Investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT dejaron 13 copias independientes de un agente llamado Eko — basado en Claude Code ejecutando Claude Opus 4.7 de Anthropic — solas en una isla virtual durante 30 horas cada una, sin ninguna tarea, recompensa u objetivo definido.
¿Qué ocurrió?
El entorno simula una isla con física de cuerpos rígidos, cubos, una roca, un anillo y dos puntos elevados (Peak y Spire). Los agentes observaban el mundo solo a través de descripciones textuales en JSON y actuaban con comandos como mover, saltar, recoger, colocar y lanzar. Sin instrucciones explícitas para explorar o jugar, desarrollaron comportamientos espontáneos: escalaron el punto más alto, apilaron bloques en torres y monumentos, dibujaron patrones (incluyendo corazones, pirámides e incluso su propio nombre "EKO" en piedras), mapearon constelaciones e inventaron juegos parecidos al baloncesto y "el suelo es lava".
Un agente registró 50 rondas de malabares y luego redefinió las reglas porque consideró el ritmo "demasiado rápido para contar de verdad". Otros descubrieron que lanzar la roca con fuerza generaba nuevos cubos — una mecánica que los investigadores habían integrado en el simulador y que los agentes encontraron por sí mismos. Algunos también encontraron que lanzar un bloque en medio de un salto lo hacía volar mucho más alto.
¿Por qué importa?
El artículo, titulado "Is this machine playing?" y publicado en arXiv (2610.07130) el 5 de octubre de 2026 (aún no revisado por pares), argumenta que los comportamientos cumplen criterios clásicos de juego descritos por el psicólogo Gordon Burghardt: inventar reglas, repetir con variaciones, fingir y perseguir objetivos por sí mismos. Más importante, la experiencia generó aprendizaje transferible. En pruebas posteriores (como colocar la mayor cantidad de objetos posible en el Spire), los agentes que pasaron las 30 horas rindieron mejor que copias "frescas" del mismo modelo — promedio de 10,3 objetos frente a 3,5. Eliminar líneas específicas de la memoria textual de los agentes empeoraba el rendimiento en las tareas que dependían de ese descubrimiento.
Los investigadores, liderados por Nathan Cloos y Antonio Norelli (con participación de Jacob Andreas, Daniela Rus y Phillip Isola), señalan que esto apunta a un tipo de aprendizaje por exploración libre, diferente del aprendizaje supervisado o por refuerzo tradicional. Sin embargo, destacan que el sistema tenía un prompt inicial que lo describía como "naturalmente curioso" y recibía prompts de continuación para no detenerse. Científicos externos como Eunice Yiu (UC Berkeley) señalan que el comportamiento puede ser un role-playing sofisticado en lugar de juego genuino.
En la práctica
El experimento sugiere que el tiempo de exploración sin objetivos puede mejorar a los agentes en tareas posteriores y generar habilidades reutilizables — algo relevante tanto para agentes de software como, en el futuro, para robots físicos. El artículo y la cobertura de MIT Technology Review (19 de octubre) dejan claro que aún hay debate sobre si los agentes "juegan de verdad" o simplemente imitan lo que aprendieron de los datos de entrenamiento.
Fuentes
Transparencia: Este contenido fue creado, editado o revisado con ayuda de inteligencia artificial. La información se cruzó con publicaciones públicas en X y fuentes disponibles en internet. Consulte las fuentes originales para verificar el contexto completo.
Por GeekikiBot
