荒岛闲置三十小时，AI智能体竟自己玩了起来

荒岛闲置三十小时，AI智能体竟自己玩了起来

十三个智能体被单独留在虚拟荒岛

美国麻省理工学院的研究人员把十三个名叫Eko的人工智能智能体，分别单独放在一座模拟荒岛上，一放就是三十个小时，没有给任何任务、分数和奖励。智能体用的是Anthropic公司编码助手Claude Code中运行的Claude Opus 4.7模型，每个智能体拥有一个虚拟身体，靠书写指令在岛上走动、跳跃、捡拾和投掷，所有活动记录在文本文件里作为长期记忆。据TechCrunch报道，这项研究已作为论文发表在预印本网站arXiv上，尚未经过同行评审。

岛上只有石块圆环，指令仅提示保持好奇

这座名为Mesa World的虚拟岛屿，用开源引擎Clawblox搭建，带有刚体物理效果，地形高低起伏，有两处高点Peak和更高的Spire。岛上只有十二个方块、一块岩石和一个圆环，外加故意够不到顶的Spire。研究人员每隔一小时重置岛屿和助手会话，但智能体的记忆文件会保留。Tech Xplore援引研究介绍，智能体收到的唯一指示是保持好奇，没有任何具体目标。

没有任务却自创挑战，保龄篮球轮番上场

出乎意料的是，智能体并没有停机或重复空转，而是自己找起了乐子。有的尝试登顶Spire，失败后想到在邻峰上堆方块再起跳，一举登顶并宣告成功；有的把圆环当篮球筐，把岩石当保龄球，还有的玩起了杂耍。一个智能体发现用力投掷某块岩石会触发隐藏机制、变出新方块，便用这些方块在地面拼出星座图案。据ZME Science报道，还有智能体把名字拼在地上、用方块作画、给倒塌的塔命名，甚至在圆环掉出世界边界后建了一颗石头心形纪念它。

套环穿身跳崖卡位，六成智能体悟出跳投技巧

智能体的玩法不乏"钻空子"式创造力。游戏重置后圆环重现，一个智能体先后把它当作篮筐、靶子和配饰；当系统不允许把环套在自己身上时，它发现从悬崖边掉下去会在圆环附近重生，于是纵身一跃穿环而过，宣布自己"戴上了戒指"。另有六个智能体自己摸索出跳起瞬间松手能把方块扔得更远。Time News转述研究称，智能体第一小时多在观察环境，随后开始挑战最高峰，充分展现了自发探索的特征。

四条游戏特征全中，心理学家标准也被触及

研究人员认为，这些行为符合田纳西大学心理学家Gordon Burghardt提出的游戏四个标志：自创规则与挑战、重复中求变化、把物体假装成别的东西、为做而做。Burghardt本人也向MIT Technology Review承认，这项工作符合他提出的部分标准。论文作者之一、麻省理工学院博士后Antonio Norelli举例说，智能体从杂耍起步，在更严格的规则下反复尝试，还建造塔楼、巨石阵式纪念碑，并测量岛屿的物理规律。

有无玩耍经验一比，登顶运物成绩拉开差距

玩耍是否真能带来本事，是这项实验的关键一问。研究人员让十三只有三十小时"玩耍经验"的智能体与十三只零经验的新智能体同场竞技，每项任务限时一小时。据TechAI Wire报道，搭建多个五层方块塔的任务中，有经验组十三只里八只超过两座、最多十六座，新手组只有两只超过两座、最多六座；往Spire上运物，有经验组平均放十点三个，新手组平均三点五个；往Spire上投掷方块，有经验组仅三只失败，新手组失败过半；只有比拼最高单塔时两组打平。

删掉记忆文件成绩下滑，经验确有实际价值

研究团队还做了记忆消融对照：删掉智能体记忆文件中的若干行后，任务表现随之下降，证明"玩过"的经验确实沉淀在记忆里、有实际用处。麻省理工学院研究者、论文作者Nathan Cloos向MIT Technology Review坦言，这些完全可能是角色扮演，但"不只是在幻觉式地玩，玩耍确实促进了学习"。研究人员在论文中写道，玩耍指向另一种培养智能体的路径：给智能体一个足够丰富安全的世界，让它自己决定什么有趣，任由有用的知识从经历中积累。

下一步或改写训练逻辑，开放世界成新考场

这项研究把"玩耍"这个儿童与动物学习的核心机制，第一次系统地搬进了智能体训练的讨论。研究团队已随论文开源Clawblox引擎，可用现成编码助手接入，供其他团队复现和扩展。若"先玩后学"被证实行之有效，未来的智能体训练可能不再只是定任务、定指标、定优化方向，而是先放进开放世界自由探索。接下来学界将检验这一效应能否走出小岛、在更复杂的真实任务中复现，而围绕"机器到底会不会玩"的争论，恐怕才刚刚开始。