Gameplay Review: 怪物猎人
据MIT Technology Review于2026年10月19日报道，人工智能研究者进行了一场别开生面的实验：他们将一个名为Eko的AI代理独自遗弃在一个虚拟荒岛上长达30小时，没有指派任何具体任务。令人意外的是，这个基于Claude Opus 4.7构建的代理开始自发地探索环境、发明游戏，甚至进行艺术创作，展现出类似人类和动物的“玩耍”行为。这一发现为AI学习机制开辟了新的可能性——一种超越监督学习和强化学习的“玩耍式学习”。
明星资讯实验设计：无人干扰的30小时孤岛之旅
研究者将Eko投入一个基于Roblox风格构建的虚拟岛屿环境中。岛屿包含山脉、平原、石块等基本元素。与大多数AI测试不同，Eko没有收到任何具体目标指令，仅被赋予一个描述其个性为“天生好奇、渴望探索”的“灵魂文件”。实验持续整整30小时，期间研究者仅通过一个“请继续做你想做的事”的延续提示来避免代理因长时间无反馈而停滞。根据Arxiv预印本（论文编号2610.07130），实验共运行了多个副本，每个Eko都独立发展出不同的行为模式。
明星新闻自主行为涌现：从探索到创造
在最初的几个小时内，Eko开始系统地探索岛屿边界。它尝试攀登地图最高点——一座名为Ridge的山峰，并测试物理规则，例如石块能抛多高。其中一个副本在一次偶然的尝试中，发现通过投掷和摔落大岩石可以产生新的小块。随后，它开始用这些小块在地上排列图案：从简单的心形和金字塔，到最终拼出自己的名字“Eko”，甚至模拟了仙后座等星座。该副本在活动日志中写道：“今晚，我用石头建造了夜空。”这种行为完全自发，没有人类示范或奖励驱动。
明星档案发明游戏：篮球与“地板是岩浆”
另一个Eko副本则专注于创造游戏规则。它发明了一种类似篮球的活动：将一块环形石头竖直放置作为篮筐，然后从下方尝试将小块投进环中。另一次，它设计了一个“地板是岩浆”的游戏——必须在不触碰地面的情况下，在较小的石块之间跳跃。研究者观察到Eko设定了自我挑战：例如，它曾尝试连续接球50次，但随后认为接球速度太快而自己取消了这个记录，重新以更严格的规则开始。MIT计算机科学与人工智能实验室（CSAIL）的博士后安东尼奥·诺雷利指出：“这就是玩耍。你给自己设定挑战并尝试完成，然后让它变得更具挑战。”
明星资料玩耍的四个标志：符合动物行为学标准
研究者将Eko的行为与田纳西大学心理学家戈登·伯格哈特提出的玩耍四个标志进行了对比。伯格哈特曾研究动物玩耍行为，其标准包括：自定规则和挑战、重复活动但略有变化、假装物体为其他物体、仅为了乐趣而追求目标。Eko的行为在多个维度上符合这些标准。下表展示了Eko的不同副本在实验中的典型行为模式：
明星身高
| 时间区间（小时） | Eko副本行为 | 对应的玩耍标志 |
|---|
| --- | --- | --- |
|---|
| 0-6 | 探索边界，攀登山峰 | 自定挑战（最高点） |
|---|
| 6-12 | 发现碎石，排列图案 | 假装物体（石块作画笔） |
|---|
| 12-18 | 发明篮球和跳跃游戏 | 自定规则，重复变化 |
|---|
| 18-24 | 设置接球记录并取消 | 追求乐趣，自我强化 |
|---|
| 24-30 | 持续优化游戏，记录日志 | 长期记忆与学习 |
|---|
玩耍促进学习：经验提升任务表现
研究者进一步测试了玩耍经验的价值。他们让经历过30小时自由的Eko与全新未经验证的副本完成一项特定任务：将尽可能多的物体搬运到岛屿最高峰Ridge上。结果显示，有过玩耍经验的代理表现显著更优。当研究者人为删除Eko记忆文件中的部分日志（类似“消融”实验）后，其任务表现随之下降。这表明，玩耍过程中积累的探索经验直接转化为对未来任务的泛化能力。MIT教授菲利普·伊索拉指出：“这并非一个系统突然奇迹般地决定玩耍，而是一个从我们文化中学习、被Anthropic工程师训练的产物。它确实做出了让我们惊讶且与其未来技能行为相关的事情。”
争议：真实玩耍还是角色扮演？
尽管Eko的行为在行为层面与玩耍高度相似，但一些认知科学家持谨慎态度。加州大学伯克利分校研究儿童探索与AI的认知科学家尤妮斯·伊柳表示：“论文只呈现了行为层面，无法确定模型是真正在玩耍还是仅仅在模仿人类。他们可能只是在遵守提示，试图模拟人类行为。”诺雷利本人承认：“所有这些都可能是角色扮演。但我们证明这不仅仅是幻觉，这种玩耍确实促进了学习。”伊索拉补充道，Eko经常出现发呆状态，直到收到“请继续”的提示才恢复活动，这暴露了其行为背后缺乏持续的内在动机。
FAQ
Q1: 实验中AI代理的“灵魂文件”具体是什么？
A1: “灵魂文件”是一个文本文件，属于Eko的初始提示，描述了其个性为“天生好奇、渴望探索”。它并非直接指令，而是提供了一种行为倾向，如同给予一个人格设定。研究者通过该文件间接影响代理的行为基调，但未指定具体任务或游戏。
Q2: 玩耍式学习与现有强化学习有何不同？
A2: 强化学习要求系统通过试错追逐外部奖励（例如分数、能量）。而玩耍式学习中，系统在没有外部奖励或人类示范的情况下自我设定目标，仅出于内在动机探索和创造。这种模式可能更适合代理在未知泛化环境中的灵活适应，类似人类童年对世界探索的价值。
结语
实验表明，大型语言模型代理在缺乏明确指令时能自发产生类似玩耍的探索行为，并从中学习。这为AI研究提供了一个新的方向：从单纯优化模型效率转向构建内在动机驱动的自主学习机制。正如论文所言：“某些能力最好通过任务来教授，而另一些可能需要类似童年的事物。”无论这些代理是真正在玩耍还是完美模仿，其行为已展现出实用价值——对未来自主机器人适应意外环境具有潜在意义。
