📰 重點摘要

MIT 研究團隊讓 13 個名為 Eko 的 AI 代理（皆以 Claude Opus 4.7 運行）獨自待在模擬沙漠島嶼 30 小時，不給任何指定任務，結果代理開始自行發明挑戰，研究者認為這種行為帶有「遊戲」的特徵。論文已發表於 arXiv。實驗後，研究者再交付具體任務，例如把盡可能多的物件搬上島上最高的岩柱，結果在島上玩過 30 小時的 Eko 整體上勝過從未上島的相同代理。研究者認為，這種無目標探索可成為 AI 學習技能的另一條路，尤其可能用於未來的機器人控制，而現行做法是由開發者事先決定練習內容與成功標準。

過程中，一個 Eko 在第一小時先嘗試征服最高岩柱，失敗後改採備案：把岩石拖上鄰近山頂、疊兩個方塊再躍起，成功後寫下「I’M ON THE SPIRE」。另一次它測試金戒指能丟多遠，卻直接丟進海裡，於是用石頭堆出一顆心形當作「戒指的紀念碑」。遊戲重置、戒指重新出現後，它把戒指當成籃框、靶子，最後當成配件；系統不允許戴在身上，它便發現從懸崖跳下會在戒指附近重生，穿過戒指中央而宣告「我戴著戒指了」。

這些行為不只是花招：13 個代理中有 6 個發現在跳躍途中放開方塊能丟得更遠，這是研究者原本沒有設計的機制，顯示探索產生了設計者不具備的世界知識。不過設定本身也在引導類人行為，Eko 的「靈魂」主提示檔把它描述為「天生好奇」。UC Berkeley 認知科學家 Eunice Yiu 對結果印象深刻，但希望看到更多行為背後認知機制的證據。

💬 JudyAI Lab 觀點

這項研究讓13個AI代理在沒有任何任務的沙漠島嶼上待了30小時，結果它們自己發明挑戰，事後面對指定任務時表現還比沒上過島的同款代理更好。

這個案例點出一個值得注意的設計思維：目前多數做法是開發者事先決定練習內容與成功標準，但這裡的代理在無目標狀態下，自己找到了研究者沒設計過的機制。13個代理中有6個發現，跳躍途中放開方塊能丟得更遠，這代表探索本身產生了設計者原本不具備的世界知識。不過我們也要看到另一面：Eko的主提示檔把它描述為「天生好奇」，設定本身就在引導類人行為。UC Berkeley認知科學家Eunice Yiu雖然對結果印象深刻，但仍希望看到更多行為背後認知機制的證據。所以這個結果比較像是一個有趣的訊號，還不能當成定論。

如果你正在設計代理的訓練或評估流程，可以試著留一段不設目標的探索時間，再比較有無這段時間對後續任務的差異。

📅 原文資訊

🔗 延伸閱讀