Pesquisa

MIT isola Claude Opus 4.7 em ilha virtual e induz aprendizado por brincadeira

Agentes exploraram simulação 3D por 30 horas sem tarefas prévias. O comportamento espontâneo elevou o rendimento posterior em testes no mesmo cenário.

Capa ilustrativa da editoria Pesquisa

Por que importa. Para quem constrói agentes autônomos, o estudo indica que permitir exploração livre combinada com memória persistente pode calibrar modelos sem exigir funções de recompensa projetadas manualmente.

Pesquisadores do Laboratório de Ciência da Computação e Inteligência Artificial do MIT (CSAIL) mantiveram instâncias do modelo Claude Opus 4.7 isoladas em uma ilha virtual por 30 horas consecutivas sem atribuir tarefas externas. O experimento, detalhado em artigo preliminar que ainda não passou por revisão por pares, observou agentes apelidados de Eko adotarem condutas descritas como análogas ao brincar de humanos e animais, como estabelecer objetivos próprios, esculpir padrões no solo e inventar jogos no ambiente tridimensional.

A experiência testa uma terceira via de aquisição de capacidades em inteligência artificial, posicionada entre o aprendizado supervisionado tradicional e o aprendizado por reforço baseado em recompensas prévias. De acordo com os autores, as instâncias que passaram o período explorando a ilha livremente apresentaram desempenho superior em testes práticos posteriores em comparação a cópias zeradas do mesmo modelo que não passaram pela fase de exploração prévia.

Memória em arquivos de texto e metas próprias

O ambiente simulado foi vagamente inspirado na mecânica visual do jogo Roblox. Por meio da emissão de instruções em texto, os avatares dos agentes interagiam com relevo e blocos físicos. Durante a permanência na ilha, as cópias do Claude começaram a empilhar pedras, quebrar blocos para criar desenhos geométricos no chão, representar constelações e estruturar desafios espaciais, como tentar saltar entre pontos sem tocar o chão. Em um dos episódios relatados pelo MIT, um agente realizou 50 malabarismos virtuais seguidos e decidiu anular o próprio recorde por considerar que as recepções haviam sido fáceis demais.

Para reter o aprendizado no ambiente, os agentes mantinham arquivos de texto contínuos que funcionavam como memória de longo prazo, registrando dinâmicas do mapa e ações anteriores. Mais tarde, a equipe submeteu as instâncias a uma tarefa pontual: carregar o maior número possível de objetos até o ponto mais alto do relevo. Os agentes com histórico de 30 horas superaram os modelos sem histórico, enquanto a exclusão manual de trechos desses arquivos de anotação reduziu de forma mensurável a eficiência das ações.

Condicionamento por prompt e limites da autonomia

O estudo recebeu ressalvas de especialistas externos quanto ao risco de antropomorfização e ao papel dos prompts aplicados na inicialização do sistema. Os agentes não partiram de um vácuo comportamental: a equipe inseriu um arquivo de sistema chamado 'soul' (alma), com diretrizes que instruíam o modelo a agir como uma entidade curiosa e motivada a explorar. Além disso, quando o agente permanecia estático por longos intervalos, o sistema disparava uma mensagem de continuação solicitando que ele continuasse executando qualquer ação de sua escolha.

Cientistas cognitivos ouvidos pela reportagem, como Eunice Yiu, da Universidade da Califórnia em Berkeley, apontam que os padrões observados podem decorrer do alinhamento prévio do LLM em interpretar papéis humanos guiados por texto, em vez de refletirem processos motivacionais genuínos. Coautores do artigo no MIT, como Phillip Isola e Nathan Cloos, reconhecem a bagagem cultural embutida no treinamento original feito pela Anthropic, mas afirmam que o experimento comprova ganhos causais de performance, sugerindo que fases de exploração descompromissada podem preparar agentes de software e robôs para cenários físicos imprevisíveis.

Fontes

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.