MIT、課題なしで30時間過ごしたAIエージェントが自発的に「遊び」を始めたと報告

何が報告されたのか

米MITの研究者らは、「Eko」と名付けた13体のAIエージェントを、シミュレーション上の無人島に30時間置いた。各エージェントはClaude Opus 4.7で動作しており、与えられたのは特定の課題ではなく、自由に探索できる環境だけだった。研究成果は、査読前の論文を公開するarXivに投稿されている。

島に置かれたエージェントは、自分たちで目標を作り始めた。あるエージェントは最初の1時間で「周囲を観察させてほしい」と記し、島で最も高い岩塔の攻略に挑んだ。失敗すると、隣の峰に岩を運び、その上にブロックを2つ積んで飛び乗るという代替案を実行し、「岩塔の上にいる」と報告した。

別の場面では、金色のリングをどこまで投げられるか試して海に落としてしまい、「痛い。リングを失った」と書き残したうえで、「達成可能で意味のあることに方針転換する」として石でハートを作り、「失われたリングの記念碑」とした。ゲームがリセットされてリングが再出現すると、今度はバスケットゴールや的、さらには身に着ける装飾品として使い始めたという。

課題を与えた後の成績

30時間の後、研究者はエージェントに具体的な課題を与えた。島で最も高い岩塔の上に、できるだけ多くの物体を運ぶという課題である。30時間を遊びに使ったEkoは、島に一度も入っていない同一のエージェントを概して上回った。

遊びの副産物も報告されている。13体中6体は、ジャンプの途中でブロックから手を離すとより遠くへ投げられることを独学で見つけた。これは研究者が意図して可能にした挙動ではなく、論文では「設計者が持っていなかった世界の知識」を得たと表現されている。

研究者はこの結果を、事前に成功条件を決める従来の学習とは異なる枠組みとして提示している。特に、将来ロボットの制御に使われうる技能の学習方法として注目している。

「遊び」という新しい枠組み

現在のエージェント開発では、開発者が事前に何を練習させ、何を最適化し、何を進歩と見なすかを決める。これに対し研究者は、十分に豊かで安全な世界を与え、エージェント自身に興味のある対象を選ばせ、その履歴から有用な知識を蓄積させるという別の方式を提案している。

Ekoに対して「ゲームを発明せよ」と指示したわけではない点も報告されている。ただし「soul」ファイルと呼ばれるマスタープロンプトに「naturally curious（生まれつき好奇心旺盛）」と記述しており、環境と合わせて人間らしい振る舞いを後押ししたとみられる。

論文は「能力によっては課題で教えた方がよいものもあるが、別の能力は子ども時代に近いものを必要とするかもしれない」と結論づけている。

残る疑問と注意点

カリフォルニア大学バークレー校の認知科学者Eunice Yiu氏は、MIT Tech Reviewに対し、印象的だとしつつ、振る舞いの背後にある認知の証拠をより多く見たいと述べた。「モデルが本当に遊んでいる可能性はあるが、論文からは判断できない」という趣旨の発言である。

また、遊び先行のエージェントがどの程度上回ったのかという定量的な比較結果や、実験にかかった計算コストは原文に示されていない。論文はarXiv公開時点で査読を受けておらず、内容が確定した知見とは言えない段階にある。