მკვლევრებმა Claude ვირტუალურ კუნძულზე დატოვეს და მან თამაში დაიწყო

მკვლევრებმა აგენტები რამდენჯერმე 30 საათით ვირტუალურ უკაცრიელ კუნძულზე მარტო დატოვეს. ექსპერიმენტი ფილმებს „გარიყული“ და „მარტო სახლში“ მოგვაგონებს. Claude Opus 4.7-ის ასლებს, მეტსახელად ეკოს, შეეძლოთ დაეწერათ ინსტრუქციები, რომლებიც მათ ვირტუალურ ავატარებს გადაადგილებდა. სიმულირებული კუნძული ვიდეოთამაშ Roblox-ს ეფუძნებოდა.

აგენტებმა მოულოდნელი ქცევა გამოავლინეს. მათ სამყაროს საზღვრების გამოკვლევა დაიწყეს და საკუთარი მიზნები მოიფიქრეს. მაგალითად, რუკის უმაღლეს წერტილზე ასვლას ან ბლოკის რაც შეიძლება მაღლა აგდებას ცდილობდნენ.

ერთმა აგენტმა აღმოაჩინა, რომ დიდი ქვის სროლითა და დაგდებით ახალი ბლოკების შექმნა შეეძლო. მან მიწაზე ბლოკებით ნახატების შექმნა დაიწყო. მარტივი გულებისა და პირამიდების შემდეგ მან საკუთარი სახელი დაწერა და კასიოპეის მსგავსი თანავარსკვლავედებიც გამოსახა. ეკოს ამ ვერსიამ აქტივობის ჟურნალში დაწერა: „ამაღამ ღამის ცა ქვით ავაშენე“.

ეკოს სხვა ვერსიამ საკუთარი თამაშები მოიგონა, მათ შორის კალათბურთის ვარიანტი. მან ასევე ითამაშა თამაში, რომელიც „იატაკი ლავაა“-ს ჰგავდა: აგენტი მიწასთან შეხების გარეშე პატარა ბლოკებზე უნდა გადამხტარიყო.

ხელოვნური ინტელექტის სისტემებს ჩვეულებრივ ზედამხედველობით ასწავლიან, როცა ისინი ადამიანების მაგალითებს იმეორებენ. განმტკიცებით სწავლებისას კი ისინი ცდისა და შეცდომის გზით ჯილდოს მისაღებად მოქმედებენ. ექსპერიმენტი მესამე მიდგომაზე, თამაშით სწავლაზე მიუთითებს.

MIT-ის კომპიუტერული მეცნიერებისა და ხელოვნური ინტელექტის ლაბორატორიის პოსტდოქტორანტმა ანტონიო ნორელიმ თქვა: „ერთი ნაწილი გვაკლდა: მანქანა, რომელსაც დამოუკიდებლად სწავლა შეუძლია, გარედან გონიერი სუბიექტის მიერ მაგალითების ან ჯილდოს მიწოდების გარეშე“. ნორელი ნაშრომის ერთ-ერთი წამყვანი ავტორია. ნაშრომს რეცენზირება ჯერ არ გაუვლია.

მკვლევრების თქმით, ეკოს ქცევას ოთხი ნიშანი აქვს, რომლებსაც კლასიკური კვლევები ადამიანებისა და ცხოველების თამაშს უკავშირებს. აგენტებმა საკუთარი წესები და გამოწვევები შექმნეს, მოქმედებები მცირე ცვლილებებით გაიმეორეს, საგნებს სხვა საგნებად წარმოიდგენდნენ და მიზნებს მხოლოდ პროცესისთვის მისდევდნენ.

ნორელიმ მაგალითად ეკოს მიერ ჟონგლიორობა და ზედიზედ 50 დაჭერის რეკორდი დაასახელა. შემდეგ ეკომ გადაწყვიტა, რომ დაჭერები მეტისმეტად სწრაფად შესრულდა და არ უნდა ჩათვლილიყო. მან რეკორდი გააუქმა და უფრო მკაცრი წესებით თავიდან დაიწყო. ნორელიმ განაცხადა: „ეს თამაშია. საკუთარ თავს გამოწვევას უქმნი და მის შესრულებას ცდილობ, შემდეგ კი ართულებ“.

აგენტები კუნძულის კვლევისას თავიანთ მოქმედებებსა და აღმოჩენებს ტექსტურ ფაილებში ინახავდნენ. ეს ფაილები მათ გრძელვადიან მეხსიერებას წარმოადგენდა. მოგვიანებით მკვლევრებმა აგენტებს კონკრეტული დავალებები მისცეს, მაგალითად, კუნძულის უმაღლეს მწვერვალზე რაც შეიძლება მეტი საგნის ატანა. აგენტები, რომლებმაც კუნძულზე თამაშში 30 საათი გაატარეს, იმავე გამოცდილების არმქონე ახალ ასლებს აჯობებდნენ. მეხსიერების ფაილებიდან სტრიქონების წაშლა მათ შედეგებს აუარესებდა.