Come si comporta l’IA quando non deve rispondere a una domanda, completare un compito o raggiungere un obiettivo preciso? Per scoprirlo, un gruppo di ricercatori del Massachusetts Institute of Technology (MIT) ha deciso di mettere alla prova Claude Opus 4.7, il modello di IA di Anthropic, in un ambiente virtuale nel quale non c’era praticamente nulla da fare. Il risultato è stato sorprendente: invece di restare inattivo, l’agente ha iniziato a esplorare il mondo circostante e a inventare attività in modo autonomo.
Un’isola virtuale senza obiettivi da raggiungere
L’esperimento ha coinvolto 13 agenti di IA lasciati liberi di agire per 30 ore ciascuno all’interno di un mondo simulato che ricordava, per alcuni aspetti, Roblox. L’ambiente era volutamente semplice: comprendeva colline, cubi, una roccia e un anello. Non c’erano missioni da completare, premi da conquistare o istruzioni che indicassero agli agenti come comportarsi.
Ogni ora, la simulazione veniva riportata alle condizioni iniziali. Gli agenti, però, potevano conservare la memoria delle esperienze precedenti, utilizzandola per sviluppare nuove attività e modificare il proprio comportamento.
Il protagonista dell’esperimento è stato soprannominato Eko. Nel corso delle sessioni, ha iniziato a impilare blocchi, arrampicarsi sulle piattaforme e sperimentare diverse combinazioni di oggetti, trasformando progressivamente l’esplorazione in una serie di giochi inventati da sé.
Dalla costruzione di costellazioni al basket
Tra i comportamenti osservati dai ricercatori ce ne sono alcuni particolarmente curiosi. Una versione di Eko ha scoperto che lanciando una roccia con sufficiente forza era possibile generare nuovi cubi. Ha quindi utilizzato questi oggetti per scrivere il proprio nome, realizzare motivi geometrici e riprodurre costellazioni come Cassiopea. Nel suo registro delle attività ha lasciato anche una frase suggestiva: «Stanotte ho costruito il cielo notturno nella pietra».
Un altro agente ha inventato una propria variante della pallacanestro e un gioco simile al classico «il pavimento è lava», nel quale bisogna evitare di toccare il terreno. In un altro caso, un agente ha persino deciso di invalidare il proprio record di giocoleria perché si era accorto che le prese avvenivano troppo velocemente per essere considerate valide. Ha quindi ripetuto la prova imponendosi regole più severe.
Non si tratta semplicemente di eseguire comandi predefiniti: almeno in apparenza, gli agenti hanno cominciato a creare sfide, stabilire criteri di successo e modificare le proprie attività sulla base delle esperienze accumulate.
Giocare aiuta davvero l’intelligenza artificiale?
Per i ricercatori, i comportamenti osservati presentano quattro caratteristiche tipiche del gioco: la capacità di inventare regole, ripetere un’attività introducendo variazioni, attribuire significati immaginari agli oggetti e perseguire obiettivi senza una ricompensa esterna.
Ma l’aspetto forse più interessante riguarda le prestazioni successive. Quando gli agenti sono stati sottoposti a compiti specifici, quelli che avevano avuto la possibilità di esplorare e giocare hanno ottenuto risultati migliori rispetto a nuove copie del modello che non avevano alcuna esperienza nell’isola virtuale. Inoltre, la rimozione di alcune parti dei registri della memoria ha peggiorato le prestazioni. Un risultato che sottolinea l’importanza delle esperienze accumulate nel corso dell’esplorazione.
Questo non significa, naturalmente, che Claude provi davvero divertimento, curiosità o altre emozioni. L’esperimento non dimostra che un’intelligenza artificiale possa vivere il gioco come farebbe un essere umano, ma suggerisce che comportamenti apparentemente spontanei possano contribuire all’apprendimento.
La possibilità di esplorare liberamente un ambiente potrebbe rivelarsi utile soprattutto per i sistemi di IA destinati a operare nel mondo reale. Un modello addestrato esclusivamente su esempi e istruzioni prestabilite potrebbe incontrare difficoltà davanti a una situazione completamente nuova. Un agente capace di sperimentare, costruire strategie e imparare dalle proprie esperienze potrebbe invece disporre di strumenti aggiuntivi per affrontare circostanze impreviste.
È una prospettiva particolarmente interessante in vista dell’integrazione dell’intelligenza artificiale nei robot fisici, chiamati a interagire con ambienti dinamici e non sempre prevedibili.
