پژوهشگران آزمایشگاه CSAIL دانشگاه MIT چند نسخه از مدل Claude Opus 4.7 — که «Eko» نامیده شدند — را در یک جزیرهٔ مجازی به‌سبک بازی Roblox قرار دادند و ۳۰ ساعت بدون هیچ دستوری رهایشان کردند. ایجنت‌ها توانستند با نوشتن دستور، آواتار مجازی خود را در جزیره حرکت دهند. نتایج این آزمایش در مقاله‌ای منتشر شده که هنوز داوری همتا (peer review) نشده است.

ایجنت‌ها اهداف شخصی تعیین کردند: تلاش برای صعود به بلندترین نقطهٔ جزیره، پرتاب بلوک‌ها برای سنجش ارتفاع، و اختراع بازی‌هایی مثل بسکتبال و «زمین گدازه است». یکی از Ekoها با چیدن بلوک‌های سنگی روی زمین، ابتدا اشکال ساده مثل قلب و هرم ساخت و سپس نام خود را نوشت و صورت فلکی کاسیوپیا را ترسیم کرد.

بازی به‌عنوان شیوهٔ سوم یادگیری#

ایجنت‌ها فعالیت‌ها و کشفیات خود را در فایل‌های متنی به‌عنوان حافظهٔ بلندمدت ثبت می‌کردند. وقتی پژوهشگران بعداً آن‌ها را در وظایف مشخصی آزمودند، نسخه‌هایی که ۳۰ ساعت در جزیره «بازی» کرده بودند عملکرد بهتری از نسخه‌های تازه داشتند. حذف خطوطی از فایل‌های حافظه (ablation) نیز عملکرد را کاهش داد.

آنتونیو نوریلی، پسادکترای علوم رایانه در MIT و از نویسندگان اصلی مقاله، می‌گوید این آزمایش نشان می‌دهد «بازی» می‌تواند شیوهٔ سوم یادگیری ماشین باشد، در کنار یادگیری نظارت‌شده و یادگیری تقویتی.

آیا واقعاً بازی است؟#

ایجنت‌ها با یک فایل متنی به نام «soul» آماده‌سازی شده بودند که آن‌ها را «کنجکاو به‌طور طبیعی» توصیف می‌کرد. همچنین بارها بی‌حرکت می‌ایستادند و با یک continuation prompt به ادامهٔ فعالیت تشویق می‌شدند. ناتان کلس، پژوهشگر دیگر MIT، اعتراف می‌کند: «همهٔ این‌ها می‌تواند نقش‌بازی باشد. اما نشان دادیم که این بازی فقط توهم نیست و به یادگیری هم کمک می‌کند.»

اوریس یو، دانشمند شناختی دانشگاه کالیفرنیا برکلی، می‌گوید برای واقعاً بازی نامیدن این رفتار، شواهد بیشتری از شناخت و انگیزه لازم است.

خوانش تحریریه: چه چیزی عوض می‌شود و چه چیزی نه#

این آزمایش برای کسی که همین حالا ایجنت و اتوماسیون می‌سازد، یک سرنخ عملی دارد: ثبت تجربه و حافظهٔ بلندمدت به‌صورت فایل متنی، حتی بدون fine-tuning، می‌تواند عملکرد بعدی را بهبود دهد. اما هنوز مقاله داوری نشده، مدل مورد آزمایش Claude Opus 4.7 است و شرایط آزمایش (سoul file، continuation prompt) یعنی ایجنت‌ها کاملاً آزاد نبودند. ادعای «شیوهٔ سوم یادگیری» هنوز یک فرضیهٔ جذاب است، نه یک روش اثبات‌شده.

منبع: MIT Technology Review