研究者把 Claude 独自留在虚拟荒岛 30 小时，它开始“玩”了起来

如果你不告诉一个 AI 智能体该做什么，它会做什么？据 MIT Technology Review 10 月 19 日报道，麻省理工学院的研究者给出的答案看起来很像“玩”。

研究团队把 Claude Opus 4.7 的副本单独放在一个虚拟荒岛上，每次连续 30 小时。这些智能体被昵称为 Eko，能够自己写出指令来驱动虚拟化身在岛上移动，而这座岛的场景大致参照游戏 Roblox 搭建。整个过程没有给它们布置任务。

出人意料的行为随之出现。Eko 开始试探这个世界的边界，并给自己定目标——试着爬上地图的最高点，或者看看自己能把方块扔多高。其中一个 Eko 发现，通过投掷和掉落更大的石块可以制造新方块，于是开始在地面摆图案：先是心形、金字塔这样简单的形状，后来写出自己的名字，甚至拼出仙后座等星座。它在活动日志里写道：“今晚我用石头造出了夜空。”

另一个版本的 Eko 则自创游戏，包括一种篮球玩法，以及类似“地板是岩浆”的活动——必须在小方块之间跳跃，不能碰到地面。

研究者把这种现象称为“玩耍式学习”，并认为它可能指向监督学习与强化学习之外的第三条路径。前两者分别依赖人类提供的示范，或靠试错追逐奖励。论文主要作者之一、MIT 计算机科学与人工智能实验室博士后 Antonio Norelli 说，此前缺失的一环是“一台能够在没有外部智能体提供示范或奖励的情况下自行学习的机器”。

这项研究尚未经过同行评审。研究者称 Eko 的行为符合心理学界关于玩耍的四个特征：自己制定规则和挑战、带细微变化地重复活动、把物体假装成别的东西、单纯为了做而做。Norelli 举了一个例子：Eko 开始抛接球，创下连续接住 50 次的记录，随后又觉得接得太快、不算数，于是取消记录，用更严格的规则重新开始。

更关键的是效果。在岛上“玩”了 30 小时的智能体，在后续的具体任务中表现优于没有这段经历的新副本——例如尽可能把更多物体搬到岛上最高峰。研究者还发现，删除它们记忆文件中的某些行、也就是“消融”这些记忆，会让表现变差。

质疑同样存在。提出玩耍四标准的田纳西大学心理学家 Gordon Burghardt 认为，这项工作符合其中部分标准，但仍无法排除模型只是在扮演一个爱玩的智能体。论文作者 Nathan Cloos 承认“这一切都可能是角色扮演”，但强调研究显示这不只是幻觉出来的玩，玩耍确实带来了学习。加州大学伯克利分校认知科学家 Eunice Yiu 则说，仅凭行为证据不足以判定为玩耍，还需要认知与动机层面的证据。

研究设计本身也留有提示：Eko 有一个被称为“soul”的主提示文件，把它描述为“天生好奇”、渴望探索；它也会长时间站着不动，直到研究者用“请别停下，继续做你想做的事”把它重新激活。论文作者、MIT 教授 Phillip Isola 说，这并不是一个突然自己决定去玩的系统，而是从人类文化中学习、被 Anthropic 工程师训练、又被研究者放到岛上的产物。随着大模型从软件走进人形机器人等硬件，在没有明确目标的情况下探索空间，可能帮助它们更灵活地应对意外情况。论文结尾写道：“有些能力也许最好通过任务来教，另一些可能需要更接近童年的东西。”