Pesquisa

Agentes Claude simulam brincadeiras em ilha virtual e retêm aprendizado autônomo

Pesquisa do MIT CSAIL colocou cópias do Claude Opus 4.7 em ambiente simulado por 30 horas. Sem metas prévias, os agentes criaram jogos e superaram modelos virgens em tarefas posteriores.

Capa ilustrativa da editoria Pesquisa

Por que importa. O teste aponta um caminho alternativo ao aprendizado supervisionado e ao reforço com recompensas externas, sugerindo que agentes podem construir repertório e memória funcional por exploração livre antes de executar tarefas produtivas.

Pesquisadores do Computer Science and Artificial Intelligence Laboratory do MIT colocaram cópias do modelo Claude Opus 4.7 em uma ilha virtual deserta durante 30 horas e observaram comportamentos análogos a brincadeiras infantis. Sem tarefas ou recompensas pré-definidas, os agentes, batizados de Eko, inventaram regras próprias, adaptaram dinâmicas de basquete, criaram desafios como não tocar no chão virtual e desenharam constelações com blocos. A experiência foi detalhada em artigo preliminar divulgado nesta segunda-feira pela MIT Technology Review.

Para operar no ambiente inspirado no jogo Roblox, cada agente recebia permissão para emitir instruções em texto que movimentavam seu avatar tridimensional. Ao longo do isolamento, o sistema anotava ações e descobertas em arquivos de texto que funcionavam como memória de longo prazo persistente. Quando os pesquisadores submeteram os agentes a tarefas práticas, como transportar objetos até o pico mais alto da ilha, os modelos com 30 horas de exploração prévia apresentaram desempenho superior ao de instâncias novas que começavam a atividade do zero.

Memória funcional e critérios de jogo

O estudo aponta que o aprendizado autônomo dependeu da preservação desses registros textuais. Em testes de ablação, os autores apagaram trechos dos arquivos de memória acumulada e registraram degradação imediata na capacidade dos agentes em resolver os novos desafios propostos. Segundo Antonio Norelli, pesquisador de pós-doutorado no MIT CSAIL e um dos autores principais do trabalho, o teste indica uma alternativa ao aprendizado supervisionado e ao aprendizado por reforço tradicional, nos quais uma entidade externa sempre precisa fornecer dados rotulados ou funções de recompensa.

A equipe sustenta que as ações de Eko preencheram quatro critérios clássicos de brincadeira estabelecidos por Gordon Burghardt, psicólogo da Universidade do Tennessee ouvido pelo estudo: invenção de regras próprias, repetição com pequenas variações, uso simulado de objetos e perseguição de metas intrínsecas. Em um dos episódios relatados, o agente começou a fazer malabarismo com blocos e registrou um recorde de 50 pegadas consecutivas. Na sequência, a própria IA invalidou a marca em seu relatório por considerar que os movimentos haviam sido rápidos demais e reiniciou o teste sob parâmetros mais estritos.

Limites do experimento e indução por prompt

Especialistas externos ressaltam que o comportamento observado decorre em grande parte da estrutura dos comandos fornecidos pela equipe de pesquisa. O sistema não agiu de forma totalmente espontânea: cada agente contava com um arquivo de identidade básica, chamado internamente de arquivo de alma, que o instruía a ser naturalmente curioso e disposto a explorar o mapa. Além disso, as cópias frequentemente paravam de interagir e exigiam comandos de continuação com frases como não pare e continue fazendo o que quiser.

Cientistas cognitivos apontam incertezas sobre se o modelo exibiu motivação autêntica ou apenas executou encenação do comportamento humano presente em seus dados de treinamento. Eunice Yiu, pesquisadora da Universidade da Califórnia em Berkeley, avaliou que o estudo carece de evidências adicionais para comprovar cognição interna, embora reconheça o valor de modelos que aprendem a explorar espaços antes de receberem objetivos rígidos. Para desenvolvedores de agentes e robótica, o método indica que fases abertas de exploração em ambientes simulados podem baratear a criação de adaptabilidade prática antes do envio de comandos em produção.

Fontes

  • MIT Technology Review: AI researchers stranded Claude on a virtual desert island. It started to “play.”

Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.

WhatsAppLinkedInX
Voltar para a edição

Mais em Pesquisa

Ver todas

Quem constrói lê

Receba o Flipters no seu e-mail. A newsletter de IA para quem está tirando produto do papel.