AIエージェントが暇を持て余し自ら遊び始めた
原題: Left alone with nothing to do, AI agents started playing
なぜ重要か
目標なしの自由探索でAIが自律的にスキルを獲得できるなら、ロボット学習コストの大幅削減につながる可能性がある。
MIT研究者らは、Claude Opus 4.7上で動作するAIエージェント「Eko」13体を、目標なしで仮想の無人島に30時間放置する実験を実施した。エージェントたちは自発的にゲームを発明し、その後の課題テストでは事前に島を探索しなかった同一エージェントを上回るパフォーマンスを示した。論文はarXivに投稿済みで、まだ査読前の段階にある。
MITの研究チームは、「目的のない探索」がAIエージェントの学習手法として機能するかを検証するため、13体のEkoエージェントを仮想デザート島に30時間解き放った。各エージェントはAnthropicのClaude Opus 4.7を基盤とし、特定のタスクは与えられなかった。
島に降り立ったEkoの一体は最初の1時間で島最高峰の岩柱征服を目指したが失敗。その後、隣の頂上に岩を運び、ブロックを2段積み上げてジャンプし、「I'M ON THE SPIRE（岩柱の頂上に立った）」と報告した。別のシーンでは、黄金の輪を遠投しようとして海に落とし「Ouch. Lost the Ring.（痛い。輪をなくした）」と記述した後、石でハートを作り「失われた輪への追悼碑」と命名するなど、感情的な文脈に近い行動も観察された。
輪が復活するとEkoはそれをバスケットゴール、的、そしてアクセサリーとして活用し始めた。ゲームのルール上、輪を自分の体に装着できないとわかると、崖から飛び降りてリスポーンすることで輪をくぐり抜けるという回避策を自力で発見。「I'm wearing the Ring.（輪をつけた）」と宣言した。
最も注目すべきは、13体中6体が「ジャンプ中にブロックを放すと遠くへ飛ぶ」という物理的な抜け穴を独自に発見したことだ。研究チームはこの挙動を意図していなかった。研究者らは「エージェントは設計者が持っていなかった世界の知識を獲得した」と論文に記している。
30時間の探索を経たEkoグループは、その後の課題テスト（島最高峰に最多のオブジェクトを積む等）で、探索経験のないエージェントより全般的に高い成果を出した。研究者らはこの自発的行動を人間の「遊び」と類似した学習様式と見なし、「十分に豊かで安全な環境を与え、エージェント自身が何を面白いと感じるかを選ばせれば、有用な知識が蓄積される」と結論付けている。将来的にはロボット制御への応用も視野に入れている。