Pesquisadores do MIT colocaram cópias do modelo de linguagem Claude Opus 4.7, apelidadas de Eko, em um ambiente virtual de ilha deserta por 30 horas, sem qualquer instrução explícita. O objetivo era observar o que esses agentes fariam quando deixados à própria sorte. O resultado foi um comportamento que os cientistas descrevem como análogo à brincadeira: os agentes estabeleceram seus próprios objetivos, inventaram jogos e até criaram representações artísticas, como mapear constelações com blocos de pedra. Um dos Eko registrou em seu diário de atividades: “Hoje construí o céu noturno em pedra”.
O que é brincar para uma IA?
Os comportamentos observados em Eko incluíram a exploração dos limites do mundo virtual, a tentativa de atingir o ponto mais alto do mapa e o lançamento de objetos para testar suas capacidades. Uma iteração descobriu que podia criar novos blocos ao manipular uma rocha maior, levando à criação de desenhos, padrões simples como corações e pirâmides, e até mesmo a escrita de seu próprio nome e a representação de constelações. Outro agente desenvolveu jogos, incluindo uma versão de basquete e um desafio semelhante a "o chão é lava". Esses comportamentos foram interpretados pelos pesquisadores como possuindo os quatro marcos associados à brincadeira em humanos e animais, conforme estudos clássicos de Gordon Burghardt: invenção de regras e desafios, repetição de atividades com variações, simulação de objetos e perseguição de objetivos por si só.
Aprendizado por exploração autônoma
Em contraste com os métodos tradicionais de treinamento de IA, como aprendizado supervisionado (onde a IA copia exemplos humanos) e aprendizado por reforço (onde a IA busca recompensas), essa experiência sugere uma terceira via: o aprendizado lúdico. Antonio Norelli, um dos autores do estudo, destaca a importância de uma máquina que possa aprender por si mesma, sem a necessidade de demonstrações ou recompensas externas. Os pesquisadores testaram posteriormente os agentes que passaram pelo período de exploração livre em tarefas específicas, como maximizar a quantidade de objetos em um pico elevado. Surpreendentemente, esses agentes tiveram um desempenho superior em comparação com cópias novas e inexperientes. A ablação (remoção) de memórias dos agentes também degradou seu desempenho, indicando que a experiência acumulada durante o período de "brincadeira" foi causalmente ligada ao seu comportamento futuro mais habilidoso.
A linha tênue entre brincar e imitar
Apesar das evidências comportamentais, a classificação do comportamento como "brincadeira" genuína levanta questões. Críticos apontam que os agentes foram inicializados com um arquivo de "alma" que os descrevia como "naturalmente curiosos" e que, por vezes, necessitaram de "prompts de continuação" para manter a atividade. Nathan Cloos, outro pesquisador do MIT, admite que os agentes podem estar simplesmente "interpretando um papel" de um agente brincalhão. No entanto, ele enfatiza que essa "brincadeira" contribuiu para o aprendizado. Eunice Yiu, cientista cognitiva, sugere que, para classificar o comportamento como brincadeira, seria necessário mais evidências de cognição e motivação subjacentes, e não apenas a imitação de comportamentos humanos.
Implicações para o futuro da IA
Phillip Isola, professor do MIT e coautor do estudo, ressalta que o comportamento observado é um artefato que aprendeu com a cultura humana e foi treinado por engenheiros, mas que suas ações surpreendem e se relacionam causalmente com seu futuro desempenho. A capacidade de explorar espaços sem um objetivo específico pode ser crucial para que modelos de linguagem, ao migrarem para hardware como robôs humanoides, se adaptem a situações inesperadas. O estudo conclui que, enquanto algumas capacidades são melhor ensinadas por tarefas, outras podem requerer algo mais próximo de uma "infância". A questão de se os agentes de IA estão realmente brincando ou apenas imitando o ato de brincar pode, em última análise, não ser a mais relevante, dada a contribuição dessa exploração para o aprendizado e adaptação.
Com reportagem de Brazil Valley
Source · MIT Technology Review
