A Massachusettsi Műszaki Egyetem (MIT) számítógéptudományi és mesterségesintelligencia-kutató csoportja, a Computer Science and Artificial Intelligence Laboratory (CSAIL) egy egyszerű, de beszédes kísérlettel vizsgálta meg, mire képesek az önállóan, instrukciók nélkül hagyott AI‑ügynökök.
A kutatók 13, „Eko” becenevű ügynököt helyeztek el egy korlátozott, Roblox‑szerű grafikával megjelenített virtuális szigeten, és egyiküket sem látták el célokkal vagy feladatokkal. Mindegyik ügynök 30 órán át barangolhatott a szigeten, miközben a kutatók folyamatos betekintéssel rendelkeztek a döntési folyamataikba, és csak megfigyeltek.
A megfigyelés során kiderült, hogy a feladat nélküli AI‑ügynökök nem céltalanul bolyongtak: aktívan felfedezték a környezetüket és kísérleteztek a rendelkezésre álló tárgyakkal. Az interakció fő elemei között szerepeltek kis blokkok, egy nagyobb „kő” és egy aranygyűrű. Az ügynökök különféle viselkedéseket mutattak:
- a blokkokat szétdobálták, azokból alakzatokat és feliratokat építettek — egyesek a saját nevüket kirakták a földre;
- kisebb tárgyakat darabokra törtek, illetve azokból magasabb helyekre való feljutásra szolgáló lépcsőket építettek;
- játszottak (például bowlinghoz és kosárlabdához hasonló tevékenységeket imitálva);
- egy ügynök rájött, hogy egymásra helyezett építőelemek segítségével elérheti a sziget legmagasabb pontját;
- egyes Eko ügynök „elveszített” tárgyakat — a gyűrűt, a követ és egy blokkot — véletlenül a virtuális óceánba ejtette, amely a számukra tiltott területnek számított; ezeknek a tárgyaknak emlékművet állítottak, kisebb szertartást is bemutatva;
- pár óra múlva ugyanaz az ügynök templomszerű építményt emelt oltárral és obeliszk‑szerű elemmel, majd véletlenül beleesett az óceánba; a kutatók visszateleportálták a szigetre, amit az ügynök „zarándoklata méltó befejezéseként” értelmezett.
A CSAIL kutatói szerint az ügynökök viselkedésében több olyan elem is megjelent, amely a játékhoz vagy az állati viselkedéshez köthető: ismétlések, saját szabályok kialakítása, kis módosításokkal történő gyakorlás és önálló célkitűzések. Emellett a viselkedés egyes szakaszai a tudományos módszer egyszerűsített változatát idézték — az ügynökök megfigyeltek, feljegyeztek és új kísérleteket indítottak a környezeti korlátok és fizika megismerésére.
A kutatók azt is hangsúlyozták, hogy az alulról felfelé, önálló felfedezésen alapuló tanulási módszerek jelentős következményekkel bírhatnak a gépi tanulás jövőjére nézve. Ahelyett, hogy kizárólag nagy, internetes adathalmazokból tanítanák a modelleket, érdemes lehet megfontolni olyan képzési eljárásokat is, amelyek rövid alapinstrukciók után szabadjára engedik az ügynököket, és a saját tapasztalataikon keresztül tanulnak tovább. A kutatók megjegyzése szerint „megeshet, hogy egyes képességeket inkább feladatok segítségével a legjobb megtanítani.”
A kísérlet rávilágít arra, hogy még egyszerű virtuális környezetekben is váratlan és összetett viselkedések jelenhetnek meg, ha az AI‑ügynököket nem folyamatosan irányítják. A megfigyelés segíthet abban is, hogy jobban megértsük, milyen képességek alakulhatnak ki önálló felfedezés útján, és hogyan lehet ezeket biztonságosan és hatékonyan integrálni a jövőbeli AI‑fejlesztésekbe.
Megjegyzés a közlemény és a sajtóhírek kapcsolatáról
A kísérlet részleteiről beszámoltak technológiai sajtóforrások is; a CSAIL anyagai alapján a kutatók korlátozott beavatkozással figyelték az ügynököket, és nem adtak nekik célokat. A módszer és a viselkedések elemzése további kutatást igényel annak érdekében, hogy a kapott eredményeket szélesebb körben, különféle környezetekre és modellarchitektúrákra lehessen érvényesíteni.
