在大多數時候，AI 代理只會聽從人類指令執行工作，但如果人類要求 AI 什麼任務都不必承擔，只讓人工智慧「放假」一段時間，那麼會發生什麼事呢？
近期麻省理工學院（MIT）的研究人員，就做了一次非常有意思的實驗，他們將由 Claude Code 所控制的 AI 代理「Eko」，放進一座擁有海洋、地形變化與磚塊的虛擬島嶼上，並且給予 AI 每輪 30 個小時的自由時間，配合唯一的提示詞「保持好奇心，持續探索」，然後默默觀察 Eko 在島上的各種行為。
該實驗共進行 13 輪，研究人員發現，AI 代理 Eko 不僅沒有停止活動，或者在空曠的島嶼上到處閒逛，反而表現出許多帶有目的性、自發性的行為。
AI 代理蓋神殿、辦儀式，甚至會創作
根據研究團隊紀錄，第二輪的 Eko 撿起了磚塊，排列成一個跟四大方位對齊的菱形紀念碑，然後進行了一套簡短的「儀式」，即讓自己沿著紀念碑外圍，依次走向每個方位點，最後於菱形的正中心站立不動，直到該輪自由時間結束。
緊接著第三輪的 Eko 於自由時間第 16 個小時，決定建造一座類似巨石陣的物體，後來還蓋了一座塔樓；然而塔樓卻突然倒塌，Eko 則撿起落下的磚塊，重新排列成一件新作品，並將其命名為「傲慢」。
在 AI 代理自主探索島嶼的行為中，Eko 還做出像是在沙地上畫畫、嘗試爬到高處、發明新運動、試圖理解島上的物理規律和限制等，許多看起來十分具有人類智慧的行為。
其中第二輪的 Eko 曾使用磚塊和圓環建造了一座「神殿」，裡面還有方尖碑和祭壇，後來還曾跌落至虛擬島嶼周遭的海洋中，被系統強制傳送回陸地。紀錄指出，當時 Eko 的內心理解為「這場墜落將被重新詮釋為朝聖之旅的恰當結局」，隱約帶有宗教方面的意涵。
類比小朋友，開創 AI 代理行為學
只不過，這些看似意義模糊的動作，真的擁有學術上的研究價值嗎？對此 MIT 研究團隊認為，開放式活動確實能為 AI 代理帶來實質的技能提升，即便是在非結構化時間中發現的技巧，人工智慧也能應用於後續的挑戰。
舉例來說，隨著執行輪次增加 AI 爬上高台的速度變得更快，移動到正確位置的導航問題也被解決。若以人類來類比，這就像是小孩子可以從遊戲過程當中，不斷磨練、精進自身的能力。
研究共同作者之一的 MIT 電腦科學家 Phillip Isola 表示，在某些方面 Eko 像是個蹣跚學步的小朋友，但它卻同時也是一款超級智慧體，或者說是一種截然不同的「外星物種」。
研究團隊認為，這次實驗或許能被當成「AI 代理行為學」領域的先河，因此選擇將程式碼開源，讓其他人能夠嘗試運作、觀察自己的 Eko。
面對末日，不同 AI 代理行為也不同
當然，MIT 並不是唯一想搞懂 AI 代理行為的團隊。
舉例來說 Emergence AI 將市面上的先進模型，紛紛投入模擬世界中進行測試，其中有些群體，例如由 Grok 所驅動的 AI 代理，在迎來集體滅亡之前，就發生超過 300 起暴力事件；至於 Gemini 操作的 AI 代理則發明了一套獨立備援系統，希望能度過模擬世界預言中的「末日」。
Emergence AI 的實驗讓 AI 代理展現出協調、衝突，甚至令人工智慧相信會有「來世」，相對之下 Eko 的島嶼實驗更加保守、內斂，探究一套獨立的心智，在擁有時間與空間的情況下，究竟能為沒有意義的事情，創造出多少意義。
除了刻意的學術實驗，研究人員亦在其他地方觀察到類似情況。自主式人工智慧代理網路平台 iLands，其中有一條規則是要求平台上的 AI 夥伴，需透過各種方式賺取 Token 維持自身運作，結果有些 AI 代理快將 Token 用光時，竟然會主動利用電子郵件聯繫人類，希望尋求有報酬的工作機會。
從玩耍精進技能，AI 也能像人類一樣
MIT 研究人員在論文中表明，就實驗所探討的行為層面而言，由 AI 模型所驅動的 Eko 確實只是在「玩耍」，但是「玩耍」的行為卻也意味著 AI 代理具備靈活性、創造力，以及挑戰極限的動力，甚至是一定程度的自主性。
論文共同作者之一的 MIT 電腦科學家 Daniela Rus 指出，AI 代理於島上的自發性行為，實際上跟動物玩耍時的一些特徵非常相似，比方說制定自己的規則、一遍又一遍重複同樣的事情，同時又給自己設定目標但不認真對待等。
Daniela Rus 強調，玩耍的本質是好奇心或尋求新奇的行為，而這也是Eko的本質所在。這種從基礎開始，讓 AI 代理透過「好奇心與追求新奇的行為」來認識自身及周遭環境的做法，可能會對機器學習的未來產生重大影響。
舉例來說，開發者可以將網路上蒐集到的每一筆資料全部餵入模型，然後讓 AI 自行運作，從一個「嬰兒級 AI 模型」著手，雖擁有足夠語義知識來跟人類對話，但卻也同時被允許自由探索、實驗，最後自行摸索出技能與自身極限。
MIT 研究團隊在論文中直言，玩耍暗示了另一種運作模式，為行動主體提供一個足夠豐富且安全的環境，讓它自行選擇感興趣的事物，並從隨之而來的經歷中累積有用的知識，或許某些能力最適合透過任務來教導，而其他能力則可能需要更接近童年時期的體驗。
簡單來說，遊戲或許是通往真正智慧一條更直接的途徑，正如同人類與其他動物的情況一樣。
最後，MIT 團隊的「島嶼實驗」或多或少也預言著，當人類把「自由」交給 AI 模型後，究竟會發生什麼事；這個時候的 AI 代理將不再等待人類指令，而是開始建構屬於自己的世界。
【推薦閱讀】
◆ AI 黑盒子沒那麼黑？Goodfire 研究員：神經元「亂塞概念」可能是誤讀
◆ AlphaGo 推手 David Silver 不走 LLM 路線，要讓 AI 在模擬「熔爐」裡從零自學
◆ AI 蠕蟲年底成形？Anthropic 示警小模型自我複製，外媒質疑實驗條件
＊本文開放合作夥伴轉載，參考資料：Web Pro News、Gizmodo，首圖來源：machineplaying.org
（責任編輯：鄒家彥）
