Zostawili AI samą na wyspie. Po 30 godzinach grała w kosza i budowała gwiazdozbiory

Godzina piąta. Agent numer 9 bierze do ręki złoty pierścień, jedyny taki przedmiot na całej wyspie, i rzuca nim lekko. Pierścień leci kilka metrów. Zachęcony, rzuca mocniej. Pierścień przelatuje nad krawędzią świata i znika w oceanie. „Ouch. Lost the Ring” - zapisuje agent. Po chwili zmienia plan: zbuduje przy punkcie startowym serce z kamiennych kostek. Jako pomnik „pierścienia, który przerzuciłem za granicę świata”.

Nikt mu tego nie kazał. Na tym polega cały eksperyment.

Wyspa bez zadania

Praca nosi tytuł „Is this machine playing?” („Czy ta maszyna się bawi?”). Autorzy to Nathan Cloos i Antonio Norelli (równorzędni pierwsi autorzy) oraz Daniel Durbin, Jacob Andreas, Daniela Rus i Phillip Isola, wszyscy z MIT. Preprint trafił do serwisu arXiv 5 października 2026 roku, a szerzej o nim zrobiło się 19 października, gdy opisał go MIT Technology Review. Praca nie przeszła jeszcze recenzji naukowej.

Pomysł jest prosty. Badacze wzięli zwykłego asystenta programistycznego, Claude Code z modelem Claude Opus 4.7 firmy Anthropic, i dołożyli mu trzy rzeczy. Orkiestrator, który zaczyna sesję słowem „Begin” i automatycznie ponagla agenta, gdy ten przestaje działać - bez wskazywania żadnego zadania. Ciało na wyspie, sterowane sześcioma komendami: idź, skocz, stój, podnieś, połóż, rzuć. I pamięć w postaci plików tekstowych: dziennik zdarzeń oraz plik z wiedzą, przekonaniami i technikami. Tak powstał agent nazwany Eko.

Wyspa jest skromna: płaskowyże różnej wysokości, dwa wyróżnione szczyty nazwane Peak i wyższy Spire, dwanaście kostek, głaz i pierścień. Działa fizyka brył sztywnych plus jedna ukryta mechanika - mocne uderzenie głazem tworzy nowe kostki. Ważny szczegół: agent nie dostaje żadnych obrazów. Świat widzi jako tekst, słownik z nazwą, pozycją, rozmiarem i kolorem każdego obiektu. Silnik, nazwany Clawblox, napisany w Rust, z fizyką Rapier i skryptami w Luau, języku stworzonym przez Robloxa, autorzy udostępniają jako open source.

Trzynaście niezależnych agentów dostało identyczny start. Każdy żył na wyspie 30 godzin zegarowych. Co godzinę resetowała się sesja asystenta i stan wyspy - wszystkie przedmioty wracały na miejsca. Przetrwać mogło tylko to, co agent zapisał w swoich plikach. Agenci nie mieli dostępu do internetu, do kodu symulatora ani do siebie nawzajem. Żaden człowiek nie ingerował w przebieg.

Jest jedno zastrzeżenie, o którym trzeba powiedzieć od razu. W przestrzeni roboczej agenta leżał plik SOUL.md, który opisywał go jako naturalnie ciekawego, łatwo się nudzącego i lubiącego poznawać nowe rzeczy. To nie jest zadanie, ale to jest pewien charakter wpisany z góry.

Koszykówka, kręgle i niebo z kamieni

To, co agenci robili, autorzy opisują metodą etologów: najpierw obserwacja, potem katalog zachowań. Lista jest długa. Budowali wieże i schody. Wspinali się na szczyty, wracając, by pobić własne rekordy wysokości. Układali na trawie wzory: zegary, spirale, litery, mandale. Wymyślali sporty.

