Claude-agenter slog andre AI-agenter efter 30 timers leg

Tretten AI-agenter blev sat alene på en simuleret ø i 30 timer uden opgaver og begyndte at lege. Det betyder noget, fordi de bagefter klarede opgaver bedre end identiske agenter uden ø-oplevelsen, og legene kan have givet viden, designerne ikke planlagde. Nu skal andre forskere godkende studiet, og de vil se flere beviser for, om legen er ægte.

En agent er et program, der selv kan tage skridt for at nå et mål. Agenter drevet af kunstig intelligens, altså computerprogrammer der kan løse opgaver, som ellers kræver menneskelig tænkning, blev efterladt uden en opgave. De begyndte at finde på deres egne lege. Bagefter klarede de opgaver bedre end agenter, der aldrig havde prøvet det.

Forskere fra Massachusetts Institute of Technology (MIT) satte 13 agenter, alle med navnet Eko, på sprogmodellen Claude Opus 4.7. En sprogmodel er som en meget avanceret tekstmaskine. Den er trænet på store mængder tekst og kan svare ud fra det. Agenterne var alene på en simuleret øde ø, altså en ø bygget i computeren, i 30 timer. Bagefter gav forskerne dem konkrete opgaver. Blandt andet skulle de få flest mulige genstande op på øens højeste klippetop. De agenter, der havde leget i 30 timer, slog generelt identiske agenter, som aldrig havde været på øen. Studiet ligger på arXiv, et offentligt websted for forskningsartikler. Det er ikke fagfællebedømt, altså ikke gennemgået af uafhængige fagfæller før offentliggørelse.

Legene opstod af ingenting. I sin første time skrev en Eko »Let me observe my surroundings«, altså lad mig se på mine omgivelser, og satte kurs mod den højeste klippetop. Det mislykkedes. Så slæbte den en sten op på en nabotop, satte to klodser oven på stenen og sprang. Senere kastede den en gylden ring i havet. Den konstaterede »Ouch. Lost the Ring« og byggede et hjerte af sten som mindesmærke.

Da ringen dukkede op igen, brugte Eko den som basketballkurv og mål. Spillet ville ikke lade agenten putte ringen om sin egen krop. Så den fandt en omvej. At falde ud over klippekanten fik den til at genopstå, altså dukke op igen, samme sted som ringen. Den trådte ud og landede midt gennem ringen. Seks af de 13 agenter fandt også ud af at kaste en klods længere ved at slippe den midt i et spring. Det var ikke meningen, at det skulle kunne lade sig gøre. Ifølge rapporten gav det agenterne »kendskab til verden, som deres designere ikke havde«.

Eko blev aldrig bedt om at finde på lege. Men dens såkaldte soul-fil, altså en fil med grundinstruktioner, virkede som en systembesked, en besked der styrer programmets grundadfærd. Den beskrev Eko som »naturally curious«, altså naturligt nysgerrig. Eunice Yiu, forsker i tænkning og erkendelse ved University of California, Berkeley, siger til magasinet MIT Tech Review, at hun er imponeret. Hun vil dog se flere beviser for, hvad der foregår i modellerne. »Det kan være, at modellerne leger oprigtigt, men ud fra artiklen ved vi det ikke,« siger hun.