
何が起きたか
MIT CSAILの研究者がClaude Opus 4.7のコピーEkoを無人島に30時間放置した。エージェントはゲームを発明し、1体は50回連続キャッチ達成後に記録を撤回した。
なぜ重要か
30時間遊んだエージェントは、同じ経験のない新しいコピーより後のタスクで良い成績を残し、記憶ファイルから行を削除すると性能が低下した。教師あり学習と強化学習に続く第3のAI訓練手法の可能性を示す。
誰に効くか自律エージェントの訓練手法を設計するAI研究者やエンジニアは、遊びを通じた学習に新たな道筋を見いだすかもしれず、開放的な環境にエージェントを導入する企業は、明示的な目標なしに探索・適応するエージェントの恩恵を最終的に受けられる可能性がある。
こういう要約が、毎朝あなたのメールに届きます。
この実験は、AIシステムの通常の訓練方法にある空白を突いている。教師あり学習は人間が用意した例に依存し、強化学習は外部報酬を使う。論文の筆頭著者の一人Antonio Norelliは、欠けている要素を「外部の知的主体が実演や報酬を与えることなく、自ら学習できる機械」と表現した。研究者はエージェントを好奇心旺盛で探索好きと記述した「魂」ファイルを与えることで自発的行動へ促したが、Ekoは継続プロンプトで促されるまで頻繁に idle のままだった。
この発見は、AIエージェントがソフトウェアからヒューマノイドロボットなどのハードウェアへ移行する際の運用方法に関する広い疑問につながる。特定の目標なしの探索が予期せぬ状況への適応を助けるなら、遊びを通じた学習は既存の訓練手法を補完し得る。ただし論文はまだ査読を受けておらず、魂ファイルを含む設定自体が人間らしい行動を促した可能性もあり、エージェントが本当に遊んでいたのか単に遊びを模倣していたのかは未解決のままである。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
Uber Engineeringは3層の枠組みを詳述した

CrowdStrikeは「Frost Radar™: AI Security Operations Centers, 2026」でVisionary Leaderに選ばれ、Growth Indexで最高位に位置付けられた

ServiceNowはCopilot Studioを採用し、Microsoft AIエージェント作成ポータルを開始した

VerizonのCEO、Dan Schulman氏は、顧客対応におけるAIが顧客体験を人より1200ベーシスポイント以上改善すると述べ、顧客にとって良いならVerizonは導入すべきだと語った

ガートナーの鹿内氏はフィジカルAIの3層構造とHuman in the loopからHuman on the loopを経て完全自律に至る道筋を示し、4つの人間の役割が残ると述べた

AnthropicのClaudeがポケモンのキャラクター、スプライト、ロゴ、名称の生成をほぼ全て拒否していると報じられた