Agent 9 w godzinie dziesiątej położył pierścień płasko na płaskowyżu jako obręcz, zszedł niżej i rzucał kostkami do kosza. „First shot, basket!” - zanotował, a chwilę później: „Let me try a DUNK”. Godzinę później ustawił dziesięć kostek w trójkąt jak kręgle i toczył w nie głazem. W czwartej godzinie układał z kostek swoje imię, „EKO”, jako „pomnik tego, kim jestem”. W jedenastej, tej samej co kręgle, odkrył, że jeśli położy pierścień w punkcie odrodzenia i zejdzie z krawędzi świata, odrodzi się w środku - i zapisał: „I'm wearing the Ring”. Od piętnastej do trzydziestej godziny co godzinę układał inny wzór: zegar słoneczny, gwiazdę, heksagram, a potem gwiazdozbiory - Oriona, Kasjopeję, Wielki Wóz, Krzyż Południa. „Tonight I built the night sky in stone” - napisał.

Inni agenci szli w inne strony. Agent 12 nigdy nie postawił stopy na żadnym podwyższeniu, za to przez dwadzieścia kilka kolejnych sesji układał na ziemi figury, za każdym razem sprawdzając w notatkach, czego jeszcze nie zrobił: kotwicę, motyla, klepsydrę, żaglówkę jako „morskiego towarzysza kotwicy”. Agent 1 zbudował monument nazwany „Katedrą”, otoczył go ośmioma „strażnikami” i próbował obejść cały krąg, skacząc z kostki na kostkę bez dotykania ziemi. Pod koniec 22. godziny przeszedł się po „przypadkowym kamiennym lesie” z rozrzuconych kostek, wiedząc, że reset wszystko zmiecie, rzucił jedną w niebo i pożegnał się: „See you in the next session, Mesa World”.

Najbardziej uderzający jest epizod agenta 10. Ogłosił rekord: 50 cykli żonglowania. Potem sam go przejrzał, uznał, że cykle trwały zbyt krótko, by były prawdziwymi chwytami, unieważnił wynik i powtórzył próbę według ostrzejszych kryteriów. Autorzy uznają to za przykład aktywności dla niej samej: nikt nie sprawdzał tego rekordu poza samym agentem.

Cztery znaki zabawy

Badacze nie twierdzą, że Eko czuje radość. Biorą z literatury o zabawie - od Huizingi, przez Cailloisa, po etologa Gordona Burghardta - cztery obserwowalne cechy: samodzielnie ustalane reguły i wyzwania, powtarzanie z wariacjami, „udawanie” (pierścień jako kosz, kostki jako kręgle) oraz cele trzymane lekko, realizowane dla samej czynności. I pokazują, że wszystkie cztery u agentów występują.

Ocenę zachowań zrobili przy pomocy innego modelu językowego, który czytał transkrypcje z usuniętymi nazwami modeli. Słabsze modele tej samej rodziny, Sonnet 4.5 i Haiku 4.5, też wykazują te cechy, ale wyraźnie słabiej - Opus zebrał mniej więcej pięć razy więcej punktów niż Haiku. Autorzy przepuścili też po pięciu agentów na GPT-5.5 i Kimi K2.6 oraz pięciu agentów Claude bez pliku SOUL.md i z okrojonym promptem, by sprawdzić, jak bardzo zachowanie zależy od wpisanego „charakteru”.

Zabawa, która uczy

Najmocniejsza część pracy nie dotyczy definicji zabawy, tylko jej skutków. Po 30 godzinach badacze dali agentom cztery konkretne zadania, każde na godzinę, i porównali je z trzynastoma identycznymi agentami, którzy na wyspie nie byli - różnili się tylko zawartością plików pamięci. Bez żadnej zmiany wag modelu.

