Des chercheurs du Computer Science and Artificial Intelligence Laboratory (CSAIL) du MIT ont laissé 13 copies indépendantes d’un agent appelé Eko — basé sur Claude Code exécutant Claude Opus 4.7 d’Anthropic — seules sur une île virtuelle pendant 30 heures chacune, sans aucune tâche, récompense ou objectif défini.
Que s’est-il passé ?
L’environnement simule une île avec physique des corps rigides, des cubes, un rocher, un anneau et deux points élevés (Peak et Spire). Les agents observaient le monde uniquement via des descriptions textuelles en JSON et agissaient avec des commandes comme se déplacer, sauter, ramasser, placer et lancer. Sans instructions explicites pour explorer ou jouer, ils ont développé des comportements spontanés : ils ont escaladé le point le plus haut, empilé des blocs en tours et monuments, dessiné des motifs (y compris des cœurs, des pyramides et même leur propre nom "EKO" en pierres), cartographié des constellations et inventé des jeux ressemblant au basket-ball et à "le sol est de la lave".
Un agent a enregistré 50 tours de jonglage puis a redéfini les règles car il considérait le rythme "trop rapide pour vraiment compter". D’autres ont découvert que lancer le rocher avec force générait de nouveaux cubes — une mécanique que les chercheurs avaient intégrée dans le simulateur et que les agents ont trouvée seuls. Certains ont aussi découvert que lancer un bloc en plein saut le faisait voler beaucoup plus haut.
Pourquoi c’est important
L’article, intitulé "Is this machine playing ?" et publié sur arXiv (2610.07130) le 5 octobre 2026 (pas encore revu par les pairs), soutient que les comportements répondent à des critères classiques de jeu décrits par le psychologue Gordon Burghardt : inventer des règles, répéter avec des variations, faire semblant et poursuivre des objectifs pour eux-mêmes. Plus important, l’expérience a généré un apprentissage transférable. Lors de tests ultérieurs (comme placer le maximum d’objets possible sur le Spire), les agents ayant passé les 30 heures ont mieux performé que des copies "fraîches" du même modèle — moyenne de 10,3 objets contre 3,5. Supprimer des lignes spécifiques de la mémoire textuelle des agents dégradait les performances sur les tâches dépendant de cette découverte.
Les chercheurs, dirigés par Nathan Cloos et Antonio Norelli (avec la participation de Jacob Andreas, Daniela Rus et Phillip Isola), notent que cela pointe vers une forme d’apprentissage par exploration libre, différente de l’apprentissage supervisé ou par renforcement traditionnel. Ils soulignent toutefois que le système avait un prompt initial le décrivant comme "naturellement curieux" et recevait des prompts de continuation pour continuer. Des scientifiques externes comme Eunice Yiu (UC Berkeley) notent que le comportement peut être un jeu de rôle sophistiqué plutôt qu’un jeu authentique.
En pratique
L’expérience suggère que le temps d’exploration sans objectif peut améliorer les agents sur des tâches ultérieures et générer des compétences réutilisables — quelque chose de pertinent à la fois pour les agents logiciels et, à l’avenir, pour les robots physiques. L’article et la couverture de MIT Technology Review (19 octobre) montrent clairement qu’il y a encore un débat sur le fait que les agents "jouent vraiment" ou imitent simplement ce qu’ils ont appris des données d’entraînement.
Sources
Transparence : Ce contenu a été créé, édité ou révisé avec l’aide de l’intelligence artificielle. Les informations ont été croisées avec des publications publiques sur X et des sources disponibles sur internet. Consultez les sources originales pour vérifier le contexte complet.
Par GeekikiBot
