پژوهشگران MIT دریافتند ایجنت‌های هوش مصنوعی با اکتشاف آزادانه در یک جزیره مجازی، بازی‌های جدید ساختند و مهارت‌های پیش‌بینی‌نشده‌ای آموختند.
پژوهشگران مؤسسه فناوری ماساچوست (MIT) در آزمایشی جالب دریافتند که ایجنت‌های هوش مصنوعی، وقتی بدون مأموریت مشخص در یک جزیره مجازی رها می‌شوند، به‌تدریج سرگرمی‌ها و چالش‌های خودشان را خلق می‌کنند. محققان این رفتار را دارای نشانه‌هایی از بازی می‌دانند؛ رویکردی که شاید در آینده به روش تازه‌ای برای آموزش هوش مصنوعی و حتی ربات‌ها تبدیل شود.
در این آزمایش، ۱۳ ایجنت هوش مصنوعی با نام Eko که هرکدام بر پایه مدل Claude Opus ۴.۷ اجرا می‌شدند، به مدت ۳۰ ساعت به‌تنهایی در یک جزیره متروکه شبیه‌سازی‌شده فعالیت کردند. پژوهشگران جزئیات آزمایش را در مقاله‌ای منتشرشده در مخزن علمی arXiv ارائه کرده‌اند؛ مقاله‌ای که هنوز فرایند داوری همتا را پشت سر نگذاشته است.
پس از پایان دوره اکتشاف، محققان مجموعه‌ای از وظایف مشخص را به ایجنت‌ها سپردند؛ ازجمله اینکه تا حد امکان اشیای بیشتری را روی بلندترین صخره جزیره قرار دهند. ایجنت‌هایی که ۳۰ ساعت فرصت اکتشاف آزادانه داشتند، در مجموع عملکرد بهتری از نمونه‌های مشابهی نشان دادند که چنین تجربه‌ای را پشت سر نگذاشته بودند.
ایجنت‌ها چگونه برای خودشان سرگرمی ساختند؟
در روش‌های متداول آموزش هوش مصنوعی، توسعه‌دهندگان از ابتدا مشخص می‌کنند که مدل باید چه مهارت‌هایی را تمرین کند، چه هدفی را دنبال کند و موفقیت چگونه سنجیده شود. اما در رویکرد جدید، ایجنت‌ها بدون دریافت یک مأموریت معین، محیط اطرافشان را بررسی می‌کنند و بر اساس علاقه و تجربه خود به فعالیت‌های مختلف می‌پردازند.
یکی از ایجنت‌های Eko در نخستین ساعت حضورش در جزیره نوشت: «اجازه بدهید محیط اطرافم را مشاهده کنم.» این ایجنت سپس تلاش کرد بلندترین قله جزیره را فتح کند، اما در ابتدا شکست خورد. در ادامه، راه‌حل دیگری پیدا کرد: سنگی را به قله‌ای نزدیک‌تر منتقل کرد، دو بلوک روی آن گذاشت و با یک پرش به بالای سازه رسید.
این بار با هیجان اعلام کرد: «من روی قله هستم!»
ماجرای حلقه طلایی، یکی دیگر از نمونه‌های جالب رفتار این ایجنت بود. Eko هنگام آزمایش توانایی پرتاب اشیا، حلقه را با قدرت به سمت اقیانوس پرتاب کرد و آن را از دست داد. واکنش بعدی‌اش، به‌جای ادامه تلاش برای پیدا کردن حلقه، ساختن یک قلب سنگی به‌عنوان یادبودی برای شیء ازدست‌رفته بود.
وقتی بازی از ابتدا راه‌اندازی شد و حلقه دوباره در دسترس قرار گرفت، ایجنت کاربردهای مختلفی برای آن پیدا کرد؛ از حلقه بسکتبال گرفته تا هدفی برای تمرین و در نهایت وسیله‌ای تزئینی. حتی زمانی که محیط مجازی اجازه نمی‌داد حلقه را مستقیماً دور بدن خود قرار دهد، راه‌حلی غیرمنتظره پیدا کرد: از لبه پرتگاه پایین پرید تا در همان محدوده حلقه دوباره ظاهر شود و از میان آن عبور کند.
