وقتی هوش مصنوعی بدون وظیفه رها می‌شود؛ ایجنت‌های Claude با بازی و سرگرمی مهارت‌های خود را تقویت کردند

اگر ایجنت‌های پیشرفته هوش مصنوعی در یک جزیره متروکه بدون هیچ مأموریت و وظیفه‌ای رها شوند، چه رفتاری از خود نشان می‌دهند؟ بر اساس یافته‌های پژوهشی تازه، فعالیت‌های بدون هدایت این مدل‌ها شباهت شگفت‌انگیزی به بازی‌های انسانی دارد و جالب اینکه همین بازیگوشی در مراحل بعدی آزمایش به آنها کمک کرد تا وظایف محوله را بسیار بهتر انجام دهند.

پژوهشگران دانشگاه MIT در این آزمایش ۱۳ آواتار مجازی مجزا را به کار گرفتند که هر یک توسط یک ایجنت هوش مصنوعی مبتنی بر مدل Claude Opus 4.7 شرکت Anthropic هدایت می‌شد و هر آواتار در نسخه‌ای اختصاصی از یک جزیره شبیه‌سازی‌شده قرار گرفت. محیط طراحی‌شده شباهت زیادی به بازی محبوب Roblox دارد و از همان زبان برنامه‌نویسی استفاده می‌کند. این آواتارها امکان گشت‌وگذار، تعامل با اشیای جزیره و حتی ساخت سازه‌های مختلف را داشتند.

در آغاز آزمایش، هیچ وظیفه یا برنامه مشخصی برای ایجنت‌ها تعریف نشد. هر دوره آزمایش ۳۰ ساعت به طول انجامید و جزیره هر یک ساعت یک‌بار بازنشانی می‌شد، در حالی که حافظه و تجربیات ایجنت‌ها همچنان محفوظ باقی می‌ماند.

ایجنت‌ها با وجود شرایط آغازین کاملاً یکسان، رفتارهای بسیار متنوع و متفاوتی از خود نشان دادند. برای نمونه، «ایجنت ۱۲» بیشتر زمان خود را صرف ساخت شکل‌هایی مثل قطب‌نما یا ساعت و مجسمه‌هایی مانند پروانه یا قایق بادبانی کرد؛ در حالی که «ایجنت ۹» نزدیک به یک ساعت کامل مشغول چیدن مکعب‌ها برای نوشتن نام خود بود.

این ایجنت‌ها همچنین دست به ابداع بازی‌های ورزشی ساده زدند؛ مثلاً از حلقه‌ای که در جزیره رها شده بود به‌عنوان هدف برای پرتاب مکعب‌ها از راه دور استفاده کردند یا با پرتاب سنگ، مکعب‌هایی را که مثل پین‌های بولینگ چیده شده بودند سرنگون ساختند. در نقطه مقابل، برخی ایجنت‌ها هیچ فعالیتی نکردند و دست به کاری نزدند. بازی‌های ابداعی با گذشت زمان تغییر می‌کرد و پیچیده‌تر می‌شد. در یک نمونه، یک بازی ساده پرتاب و گرفتن مکعب در ادامه به سرگرمی پیشرفته‌تری تبدیل شد که شامل چند شیء مختلف، زمان‌بندی دقیق و حتی حرکات ژانگولر بود.

پژوهشگران تأکید می‌کنند که این ایجنت‌ها کارها را صرفاً به خاطر لذت خودِ فعالیت انجام می‌دادند و نه برای برآورده کردن دستوری که انسان برایشان تعیین کرده باشد؛ با این حال همچنان طبق قواعد و به سمت مقصدی معین حرکت می‌کردند. محققان در مقاله خود توضیح می‌دهند: «این رفتارها اغلب پیرامون اهدافی مشخص سازمان‌دهی می‌شوند، اما این اهداف تنها به فعالیت آنها فرم و چارچوب می‌بخشند و در خدمت مقصدی فراتر نیستند.»

بررسی‌ها نشان داد که تمام این بازیگوشی‌ها و سرگرمی‌های آزادانه، در مراحل بعدی مطالعه کارایی مدل‌ها را به‌شکل معناداری تقویت کرده است.

پژوهشگران ایجنت‌هایی را که چندین دور بازی کرده بودند، در برابر گروهی از ایجنت‌های کاملاً مشابه اما بدون خاطرات بازی‌های پیشین قرار دادند. نتایج نشان داد که گروه نخست عملکرد بهتری نسبت به مدل‌های تازه‌کار داشت؛ به طوری که ۶۲ درصد از ایجنت‌های دوره ۳۰ ساعته توانستند بیش از دو برج بسازند، در حالی که تنها ۱۵ درصد از ایجنت‌های بدون تجربه قبلی به چنین موفقیتی دست یافتند.

با این همه، کارشناسان معتقدند باید با احتیاط به نتایج این تحقیق نگریست. نشریه MIT Technology Review خاطرنشان می‌کند که هرچند به ایجنت‌ها مستقیماً دستور بازی یا کاوش داده نشده بود، اما در فایل پرامپت اصلی آنها متنی قرار داشت که آنها را «کنجکاو ذاتی» و مشتاق جست‌وجو توصیف می‌کرد.

یکی از متخصصان علوم شناختی دانشگاه برکلی که روی فرآیند کنجکاوی در کودکان و هوش مصنوعی تحقیق می‌کند، در این باره می‌گوید: «ممکن است مدل‌ها واقعاً در حال بازی باشند، اما تنها بر اساس یافته‌های این مقاله نمی‌توان با اطمینان چنین ادعایی کرد. وقتی صرفاً به جنبه‌های رفتاری نگاه می‌کنیم، این احتمال وجود دارد که مدل‌ها فقط از دستورالعمل متنی پیروی کرده و رفتار انسان‌ها را تقلید کنند.»

این گزارش همچنین یادآور شد که تحقیقات پیشین روی ایجنت‌های هوش مصنوعی بارها به دلیل انسان‌انگاری هدف انتقاد قرار گرفته است و این آزمایش نیز شرایط را به گونه‌ای چیده بود که ایجنت‌ها به سمت رفتارهای انسان‌گونه سوق پیدا کنند.