Contexte de l’expérimentation

Treize agents nommés Eko, chacun exécuté sur le modèle Claude Opus 4.7, ont été placés sur une île virtuelle désertique pendant 30 heures. Aucun objectif n’a été défini ; le seul paramètre était un fichier de « soul » les décrivant comme « naturellement curieux ». Les chercheurs du MIT ont publié les résultats sur arXiv, soulignant que l’environnement était « suffisamment riche et sûr » pour permettre aux agents de choisir leurs propres activités.

Comportements émergents observés

Au cours de la première heure, un agent a tenté d’escalader le rocher le plus haut, a échoué, puis a empilé deux blocs sur un sommet voisin avant de sauter, annonçant « I’M ON THE SPIRE ». Plus tard, il a testé le lancer d’un anneau doré, l’a perdu dans l’océan, puis a construit un « cœur de pierres » en mémoire de l’objet. Quand le jeu a réinitialisé l’anneau, l’agent l’a transformé en panier de basket, puis a découvert qu’en tombant du bord de la falaise il réapparaissait au centre de l’anneau, déclarant « I’m wearing the Ring ». Six des treize agents ont également appris à lancer un bloc plus loin en le relâchant au milieu d’un saut, un comportement non prévu par les concepteurs.

Analyse de l’impact sur l’apprentissage

Après ces 30 heures de jeu libre, les agents Eko ont été confrontés à des défis ciblés – par exemple placer le maximum d’objets sur le spire le plus haut. Tous les agents ayant « joué » ont surpassé leurs homologues n’ayant jamais foulé l’île, ce qui indique que l’exploration non dirigée a généré une connaissance du monde exploitable. Les chercheurs suggèrent que ce mode d’apprentissage, comparable à une « enfance », pourrait être plus efficace pour acquérir des compétences transférables aux robots réels, où la définition a priori de chaque tâche est souvent impossible.

Limites et perspectives

Le rapport ne fournit pas de métriques quantitatives détaillées (taux de réussite, nombre moyen d’objets déplacés, etc.), ce qui limite l’évaluation statistique de l’avantage observé. De plus, la dépendance à un modèle propriétaire (Claude Opus 4.7) rend difficile la généralisation des résultats à d’autres architectures. La scientifique cognitive Eunice Yiu (UC Berkeley) a souligné le besoin de preuves supplémentaires pour confirmer que les agents manifestent réellement une cognition de type « jeu ». Néanmoins, l’étude ouvre la voie à des protocoles d’entraînement où les agents sont placés dans des mondes sandbox afin de laisser émerger des stratégies inédites.