Команда MIT описала 13 ИИ-агентов, которые 30 часов действовали на виртуальном острове без задания

Группа исследователей Массачусетского технологического института (MIT) выпустила препринт с описанием воплощённого кодинг-агента (embodied coding agent) под названием Eko. Такой агент не ограничивается генерацией кода: он выполняет действия внутри виртуальной среды. Работа ещё не прошла рецензирование.

Эксперимент шёл на небольшом виртуальном острове. Агенту не ставили конкретную задачу, не выдавали награду и не предписывали род занятий. За сессии длительностью 30 часов он перемещался по рельефу, собирал конструкции из блоков, рисовал, придумывал игры и проверял, как устроена физика мира.

Что было в песочнице

В препринте описаны 13 агентов, действовавших в одной ограниченной песочнице. Набор объектов на острове невелик: блоки, камень, рельеф и кольцо, с которыми можно взаимодействовать простыми способами. По словам авторов, агенты складывали блоки, поднимались на возвышенности, рисовали мандалы, переписывали правила спортивных игр и фиксировали приёмы, которые потом расширяли их возможности. Поведенческие истории у каждого агента получились свои, хотя общие паттерны повторялись.

Наблюдаемые последовательности действий авторы разбирают через известные поведенческие концепции игры. При этом они отдельно оговаривают границы выводов: работа не утверждает, что система получала удовольствие, обладала сознанием или обрела общую автономию. Утверждение касается только наблюдаемых действий и сохранённых знаний внутри ограниченной симуляции.

Почему результат важен для разработчиков

Среда намеренно узкая, но ценность работы для тех, кто создаёт агентов, в другом. Узкие эталонные тесты на выполнение задач могут не фиксировать поведение, которое возникает, когда у ИИ-агента есть время исследовать среду, запоминать найденное и пересматривать собственные стратегии.

Открытым остаётся вопрос воспроизводимости. Исследование ставит его так: достаточно ли точно описаны модель, промпты, память, пространство действий, границы безопасности и протокол оценки, чтобы другая команда получила тот же результат. Пока этого нет, делать выводы о переносе поведения на реальные задачи, о надёжности или о готовности к развёртыванию нельзя. Препринт остаётся свидетельством из ограниченной симуляции, а не подтверждённой общей способностью.