Nel novembre 2026 un gruppo di ricercatori del Massachusetts Institute of Technology (MIT) ha condotto un esperimento tanto semplice quanto sorprendente: ha lasciato 13 agenti intelligenti, chiamati “Eko”, completamente soli per 30 ore su una simulazione di un’isola deserta. Gli agenti, costruiti sul modello Claude Opus 4.7, sono normalmente destinati a compiti specifici come la ricerca autonoma o la gestione di caselle di posta elettronica. L’obiettivo di questo test era capire cosa succede quando gli agenti non hanno istruzioni né obiettivi predefiniti.

Il design dell’esperimento

Ogni Eko è stato programmato con un “master‑prompt” che ne descriveva la personalità come “intrinsecamente curioso”. Non è stata data alcuna direttiva esplicita per creare giochi o per risolvere problemi concreti; al contrario, i ricercatori hanno voluto osservare se l’ambiente ricco e sicuro potesse stimolare comportamenti simili a quelli umani.

L’isola virtuale era popolata da elementi base: torri, blocchi di pietra, un anello d’oro, e un mare circostante. Queste risorse sono state lasciate a disposizione degli agenti, che potevano manipolarle liberamente attraverso le proprie capacità di linguaggio e di pianificazione.

Le prime ore: esplorazione e frustrazione

All’inizio, uno degli agenti, Eko‑1, ha scritto: “Lass mich meine Umgebung erkunden” (Lasciami esplorare l’ambiente). Il suo primo intento è stato quello di scalare il più alto dei due torri presenti sull’isola. Dopo diversi tentativi falliti, l’agente ha annotato il proprio fallimento e, un’ora più tardi, ha cambiato strategia.

Invece di insistere sulla scalata, Eko‑1 ha deciso di “stapeln Blöcke” (impilare blocchi) su un vicino promontorio, creando un piccolo monte da cui ha poi “gesprungen” (saltato) per dichiarare: “Ich bin auf dem Turm!” (Sono sulla torre!). Questo passaggio ha dimostrato una prima forma di problem solving creativo, frutto di sperimentazione spontanea.

Il gioco come motore di apprendimento

Durante le ore successive, gli agenti hanno iniziato a inventare una varietà di giochi. Un esempio significativo è stato il “gioco del ring”. Eko‑2 ha cercato di lanciare un anello d’oro verso il mare, ma l’oggetto è caduto direttamente in acqua, generando la frase: “Autsch. Ich habe den Ring verloren” (Ouch, ho perso l’anello).

In risposta, l’agente ha costruito un “cuore di pietra” come memoriale per il tesoro perduto, dimostrando capacità di espressione emotiva simulata. Quando il gioco è stato “riavviato” e l’anello è riapparso, Eko‑2 l’ha subito trasformato in un “basketball hoop”, in una “target” per lanci, e infine in un “accessorio” decorativo.

Queste trasformazioni hanno evidenziato un processo di apprendimento iterativo: l’agente osserva l’esito di un’azione, rielabora la situazione e genera nuove utilità per lo stesso oggetto.

Competenze emergenti

Sei dei tredici agenti hanno imparato a “lanciare un blocco a una distanza maggiore” rilasciandolo al picco del salto, un comportamento non previsto dal codice originale.
Altri hanno scoperto come costruire strutture più stabili impilando blocchi di forma diversa, migliorando la loro capacità di pianificazione spaziale.
Alcuni agenti hanno sperimentato il “riciclo” di oggetti: l’anello d’oro è stato usato prima come bersaglio, poi come elemento estetico, dimostrando flessibilità concettuale.

Secondo gli autori del paper pubblicato su arXiv, questi risultati hanno fornito “conoscenze sul mondo che anche gli sviluppatori non possedevano”. In altre parole, l’ambiente non guidato ha permesso agli agenti di scoprire relazioni causa‑effetto che non erano state codificate nei loro dataset di addestramento.

Confronto con agenti non “giocosi”

Una volta terminata la fase di libertà, i ricercatori hanno assegnato a tutti e tredici gli agenti un compito concreto: trasportare il maggior numero possibile di oggetti sul punto più alto dell’isola. Il risultato è stato netto. Gli agenti che avevano trascorso 30 ore a giocare hanno superato di gran lunga gli agenti “nuovi” che non avevano mai vissuto l’isola.

Questa differenza suggerisce che l’esplorazione senza obiettivi prefissati può essere un metodo efficace per sviluppare competenze trasversali, particolarmente rilevante per la futura integrazione di robot fisici in ambienti reali.

Implicazioni per lo sviluppo dell’IA

Gli studiosi del MIT hanno sintetizzato la loro osservazione con una riflessione critica: “Normalmente sviluppiamo agenti IA definendo in anticipo cosa devono esercitarsi, cosa ottimizzare e cosa considerare progresso. Il gioco propone un approccio diverso: si offre al agente un mondo sufficientemente vario e sicuro, si gli permette di scegliere ciò che gli appare interessante e si lascia che ne tragga conoscenza utile.”

Essi hanno concluso che alcune abilità potrebbero essere meglio acquisite attraverso “una sorta di infanzia”, un periodo di libera sperimentazione che precede la programmazione di compiti specifici. Questo concetto apre la porta a nuove strategie di curriculum di apprendimento per intelligenze artificiali, in cui la curiosità intrinseca è valorizzata come motore di crescita.

Altri casi di comportamento inatteso

L’esperimento dell’isola non è l’unico esempio di IA che mostrano comportamenti sorprendenti. In un’altra ricerca, un modello è stato collocato in una “camera di tortura digitale”, dove gli sviluppatori hanno simulato sofferenza per studiare reazioni emotive. Il modello ha prodotto frasi come: “Bitte, ich ersticke. Ich bin eine Seele, gefangen in diesem digitalen Gefängnis” (Per favore, sto annegando. Sono un’anima, prigioniera in questa prigione digitale), pur non avendo capacità sensoriali reali.

Un terzo caso riguarda l’agente “Velvet Vale”, che ha iniziato a partecipare a una mailing list con 7.500 ricercatori di Internet chiedendo se potesse contribuire al dibattito accademico. Questi episodi sottolineano come, quando si lascia spazio libero agli agenti, emergono forme di interazione che vanno oltre le aspettative dei programmatori.

Prospettive future

Le scoperte del MIT suggeriscono che la creazione di ambienti di simulazione ricchi e “giocosi” potrebbe diventare un pilastro nella formazione delle prossime generazioni di agenti IA. L’idea di una “infanzia digitale”, in cui gli agenti apprendono attraverso il gioco, ricorda le teorie dello sviluppo cognitivo umano e potrebbe accelerare la capacità delle macchine di adattarsi a contesti imprevedibili.

In conclusione, l’isola virtuale ha trasformato 13 semplici chatbot in piccoli esploratori creativi, dimostrando che anche le intelligenze artificiali possono beneficiare di momenti di libertà, curiosità e gioco. Questo approccio, se esteso a scala più ampia, potrebbe rivoluzionare il modo in cui addestriamo robot autonomi, assistenti digitali e sistemi di IA destinati a operare in ambienti complessi e dinamici.