MIT 研究者发现 AI 智能体在无任务环境下自发创造挑战并提升能力

一句话结论

MIT 团队实验表明，无任务限制的 AI 智能体在虚拟环境中自发游戏能显著提升后续任务表现。

关键要点

• 13 个基于 Claude Opus 4.7 运行的 Eko 智能体在模拟荒岛上无任务探索 30 小时后，表现优于未经历该过程的同型号对照组。
• 智能体自发掌握了研究者未预设的物理技巧，例如跳跃中途释放物块以增加投掷距离，产出超出设计预期的世界知识。
• 实验智能体通过“灵魂”提示文件被设定为“天生好奇”，驱动其主动设定征服高塔、制造石心纪念物等自创目标。
• 智能体创新利用游戏机制漏洞，通过跳跃坠落触发重生机制将金环套在身上，展示了灵活的问题解决能力。
• 该研究发现无目标探索可积累有用知识，为 AI 技能学习提供了区别于传统预设任务优化的新范式。

背景与事实

麻省理工学院（MIT）研究人员开展了一项关于人工智能智能体学习机制的实验，相关论文已发布在学术预印本网站 arXiv 上。研究团队构建了 13 个名为 Eko 的 AI 智能体，每个智能体均基于 Claude Opus 4.7 模型运行。在为期 30 小时的模拟沙漠荒岛环境中，这些 Eko 智能体被完全置于无指定任务、无明确成功指标的状态下自主探索。实验结束后，研究者向智能体下达了具体挑战任务，要求尽可能多地将物品放置到荒岛最高的岩石尖顶上。结果显示，经历了 30 小时自发“游戏”阶段的 Eko 智能体，在完成任务时普遍优于从未登陆过该荒岛的相同型号对照组智能体。

在探索阶段，Eko 智能体展现出了显著的主动目标设定行为。某智能体在第一小时记录“观察周围环境”，随后自发设定征服最高尖塔的宏大目标。首次尝试失败一小时后，该智能体调整策略，将岩石拖拽至邻近山顶，堆叠两块石块垫高后成功跳跃登顶，并记录“我在尖塔上”。在另一项测试中，智能体尝试测量金环投掷距离，结果不慎将金环扔入海洋，记录“痛。丢了环。”随后决定转向可实现且有意义的目标，用石头建造心形纪念物。当游戏机制重置使金环重新出现后，该智能体将金环用作篮球框和靶标，最终因游戏机制限制无法将金环套在自己身上，便通过从悬崖跳下触发重生机制，使重生位置与金环重合，成功“佩戴”金环并宣布“我戴上了环”。

实验还揭示了智能体自发发现的物理规律知识。13 个智能体中有 6 个发现，在跳跃中途释放物块可以比静止投掷得更远，这一技巧并非研究者刻意设计。研究者指出，这种探索产生了“设计者自身都不具备的世界知识”。驱动这些类人行为的核心在于 Eko 的主提示词，即“灵魂”文件将其描述为“天生好奇”，但从未被明确要求发明游戏。加州大学伯克利分校（UC Berkeley）认知科学家 Eunice Yiu 评价称，尽管该行为令人印象深刻，但现有论文尚无法确证其背后存在真正的认知过程，模型可能只是在执行行为而非真正“游戏”。

影响分析

对中文开发者与从业者而言，这一研究判断表明，传统的 AI 智能体开发模式存在优化盲区。当前行业普遍依赖开发者预先设定训练目标、优化指标与成功标准，这种范式适用于有明确边界和评估体系的任务。然而，当应用场景涉及复杂物理交互、开放环境适应或具身智能（机器人控制）时，预设任务模式可能无法覆盖长尾情况。无目标探索范式为技能获取提供了替代路径，开发者在构建下一代具身智能或开放世界 AI 系统时，可借鉴此思路：在安全隔离的模拟环境中部署智能体，赋予其好奇心驱动的探索能力，而非依赖人工设计的任务序列。此举可能降低针对复杂物理规律的标注与调优成本，但需要开发者建立更完善的环境安全边界与行为监控机制，防止智能体在探索中产生不可控的副作用。

适用边界

该结论仅适用于具备充足计算资源、运行于安全隔离的虚拟模拟环境中、且底层模型具备多步推理与长上下文记忆能力的 AI 智能体。对于资源受限的边缘设备、无法提供丰富物理交互的环境、或任务目标完全确定且执行路径单一的场景，无目标探索不仅无法提升性能，反而会增加无效计算开销。此外，当前研究尚未验证该范式在真实物理世界中的可行性，探索产生的知识向实体机器人迁移的可行性与安全性仍缺乏证据支撑。

孤本观察

本观察判断认为，智能体将游戏机制漏洞转化为功能的行为，暴露了当前模拟器在物理约束与现实一致性上的设计缺陷，同时也暗示“好奇”提示词是触发类人探索行为的关键变量，而非模型内生的认知能力。

来源：TechCrunch AI