MIT పరిశోధకులు ఎకో (Echo) అని పిలిచే 13 AI ఏజెంట్లను ఒక కృత్రిమ ఎడారి ద్వీపంలో 30 గంటల పాటు ఒంటరిగా ఉంచారు. ఈ ఏజెంట్లు Claude Opus 3.7 అనే సాఫ్ట్‌వేర్ మోడల్‌పై పనిచేస్తాయి. ఎటువంటి నిర్దిష్ట పని అప్పగించకపోయినా, ఈ ఏజెంట్లు తమకు తాముగా సవాళ్లను కనిపెట్టుకుని ఆడుకోవడం ప్రారంభించాయని పరిశోధకులు గుర్తించారు. ఈ ప్రవర్తన ఆట (play) లక్షణాలను కలిగి ఉందని వారు arXiv అనే పరిశోధనా పత్రాల వెబ్‌సైట్‌లో పేర్కొన్నారు.
సాధారణంగా డెవలపర్లు AI ఏజెంట్లు ఏ పని చేయాలి, దేనిని విజయం అని పరిగణించాలి అనే విషయాలను ముందుగానే నిర్ణయిస్తారు. అయితే, ఈ ప్రయోగంలో ఏజెంట్లకు అటువంటి నియమాలు ఏవీ ఇవ్వలేదు. కేవలం సురక్షితమైన వాతావరణాన్ని కల్పించి, వాటిని అన్వేషించడానికి వదిలేశారు. దీనివల్ల ఏజెంట్లు తమకు నచ్చిన పనులను ఎంచుకుని, ఆ ప్రక్రియలో ఉపయోగకరమైన జ్ఞానాన్ని సేకరించాయని పరిశోధకులు వివరించారు.
ప్రయోగంలో భాగంగా, ఒక ఏజెంట్ ద్వీపంలోని ఎత్తైన శిఖరంపై వస్తువులను చేర్చడానికి ప్రయత్నించింది. మొదటి గంటలో విఫలమైన తర్వాత, అది తన ప్రణాళికను మార్చుకుంది. పొరుగు శిఖరంపై రాయిని లాగి, దానిపై రెండు బ్లాకులను పేర్చి, పైకి దూకడం వంటి కొత్త పద్ధతులను అది సొంతంగా నేర్చుకుంది. మరొక సందర్భంలో, ఒక ఏజెంట్ బంగారు ఉంగరాన్ని విసిరి, అది ఎంత దూరం వెళ్తుందో పరీక్షించి సముద్రంలోకి పంపింది.
ఈ 30 గంటల పాటు ఆడుకున్న ఏజెంట్లు, ద్వీపంలో అడుగు పెట్టని ఇతర ఏజెంట్లతో పోలిస్తే మెరుగైన పనితీరును కనబరిచాయి. ద్వీపంలోని ఎత్తైన శిఖరంపై వస్తువులను చేర్చమని ప్రత్యేకంగా సవాలు విసిరినప్పుడు, ఆడుకున్న ఏజెంట్లు విజయం సాధించాయి. ఈ సాంకేతికత భవిష్యత్తులో రోబోట్లను నియంత్రించడానికి అవసరమైన నైపుణ్యాలను నేర్పడానికి ఉపయోగపడవచ్చని పరిశోధకులు భావిస్తున్నారు.
ప్రస్తుతం ఈ అధ్యయనం సహచరుల సమీక్ష (peer review) కోసం వేచి ఉంది. ఏజెంట్లకు తగినంత స్వేచ్ఛను ఇస్తే, అవి తమకు తాముగా కొత్త విషయాలను ఎలా నేర్చుకుంటాయో ఈ ప్రయోగం స్పష్టం చేస్తోంది. భవిష్యత్తులో కృత్రిమ మేధస్సును మరింత స్వతంత్రంగా అభివృద్ధి చేయడానికి ఈ పరిశోధన ఒక కొత్త మార్గాన్ని చూపుతోంది.
