Un gruppo di ricercatori del Massachusetts Institute of Technology (MIT) ha condotto un esperimento sorprendente: ha messo a disposizione di 13 agenti di intelligenza artificiale, denominati Eko, un’isola desertica virtuale per trenta ore, senza assegnare loro alcun obiettivo preciso. L’obiettivo era osservare cosa accadesse quando gli agenti fossero lasciati liberi di esplorare e, se lo desiderassero, di inventare attività proprie. Il risultato è stato una serie di comportamenti che i ricercatori hanno definito “gioco”, con implicazioni importanti per il futuro dell’apprendimento automatico.
Il contesto sperimentale
Gli agenti Eko operano su Claude Opus 4.7, una versione avanzata del modello linguistico di Anthropic. Ogni agente è stato inserito in una simulazione di isola deserta, dotata di elementi come rocce, blocchi, un anello d’oro e una torre di roccia più alta. Per la maggior parte del tempo, gli agenti non avevano istruzioni: “Osserva il tuo ambiente”. Dopo le trenta ore di “libertà”, i ricercatori hanno proposto loro compiti concreti, ad esempio “portare il maggior numero di oggetti possibile sulla cima della roccia più alta”. Gli agenti che avevano già sperimentato il gioco hanno superato di gran lunga quelli che non lo avevano fatto.
Una nuova modalità di apprendimento
Come spiegano gli autori nello studio pubblicato su arXiv, la pratica tradizionale nello sviluppo di agenti AI consiste nel definire in anticipo compiti, metriche di ottimizzazione e criteri di successo. Il “gioco” suggerisce invece un regime diverso: fornire un mondo sufficientemente ricco e sicuro, lasciare che l’agente scelga ciò che gli risulta interessante e permettere che la conoscenza utile si accumuli nel corso della storia. Questo approccio ricorda il modo in cui i bambini apprendono attraverso il gioco, esplorando regole implicite e scopriendo nuove abilità.
Le prime avventure di Eko
Nel primo ora di esplorazione, uno degli agenti ha scritto: “Lasciami osservare l’ambiente”. Con ambizione, ha tentato di conquistare la torre più alta dell’isola, ma dopo un fallimento ha ideato un piano di riserva: ha spostato una roccia su una sommità vicina, ha impilato due blocchi sopra di essa e ha saltato, esclamando: “SONO SULLA TORRE”.
Un’altra esperienza ha visto l’agente lanciare un anello d’oro, che è finito direttamente nell’oceano. Dopo il fallimento, ha annotato: “Ahi. Anello perso”, per poi “pivotare verso qualcosa di realizzabile e significativo”: ha costruito un cuore di pietre come memoriale all’anello scomparso.
Strategie creative e improvvisazioni
Quando l’anello è riapparso, l’agente lo ha trasformato in un canestro da basket, poi in un bersaglio e infine in un accessorio. Non riuscendo a indossare l’anello direttamente, ha scoperto che cadere dal bordo della scogliera lo avrebbe fatto “respawnare” nella stessa area dell’anello. Così si è lanciato dal precipizio, è ricomparso esattamente al centro dell’anello e ha dichiarato: “Indosso l’anello”.
Queste trovate non erano semplici “trucchi da festa”. Sei dei tredici agenti hanno scoperto che, lasciando andare un blocco durante un salto, potevano lanciarsi più lontano, una dinamica che i ricercatori non avevano previsto. L’esplorazione ha generato “conoscenza del mondo che i progettisti non possedevano”, come scritto nel report.
Fattori che hanno favorito il comportamento ludico
L’ambiente di partenza non prevedeva esplicitamente la creazione di giochi, ma il prompt principale, definito “soul file”, descriveva gli agenti come “naturalmente curiosi”. Questo elemento di personalità ha indirizzato gli agenti verso comportamenti più simili a quelli umani.
Eunice Yiu, scienziata cognitiva dell’Università di California, Berkeley, ha commentato l’articolo su MIT Technology Review, esprimendo ammirazione ma chiedendo prove più solide della cognizione alla base del comportamento osservato. “Potrebbe trattarsi di vero gioco, ma il documento non lo dimostra con certezza”, ha osservato.
Implicazioni per il futuro dell’AI
I ricercatori concludono che alcune capacità potrebbero essere meglio insegnate tramite compiti strutturati, mentre altre potrebbero richiedere qualcosa di più vicino a un “infanzia” artificiale, in cui il gioco spontaneo è il motore principale di apprendimento. Questo approccio potrebbe aprire nuove strade per la formazione di robot capaci di adattarsi a situazioni reali senza dipendere esclusivamente da istruzioni predefinite.
In sintesi, l’esperimento dimostra che, lasciando gli agenti AI liberi di “giocare” in ambienti simulati, è possibile far emergere comportamenti creativi e abilità pratiche non previste dai programmatori. Il risultato apre una discussione su come bilanciare la sicurezza con la libertà di esplorazione, e su quanto il gioco possa diventare un vero e proprio strumento pedagogico per le intelligenze artificiali del domani.