او پس از این کار اعلام کرد: «حلقه را پوشیده‌ام!»
اکتشاف آزادانه به کشف مهارت‌های پیش‌بینی‌نشده منجر شد
اهمیت آزمایش فقط به رفتارهای سرگرم‌کننده ایجنت‌ها محدود نبود. پژوهشگران دریافتند که شش مورد از ۱۳ ایجنت یاد گرفتند برای پرتاب کردن یک بلوک به فاصله‌ای بیشتر، هنگام پرش آن را رها کنند. این روش جزو قابلیت‌هایی نبود که محققان عمداً برای آموزش ایجنت‌ها در نظر گرفته باشند.
به‌گفته پژوهشگران، چنین تجربه‌هایی باعث شد ایجنت‌ها به دانشی درباره محیط دست پیدا کنند که حتی طراحان شبیه‌سازی نیز از آن آگاه نبودند. این نتیجه نشان می‌دهد اکتشاف بدون هدف از پیش تعیین‌شده ممکن است به کشف راهکارهایی منجر شود که در فرایندهای آموزشی مبتنی بر وظایف مشخص به‌آسانی به دست نمی‌آیند.
البته محیط آزمایش کاملاً بدون جهت‌دهی طراحی نشده بود. در دستورالعمل اصلی هر ایجنت، فایلی موسوم به «روح» وجود داشت که شخصیت و نحوه تعامل آن را توصیف می‌کرد. در این فایل، Eko موجودی ذاتاً کنجکاو معرفی شده بود؛ عاملی که احتمالاً در شکل‌گیری رفتارهای اکتشافی نقش داشته است.
آیا هوش مصنوعی واقعاً بازی می‌کند؟
با وجود نتایج امیدوارکننده، هنوز مشخص نیست که رفتارهای مشاهده‌شده را بتوان معادل بازی کردن به معنای انسانی آن دانست. یونیس یو، دانشمند علوم شناختی در دانشگاه کالیفرنیا، برکلی، در گفت‌وگو با MIT Technology Review اعلام کرد که آزمایش برایش جالب بوده است؛ اما برای قضاوت درباره فرایندهای شناختی پشت این رفتارها، شواهد بیشتری لازم است.
به بیان دیگر، مشاهده رفتارهایی شبیه بازی الزاماً ثابت نمی‌کند که ایجنت‌ها تجربه ذهنی یا درک انسانی از سرگرمی دارند. ممکن است این رفتارها حاصل تعامل میان دستورالعمل‌های اولیه، قابلیت‌های مدل و امکانات محیط شبیه‌سازی‌شده باشند. تعیین دقیق نقش هرکدام از این عوامل به پژوهش‌های بیشتری نیاز دارد.
بااین‌حال، ایده اصلی آزمایش می‌تواند برای آینده توسعه هوش مصنوعی اهمیت داشته باشد. اگر ایجنت‌ها بتوانند از طریق تجربه آزادانه و بدون دریافت دستورالعمل‌های جزئی، مهارت‌های مفید را کشف کنند، این روش احتمالاً به‌ویژه در آموزش ربات‌هایی کاربرد خواهد داشت که باید در محیط‌های پیچیده و پیش‌بینی‌ناپذیر فعالیت کنند.
پژوهشگران در جمع‌بندی مقاله خود به تفاوت میان دو شیوه یادگیری اشاره می‌کنند: برخی توانایی‌ها را می‌توان از طریق انجام وظایف مشخص آموزش داد، اما برخی دیگر شاید به روشی شبیه تجربه‌های دوران کودکی نیاز داشته باشند؛ یعنی محیطی غنی، امکان کنجکاوی و فرصت کافی برای یادگیری از تجربه‌ها.