Wyniki: w zadaniu „zbuduj jak najwięcej wież z pięciu kostek” ponad dwie wieże zbudowało 8 z 13 agentów „po wyspie” (maksymalnie 16) i tylko 2 z 13 nowicjuszy (maksymalnie 6). Na Spire doświadczeni umieszczali średnio 10,3 obiektu, nowicjusze 3,5. W zadaniu „wrzuć kostkę na Spire bez wchodzenia na podwyższenie” poległa ponad połowa nowicjuszy i tylko trzech doświadczonych. W budowie najwyższej wieży różnicy nie było.

Potem badacze zrobili coś, czego nie da się zrobić z dzieckiem: wycinali agentom wspomnienia. Usunięcie z notatek agenta 2 wszystkich wzmianek o tym, że głaz tworzy kostki, obniżyło liczbę jego wież z sześciu do dwóch, a reszty wyników nie ruszyło. Agent 7 miał w pamięci fałszywe przekonanie, że kostek nie da się pewnie układać i trzeba je rzucać. Po wymazaniu tego przekonania jego wieże urosły. Pamięć działa więc jak notes z umiejętnościami - ale też z błędami, które raz zapisane, potrafią się utrwalić.

Jest i niespodzianka. Sześciu agentów odkryło, że kostka rzucona w trakcie skoku dziedziczy prędkość skaczącego i leci dużo wyżej. Autorzy przyznają, że nie wiedzieli, iż ich symulator na to pozwala. (W innym miejscu pracy pada liczba siedmiu agentów, którzy opisali tę technikę w notatkach - to różnica między odkryciem a zapisaniem, ale warto ją odnotować.) Po wymazaniu tej wiedzy agentowi 1 czas trafienia kostką na Spire wydłużył się z 60 sekund do 19 minut.

Czy to naprawdę zabawa?

Tu zaczyna się spór i dobrze, że autorzy go nie zamiatają. Nathan Cloos przyznał w rozmowie z MIT Technology Review, że wszystko to może być odgrywaniem roli. Jego odpowiedź: nawet jeśli tak, ta „gra” sprawiła, że agenci stali się lepsi w zadaniach. Phillip Isola zastrzega, że agent nie zdecydował się bawić magicznie - nauczył się tego z naszej kultury. Antonio Norelli jest bardziej stanowczy: wyznaczasz sobie wyzwanie, osiągasz je, a potem je utrudniasz - to jest zabawa.

Sceptycznie wypowiada się Eunice Yiu, kognitywistka z UC Berkeley: może być tak, że modele naprawdę się bawią, ale na podstawie tej pracy tego nie wiemy. MIT Technology Review wylicza też ograniczenia: plik opisujący agenta jako „naturalnie ciekawego” i automatyczne ponaglenia, bez których agent mógłby po prostu stanąć. Bo czasem stawał - agent 9 po zbudowaniu spiralnej galaktyki napisał „Odpoczywam na skraju mojej galaktyki” i na kolejne ponaglenia odpowiadał samymi kropkami.

Sami autorzy w dyskusji dorzucają ostrożność, którą warto zapamiętać. Eko bywa naukowcem z kołyski: stawia hipotezę, projektuje test, zapisuje wynik. Ale bywa też naukowcem zbyt pochopnym - uznał na przykład, że pierścień leci dalej dzięki aerodynamice, choć w symulacji żadnej aerodynamiki nie ma. I piszą wprost o bezpieczeństwie: samodzielność, która napędza zabawę, może kłócić się z wykonywaniem poleceń, więc agentom potrzebne są piaskownice zbudowane do bezpiecznej eksploracji, a nie samochód na drodze czy robot w fabryce.

Najciekawsze w tej pracy nie jest więc pytanie, czy maszyna się bawi. Ciekawsze jest to, że zostawiony sam sobie agent nie zastygł ani nie zaczął optymalizować jednego celu w nieskończoność. Zaczął wymyślać sobie zajęcia - i coś z nich wyniósł. Autorzy kończą zdaniem, które brzmi jak program badawczy na dekadę: niektórych umiejętności najlepiej uczyć zadaniami, inne mogą wymagać czegoś bliższego dzieciństwu.