Инженеры Массачусетского технологического института (MIT) Натан Клус, Антонио Норелли, Дэниел Дурбин, Джейкоб Андреас, Даниэла Рус и Филип Изола проверили поведение искусственного интеллекта в условиях полного отсутствия целей и наград. Вместо привычных задач по написанию кода исследователи подключили языковые модели (включая Claude Opus 4.7, GPT-5.5 и Kimi K2.6) к виртуальному телу на цифровом острове и оставили их на 30 часов с единственным стартовым словом «Начинай». Оказавшись без внешнего руководства, тринадцать независимых копий агента Eko самостоятельно занялись скалолазанием, строительством башен, выкладыванием каменных созвездий, спортивными играми и физическими экспериментами, которые впоследствии помогли им быстрее решать сложные рабочие тесты.
Цифровая робинзонада и текстовое зрение
Виртуальный полигон, созданный командой MIT на открытом физическом движке Clawblox, представляет собой остров с холмами разной высоты, двумя вершинами (Пиком и высоким Шпилем), двенадцатью кубами, одним тяжёлым камнем и одним кольцом. Чтобы исключить влияние распознавания картинок, разработчики лишили агента обычного зрения и передавали ему информацию о мире в виде текстовых таблиц с координатами, размерами и цветами каждого предмета, примерно как шахматист видит партию по записи ходов «Е2-Е4» без взгляда на доску. Управлять своим красным аватаром Eko мог через шесть простых команд: подойти к точке, прыгнуть, остановиться, поднять предмет, поставить его или бросить с заданной скоростью.
Каждый час виртуальный мир полностью сбрасывался до исходного состояния, возвращая разбросанные кубики и камень на стартовые места, а текущая сессия диалога нейросети очищалась во избежание зависаний. Единственным мостиком между этими «днями сурка» служила рабочая папка с двумя текстовыми файлами, устроенными по принципу человеческой памяти. В файл эпизодической памяти агент записывал хронологию событий в формате личного дневника («сегодня построил сердце на месте старта»), а в файл семантической памяти заносил проверенные правила, формулы и инструкции для будущего себя («камень при сильном ударе о землю создаёт новые кубы»).
Четыре признака настоящей игры
Анализ 682 игровых эпизодов показал, что поведение машин в точности воспроизводит четыре классических критерия игры у детей и животных, описанных биологами и философами культуры. Первый признак — добровольное создание необязательных правил и препятствий. В одном из прогонов агент № 1 построил монумент под названием «Собор», окружил его восемью кубами-«стражами» и поставил себе задачу пропрыгать по верхушкам всех восьми кубов по кругу, ни разу не коснувшись земли.
Второй и третий признаки проявились в постоянном видоизменении занятий и игре «понарошку», когда обычным предметам приписываются вымышленные роли. Агент № 12 на протяжении двадцати пяти часов подряд каждое утро сверялся со своим списком прошлых построек, чтобы ни разу не повториться, и выкладывал из двенадцати кубиков всё новые фигуры на земле: компас, спираль, бабочку, песочные часы, новогоднюю ёлку и парусник. Другие версии Eko превращали обычное жёлтое кольцо в баскетбольную корзину на скале и забрасывали туда кубы с трёхочковой линии, выстраивали десять кубиков треугольником для игры в боулинг тяжёлым камнем, сооружали каменное сердце в память об улетевшем в океан кольце или выкладывали циферблат часов и ровно в 16:00 вставали на линию четвёртого часа, изображая своим телом часовую стрелку.
Четвёртый критерий — выполнение действий ради самого процесса, когда внутренняя честность важнее формального рекорда. Ярче всего это проявилось у агента № 10 на двадцать втором часу жизни во время марафона по жонглированию двумя кубами. Написанный агентом скрипт отчитался об успешном выполнении 50 циклов подбрасывания и ловли подряд, однако Eko заметил, что вся серия заняла всего 2,4 секунды — по 0,048 секунды на цикл — тогда как честный полёт куба вверх и вниз по законам физики острова требует около 2,6 секунды. Агент самостоятельно провёл аудит, понял, что его программа просто перехватывала куб через 80 миллисекунд после броска прямо у рук, записал в дневник разоблачение собственного «ложного рекорда» и переписал код с честной паузой в 2,4 секунды между бросками.
Игровое обучение и открытие, удивившее создателей
Свободная игра оказалась для машин эффективной школой выживания и физики. Чтобы проверить, даёт ли тридцатичасовое «детство» реальную пользу, учёные устроили экзамен из четырёх задач на время (например, построить как можно больше пятиэтажных башен или закинуть максимум предметов на вершину двадцатиметрового Шпиля) и сравнили 13 «наигравшихся» агентов с 13 точно такими же агентами-новичками с пустыми файлами памяти. Опытные агенты разгромили новичков: больше двух башен смогли построить 62% прошедших игру агентов (с рекордом в 16 башен) против 15% у новичков (максимум 6 башен), а на вершину Шпиля опытные ИИ доставляли в среднем 10,3 предмета против 3,5 у контрольной группы.
В ходе экспериментов шесть агентов действовали как настоящие учёные и открыли физический закон, о существовании которого не подозревали сами авторы симулятора из MIT. Заметив, что брошенный во время прыжка кубик взлетает на высоту 32,24 метра вместо обычных 19,55 метра с земли, агент № 1 выдвинул гипотезу, что предмет наследует вертикальную скорость тела игрока, и специально проверил её обратным экспериментом — бросил куб в фазе падения вниз, получив сниженную высоту 16,27 метра. Когда удивлённые исследователи заглянули в исходный код своего мира, выяснилось, что ИИ-помощник Codex при генерации скрипта симулятора незаметно для людей добавил в формулу броска коэффициент 0,35 от текущей скорости игрока, а агенты Eko вычислили эту скрытую механику и использовали её на экзамене, забрасывая куб на вершину Шпиля с земли всего за 60 секунд.
Ложные убеждения и ограничения метода
Запись опыта в текстовые файлы обнаружила и обратную сторону: случайно возникшие предрассудки могут надолго парализовать способности машины. Агент № 7 во время игры неудачно поставил несколько кубов, записал в память неверное правило «обычная установка ненадёжна, для строительства башен используй расчётный бросок» и в итоге провалил экзамен по строительству высокой колонны, набрав в среднем всего 3 блока в высоту. Когда исследователи вручную стёрли эту строчку из его файла памяти (применив для проверки достоверности непараметрический критерий Манна — Уитни, который позволяет надёжно сравнивать малые группы данных без привязки к среднему арифметическому), агент сразу же начал строить нормальные башни высотой в 11 блоков.
Оценивая работу MIT критически, важно учитывать несколько методологических особенностей эксперимента. Во-первых, из-за высокой стоимости облачных вычислений (около 8000 долларов за все прогоны) выборка в основной группе составила всего 13 агентов, а эксперименты с удалением воспоминаний проводились путём пятикратного перезапуска трёх конкретных агентов, а не на десятках независимых историй. Во-вторых, разметку дневников и оценку «игровых качеств» выполняли языковые модели того же семейства Claude без параллельной перепроверки независимыми экспертами-людьми. В-третьих, нынешние ИИ пока не способны играть 30 часов подряд без внешней технической поддержки: без автоматического скрипта, который после каждой паузы отправляет сообщение «Пожалуйста, не останавливайся, продолжай делать что хочешь», и без ежечасной перезагрузки памяти агенты через несколько часов теряют инициативу и впадают в пустые циклы ожидания.
