ClaudeのAIエージェント、無人島でゲームを発明

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。