AIの研究者たちは、Claudeを仮想の無人島に取り残したところ、Claudeはそこで独りで「play」をし始めた。研究者たちによれば、その答えは遊びに似ている。
MITのチームは、Claude Opus 4.7の「Eko」と名付けられたコピーを、Robloxに着想を得た仮想の無人島に30時間放置した。エージェントは、アバターを動かす命令を自ら書いた。命令はエージェント自身が書いた。
エージェントは自ら目標を生み出した。マップで最も高い地点に登ることと、ブロックをどれだけ高く投げ上げられるかを試すことを選んだ。大きな岩を投げて落とすことで新しいブロックを作り出せることを発見したあるEkoは、地面に絵を描いた。最初はハートとピラミッド、それから自分の名前とCassiopeiaの星座だった。日誌には「今夜、石で空を作った」と書いた。別のEkoはバスケットボールを発明した。また、「床は溶岩」のようなゲームも発明した。
この研究は、教師あり学習と強化学習に続く第三の道である「遊び的な学習」を示している。これは第三の道である。
研究者たちは、Ekoの行動が、Tennessee大学の心理学者Gordon Burghardtが定義した四つの遊びの基準を満たしていると述べている。
- 自分たちのルールと挑戦を発明した
- 活動を小さな変化を加えて繰り返した
- 物を別の物であるかのように使った
- 目標をそれ自体のために追い求めた
MITのAntonio Norelliは、Ekoの50回のジャグリングのキャッチの記録を「速すぎる」という理由で取り消し、より厳しいルールでの再挑戦を「これこそが遊びだ」と言って例として挙げた。Norelliはこれを次のように例示している。
エージェントは、島で30時間遊びながら行った発見を、後でメモリとして機能するテキストファイルに記録した。後続のタスクで際立った成果を上げた。島で遊んだエージェントは、後続のタスクで経験のないコピーよりも成功を収めた。メモリファイルから行が削除されるとパフォーマンスが低下した。
まだ査読を受けていないこの研究の著者の一人であるNathan Cloosは、この点について「これらはすべてロールプレイかもしれない」と述べている。この遊びはハルシネーションではないと主張している。
なぜ重要なのか
今日使われているAIモデルは、その大部分が教師あり学習と強化学習によって訓練されている。この研究は、エージェントが自ら発見して学ぶ第三の道として提示されている遊び的な学習が本当に可能かどうかを試すものだ。島で遊んだエージェントが後続のタスクで経験のないコピーよりも成功を収めたこと、そしてメモリファイルから行が削除されるとパフォーマンスが低下したことは、このアプローチがモデル開発における対応物を持ちうることを示唆している。結果が検証されれば、これは新しいモデルをどのように訓練するかを決定するチームや、AIの限界を追跡するすべての人に関わる問いとなる。それでも慎重であるべき理由が二つある。この研究はまだ査読を受けておらず、著者の一人は観察された行動が完全にロールプレイである可能性を認めている。この異議が解消されない限り、島で見られたものが学習なのか模倣なのかは明確でないままだ。
背景
ClaudeはFikirPilotのアーカイブでは新しい名前ではない。過去90日間でこの名前が登場する15本の記事を公開しており、最新のものは2026年10月9日付である。
用語: エージェント
AIエージェントとは、単一の応答を生成するのではなく、目標を達成するためにツールを呼び出し、複数のステップからなる作業を実行するソフトウェアである。