či napísať počítačový program. Väčšina takýchto činností má jednu spoločnú vlastnosť. Človek jej najprv zadá úlohu. Čo sa však stane, keď AI nedostane žiadny konkrétny cieľ a musí sama nájsť spôsob, ako využiť svoj čas?

Práve túto otázku sa rozhodli preskúmať vedci z Laboratória počítačovej vedy a umelej inteligencie na Massachusettskom technologickom inštitúte (MIT). Pripravili experiment, v ktorom nechali 13 agentov umelej inteligencie osamote na virtuálnom ostrove. Nedostali žiadne konkrétne úlohy a výskumníci im neurčili ani to, čomu sa majú venovať. Výsledok prekvapil aj samotných autorov štúdie. Agenti nezačali iba bezcieľne opakovať rovnaké činnosti. Stavali zložité veže, vytvárali geometrické obrazce na zemi a vymýšľali vlastné verzie hier, ktoré pripomínali bowling, basketbal či žonglovanie, informuje Techxplore.

Ešte zaujímavejšie je, že tieto aktivity im pomohli získať nové poznatky. Keď vedci neskôr agentom zadali konkrétne úlohy, tí, ktorí strávili na ostrove 30 hodín, spravidla dosiahli lepšie výsledky než noví agenti bez podobných skúseností.

Trinásť agentov zostalo na ostrove bez konkrétneho cieľa

Vedci vytvorili 13 agentov s menom Eko, ktorých postavili na základe nástroja Claude Code od spoločnosti Anthropic. Každý dostal vlastné virtuálne telo a samostatnú kópiu sveta Mesa World. Išlo o simulované trojrozmerné prostredie, ktoré fungovalo na upravenom hernom engine s názvom Clawblox. Výskumníci agentom dali jedinú všeobecnú inštrukciu: mali prejaviť zvedavosť a ochotu objavovať. Nikto im však nepovedal, aby postavili vežu, vytvorili hru alebo našli konkrétny predmet.

Každý agent dostal 30 hodín na samostatnom ostrove bez priameho usmerňovania od človeka. Prostredie obsahovalo predmety a objekty, s ktorými mohli manipulovať. Agenti však mali jednu zásadnú nevýhodu. Ostrov nedokázali priamo vizuálne vnímať. Namiesto obrazu dostávali textové opisy okolia a polohy predmetov. Svoje virtuálne telo ovládali prostredníctvom jednoduchých príkazov, napríklad skoku, zdvihnutia predmetu alebo hodu.

Súvisí s tým

Umelá inteligencia môže začať hlúpnuť sama od seba. Vedci upozorňujú na pascu, do ktorej môže spadnúť celá AI

Takýto prístup výskumníkom umožnil sledovať, ako sa AI rozhodne konať bez toho, aby ju človek neustále navigoval. Agenti pritom nefungovali ako ľudia na skutočnom opustenom ostrove. Ich možnosti aj prostredie určovali pravidlá simulácie a schopnosti použitého modelu.

AI si začala vymýšľať vlastné hry

Keď agenti dostali priestor na samostatné objavovanie, ich správanie sa neobmedzilo na jednoduché skúšanie predmetov. Postupne začali vytvárať činnosti, ktoré pripomínali ľudskú hru. Niektorí stavali komplikované veže, iní ukladali predmety do geometrických vzorov. Ďalší si stanovili vlastné výzvy, napríklad preskakovanie medzi blokmi bez dotyku so zemou. Z obyčajného kruhu dokázali vytvoriť provizórny basketbalový kôš a následne s predmetmi experimentovali spôsobom, ktorý pripomínal športové hry. Vedci ich správanie vyhodnotili podľa štyroch znakov, ktoré odborníci tradične spájajú s hrou. Patria medzi ne vytváranie vlastných pravidiel, opakovanie činnosti s rôznymi obmenami, predstieraná hra a sledovanie cieľov, ktoré nemusia prinášať bezprostredný praktický úžitok.

Agent nemusel postaviť vežu preto, aby vyriešil zadaný problém. Mohol ju postaviť jednoducho preto, že sa rozhodol skúmať, čo dokáže vytvoriť z dostupných objektov.

Samotní výskumníci však netvrdia, že tým dokázali existenciu ľudských emócií alebo skutočnej zvedavosti u umelej inteligencie. Pozorované správanie sa podobalo hre, no podobnosť správania automaticky neznamená, že AI prežíva zábavu rovnakým spôsobom ako človek.

Počas hry sa naučila aj niečo nové

Experiment priniesol ešte jeden dôležitý výsledok. Samostatné objavovanie nebolo iba sériou zdanlivo zábavných aktivít. Agentom pomohlo zlepšiť schopnosti, ktoré neskôr využili pri riešení konkrétnych úloh. Počas experimentu si zapisovali svoje skúsenosti do textových súborov. Ukladali si poznámky, návody a informácie o objavených postupoch, ku ktorým sa mohli vrátiť aj po reštarte. Vedci totiž každú hodinu obnovili ostrov do pôvodného stavu a resetovali aktuálnu reláciu agenta, aby obmedzili problémy s krátkodobou pamäťou. Záznamy v textových súboroch však zostali zachované. Agent tak mohol nadviazať na predchádzajúce objavy namiesto toho, aby začínal úplne od nuly.

Po 30 hodinách výskumníci porovnali skúsených agentov s nováčikmi. Agenti, ktorí mali za sebou dlhšie samostatné objavovanie, spravidla dosiahli lepšie výsledky v následných úlohách. Osvojili si napríklad účinnejšie postupy pri stavaní veží alebo ukladaní predmetov na vyvýšené plošiny. Ešte prekvapivejšie bolo, že niektorí objavili aj fyzikálne triky, s ktorými samotní tvorcovia simulácie vopred nepočítali. AI tak dokázala nájsť možnosti virtuálneho sveta, ktoré jej autori výslovne nenaplánovali.

„Samostatne iniciované objavovanie agentov tak prinieslo nielen poznatky, ktoré sme v prostredí zámerne ukryli, ale aj poznatky o svete, ktoré nepoznali ani jeho tvorcovia,“ uviedli autori štúdie.

Agenti neodhalili nové fyzikálne zákony nášho sveta. Ich objavy sa týkali pravidiel konkrétnej simulácie. Samostatné experimentovanie však môže odhaliť aj nečakané možnosti prostredia.

Mohla by sa AI učiť podobne ako dieťa?

Výskum otvára otázku, či budúce systémy umelej inteligencie potrebujú na získanie nových schopností iba presne definované úlohy. Dnešné modely často trénujú na veľkých súboroch dát alebo plnia konkrétne zadania, pri ktorých vývojári určia očakávaný výsledok. Experiment s agentmi Eko naznačuje, že určitú úlohu môže zohrávať aj voľné objavovanie. Ak má AI možnosť skúšať rôzne postupy, vytvárať si vlastné výzvy a uchovávať si poznatky, môže získať skúsenosti, ktoré jej neskôr pomôžu pri iných činnostiach.

„Možno sa niektoré schopnosti najlepšie učia prostredníctvom úloh. Iné si môžu vyžadovať niečo, čo sa viac podobá detstvu,“ tvrdia autori.

Ide zatiaľ o výsledok jedného experimentu, nie o dôkaz, že voľná hra automaticky zlepší každú umelú inteligenciu. Výsledky ovplyvnili schopnosti použitých modelov, pravidlá virtuálneho prostredia aj spôsob, akým si agenti ukladali svoje skúsenosti.