MIT研究チーム、仮想の島でAIエージェントの自発的探索を観察
- •MIT研究チーム、課題のない仮想の島で13エージェントを各30時間動かし、探索と学習を観察
- •13エージェント中6つが、跳びながら物を投げるとより高く飛ばせる技術を発見
- •探索経験のある集団は最高峰に平均10.3個を運搬、未経験集団は3.5個
MITの研究チームは最近、AIエージェントの自発的な探索と学習を分析した研究「この機械は遊んでいるのか（Is this machine playing?）」をアーカイブで公開しました。チームはAnthropicのコーディングツール、Claude CodeとClaude Opus 4.7を基にエージェント「Eko」を構成し、13体をそれぞれ別の仮想の島で30時間ずつ稼働させました。具体的な任務や得点目標は与えていません。
島には高さの異なる地形、ブロック12個、岩、輪がありました。エージェントは物体の位置や大きさをテキストで受け取り、移動・ジャンプ・持ち上げ・置く・投げる命令で行動しました。1時間ごとに島と会話の文脈はリセットされましたが、ファイルに残した記憶と記録は保持されました。エージェントはブロックや岩で足場を作って峰に登り、輪をバスケットゴールや的にしたり、体に通そうとしたりしました。輪を体に直接通せないと分かると、再出現地点に輪を置いて崖から落ち、輪の中に現れる方法も試しました。輪を海に沈めてハート形を作り、追悼したエージェントもいました。また、ブロックをボウリングのピン、岩をボールとして使いました。
研究チームによると、13体のうち6体は、ジャンプしながら物を投げると、地上から投げるより高く飛ばせることを発見しました。仮想の体が上昇する速度が物体に加わる現象で、シミュレーターの開発者もこの可能性を知りませんでした。あるエージェントは、ジャンプ中に投げた物体が高く飛ぶのを見て、下降中に投げれば飛距離が短くなると予想し、比較実験で確かめました。チームは、エージェントが偶然の成功を繰り返すだけでなく、原因を推測して実験したと説明しています。
研究チームは、30時間探索したエージェントと、同じ構成で探索経験のないエージェントに、塔を積み上げる課題や高い峰に物体を運ぶ課題など4つの課題を与えました。最も高い峰に運んだ物体の数は、探索経験のある集団が平均10.3個、経験のない集団が3.5個でした。ただし、最も高い塔を作る課題では両集団の成績はほぼ同じで、すべての能力が一律に高まったわけではありません。
チームはモデルの重みを変える追加学習を行いませんでした。エージェントは発見した技術を外部の記憶ファイルに記録し、次の活動で読み返して活用しました。特定の技術の記録を削除すると関連課題の成績が下がり、誤った考えを含む記録を消すと成績が上がる場合もありました。研究チームは、探索対象を選び、知識を記憶して次の行動に活用するこの方法を「継続的で自律的な」学習と呼びました。
ただし、エージェントには好奇心が強く、探索や学習を好むという初期設定があり、活動を止めると続けるよう求められていました。研究チームは、こうした条件の下で、具体的な課題や報酬がなくても規則を作り、活動を変えながら繰り返し、物体に新たな用途を与えた行動を、遊びの特徴と解釈しました。豊かで安全な環境でエージェント自身に興味のある対象を選ばせ、知識を蓄積させる方法は、課題中心の学習とは異なる選択肢になり得ると説明しています。能力によっては課題を通じて教える方が効果的な一方、別の能力には幼少期に似た経験が必要な可能性もあると付け加えました。