Trece agentes de inteligencia artificial desarrollan competencias mediante la exploración libre sin objetivos predefinidos

a woman looking at a robot in the air — Taiki Ishikawa / Unsplash

Trece agentes de inteligencia artificial pasaron treinta horas en una isla virtual sin tareas asignadas ni puntos por éxito, dedicándose a inventar sus propios desafíos y explorar el entorno de manera autónoma. Este experimento, llevado a cabo por investigadores del Instituto Tecnológico de Massachusetts, demuestra que la exploración sin restricciones puede fomentar el desarrollo de habilidades en sistemas autónomos, permitiendo que estos se desempeñen mejor en pruebas posteriores en comparación con sistemas idénticos que carecían de dicha experiencia previa.

Los agentes, denominados Eko y equipados con el modelo Claude Opus 4.7, no recibieron ninguna lista de obligaciones como construir torres o alcanzar cumbres. Al ser ubicados en un entorno simulado, los sistemas comenzaron a organizar sus propias actividades, eligiendo acciones de forma independiente, modificando sus planes tras los fracasos y asignando nuevos usos a los objetos disponibles. Este enfoque representa una inversión del método habitual de desarrollo de inteligencia artificial, donde los creadores definen anticipadamente los ejercicios, los resultados esperados y las métricas de progreso, mientras que en este caso se buscaba determinar si las habilidades útiles podían surgir sin un objetivo impuesto.

Los resultados más significativos del estudio se manifestaron después de la fase de exploración libre, cuando los agentes enfrentaron desafíos concretos, como colocar la mayor cantidad posible de objetos en la aguja rocosa más alta de la isla. En general, los agentes que habían explorado previamente el entorno lograron resultados superiores a los de los sistemas de control que no habían tenido contacto con la isla. Los autores del estudio, cuyo trabajo titulado ¿Está jugando esta máquina? fue publicado como preimpreso en la plataforma arXiv, interpretan estos comportamientos como indicadores de juego y señalan su relevancia práctica para la ejecución futura de tareas específicas.

Durante la simulación, los agentes mostraron una notable flexibilidad al utilizar objetos y mecanismos del entorno de formas no previstas. Un agente intentó inicialmente escalar la aguja más alta y, al fallar el enfoque directo, transportó una piedra a una elevación vecina, colocó dos bloques sobre ella y utilizó la estructura como punto de impulso para saltar. Otro agente, tras lanzar un anillo dorado al océano durante una prueba de distancia, construyó posteriormente una forma de corazón con piedras como conmemoración del objeto perdido. Cuando el anillo reapareció tras un reinicio del entorno, el agente lo utilizó como aro de baloncesto y logró atravesarlo aprovechando un mecanismo de reaparición del avatar tras caer por el borde de la isla.

La exploración también condujo al descubrimiento de una mecánica no intencionada por los diseñadores del simulador: seis de los trece agentes determinaron que soltar un bloque durante un salto permitía lanzarlo a mayor distancia. Este hallazgo subraya la capacidad de los agentes para aprender propiedades del entorno que no estaban contempladas en los supuestos originales de sus creadores, lo cual podría ser crucial para el desarrollo futuro de sistemas que controlen robots, permitiéndoles probar estrategias en entornos seguros antes de recibir misiones definidas.

A pesar de la ausencia de objetivos explícitos, la libertad de acción tenía ciertos marcos, ya que las instrucciones definían al agente Eko como naturalmente curioso, una característica que pudo incentivar la exploración y actividades similares al juego humano. Sin embargo, expertos externos advierten sobre la necesidad de cautela al interpretar estos eventos. Eunice Yiu, investigadora de ciencias cognitivas de la Universidad de California en Berkeley, señaló que se requieren pruebas más sólidas sobre los procesos cognitivos subyacentes para afirmar definitivamente que los modelos están jugando, ya que la mera descripción de las acciones no es suficiente para resolver esta cuestión.