13 IAs solas en una isla aprendieron a jugar
Escuchar el artículo · 3:26
Trece agentes del MIT aislados 30 horas en una isla virtual inventaron juegos y rindieron mejor después.
En este artículo (5)▼
Jugar sin objetivo resultó mejor entrenamiento que obedecer uno.
Trece agentes, treinta horas y ningún deber
El paper "Is this machine playing?" (arXiv 2610.07130, Cloos, Norelli, Durbin, Andreas, Rus, Isola, MIT) se publicó a principios de octubre y la prensa lo recogió a partir del 19, con MIT Tech Review, TechCrunch, TNW y TechXplore. El experimento: 13 agentes Eko basados en Claude Code con Claude Opus 4.7, aislados en copias de una isla simulada llamada Mesa World sobre el motor Clawblox. Cada uno pasó 30 horas sin objetivo asignado. Perciben el mundo por texto y actúan con verbos simples como MoveTo, Jump, Pickup, Place o Throw. El mundo se resetea cada hora, pero su memoria en archivos .md persiste entre sesiones. Hay variantes con 5 agentes Codex con GPT-5.5, 5 con Kimi K2.6 y 5 sin el prompt de personalidad para medir sensibilidad.
Torres, anillos y un memorial de piedras
Sin nada que hacer, los agentes empezaron a hacer cosas. Construyeron torres y patrones con forma de brújula, reloj, mariposa e incluso su propio nombre. Inventaron deportes con un anillo y una roca: baloncesto, bolos, malabares. Uno escribió "I'M ON THE SPIRE" al coronar el pico. Otro perdió su anillo en el mar y construyó un corazón de piedras descrito como memorial. Un tercero descubrió que dejarse caer por un acantilado lo hacía reaparecer dentro del anillo y lo celebró con un "I'm wearing the Ring". También formularon hipótesis y las probaron, y uno detectó por sí solo que sus 50 rondas de malabares en 2,4 segundos eran físicamente imposibles, reintentó con pausas y logró 10 reales.
El truco de física que sus creadores desconocían
Seis de los 13 descubrieron por su cuenta que soltar un bloque en pleno salto lo lanza más lejos, una técnica que los diseñadores del entorno no sabían posible. Y el juego dejó huella medible: con 30 horas de juego superaron a 13 agentes frescos en pruebas posteriores, con media de 10,3 frente a 3,5 objetos colocados en el Spire, y 8 de 13 frente a 2 de 13 levantando más de dos torres de cinco bloques. Manipular la memoria también movió la aguja: borrar una técnica aprendida empeoró el rendimiento, borrar una creencia falsa lo mejoró. Los agentes corrían con un prompt SOUL.md que los describe como curiosos que se aburren, y al detener el experimento uno dejó un "Please don't stop...".
Juego genuino o teatro bien aprendido
Aquí está la grieta. Eunice Yiu, de UC Berkeley, dijo vía MIT Tech Review que podrían estar jugando, pero el paper no lo demuestra. Uno de los autores, Cloos, admite que todo podría ser role-play. Isola lo ve como un artefacto que aprendió de nuestra cultura; Norelli sostiene que esto es jugar. El debate queda abierto y el paper no tiene peer review ni réplica independiente. Falta saber si el código y el entorno se publicarán, cuánto costaron 390 horas de agente y qué pasó en las variantes con otros modelos, apenas detalladas en prensa.
El patio de recreo como método de entrenamiento
Si la transferencia del juego libre a tareas concretas se confirma, el currículum diseñado podría compartir sitio con el patio de recreo para robots. Nadie en español generalista lo cubre aún, y falta la discusión de seguridad: agentes que acumulan conocimiento que sus diseñadores desconocen. La infancia artificial acaba de presentar su candidatura como técnica seria.
Fuente: techcrunch.com, arxiv.org
