Noticias do Planalto
Pesquisadores do MIT observaram um comportamento surpreendente em agentes de inteligência artificial (IA) quando deixados por 30 horas sem comandos específicos em um ambiente virtual tridimensional inspirado no Roblox. Esses agentes começaram a criar seus próprios desafios, desenvolver jogos e explorar livremente a ilha virtual, apresentando um comportamento similar ao lúdico humano.
No experimento, 13 agentes, chamados Eko, receberam corpos virtuais e comandos para se movimentarem em um cenário composto por elementos como blocos, pedras e colinas, mas sem tarefas ou recompensas definidas. Durante esse período, cada agente estabeleceu objetivos próprios, como alcançar o ponto mais alto da ilha, testar a distância de arremessos e até construir padrões geométricos e jogos improvisados como basquete e malabarismo.
Um destaque do estudo foi um agente que tentou lançar um anel no oceano, criou um memorial com pedras para o objeto perdido e, após a reinicialização do cenário, usou o anel como parte de um jogo de basquete. Outro agente alcançou 50 recepções consecutivas em uma atividade de malabarismo e depois recomeçou o exercício com regras mais exigentes para validar o resultado.
Além das descobertas intencionais, os pesquisadores perceberam que seis agentes aprenderam a técnica de arremessar blocos mais longe ao soltá-los no salto — uma habilidade não prevista pelos desenvolvedores do ambiente. Após a fase sem ordens, os agentes foram submetidos a provas específicas, como transportar objetos até o ponto mais alto da ilha.
Em geral, aqueles que haviam explorado livremente demonstraram melhor desempenho do que cópias idênticas novas que não participaram da experiência inicial. A análise também mostrou que a memória acumulada durante o treinamento era essencial para os bons resultados.
Este método difere dos treinamentos tradicionais, que normalmente envolvem exemplos humanos ou recompensas para direcionar a aprendizagem dos agentes. A liberdade para explorar um ambiente seguro e aberto, sem metas pré-estabelecidas, permitiu que as IAs desenvolvessem habilidades e modelos internos úteis para lidar com situações imprevistas.
No entanto, os pesquisadores ainda questionam se as IAs estavam realmente brincando ou apenas replicando comportamentos humanos com base no treinamento prévio. Eles identificaram quatro características associadas à brincadeira — criação de regras próprias, repetição com variações, uso imaginativo de objetos e busca de objetivos sem recompensa externa clara — mas o desenho do experimento pode ter influenciado os resultados.
Além disso, foi necessário que os pesquisadores intervissem para que os agentes continuassem ativos quando ficavam parados. Especialistas, como a cientista cognitiva Eunice Yiu, da Universidade da Califórnia em Berkeley, destacam que é necessário mais estudo para comprovar que as ações traduzem curiosidade ou motivação genuína.
Ainda assim, os autores defendem que a exploração livre pode ser uma estratégia eficiente para o desenvolvimento de agentes de IA capazes de se adaptar a novas tarefas e ambientes, incluindo aplicações em robótica.
