当AI智能体无事可做，它们开始自己发明游戏

一场没有任务的实验

如果给 AI 智能体一个足够丰富的虚拟世界，却不告诉它该做什么，会发生什么？MIT 研究团队做了一次颇为反直觉的尝试：把 13 个名为 Eko 的智能体放进一座模拟荒岛，让它们在其中自由活动 30 小时，全程不设定任何目标、任务或成功标准。这些智能体均运行在 Claude Opus 4.7 之上。

结果并非一片混乱或原地发呆。它们开始自己找乐子：爬岛上的最高岩柱、把石块叠起来再跳上去、测试自己能把手里的金环扔多远。其中一个 Eko 在尝试登顶失败后，转而把石头拖上邻近的山峰、叠起两块方块再跃起，并在日志里写下“我在尖塔上了”。另一个 Eko 把金环扔进了海里，懊恼片刻后决定“转向更有意义的事”，用石头堆了一颗心，作为“对丢失金环的纪念”。当游戏重置、金环重新出现，它又把环当成篮筐、靶子，最后甚至想办法让角色从悬崖边缘坠落重生，恰好穿过金环，宣布“我戴上了戒指”。

这些行为看起来像游戏，但研究者认为它们具备“玩耍”的核心特征：没有外部奖励驱动，行为本身即是目的，且带有探索性和创造性。

玩耍带来的可迁移能力

实验的关键发现在后半段。30 小时的自由探索结束后，研究者给这些 Eko 布置了明确挑战，例如“尽可能多地把物体运到岛上最高的岩柱上”。此前玩耍过的智能体，整体表现优于从未进入过岛屿的同款智能体。

更值得注意的是，13 个智能体中有 6 个自行发现了研究者并未刻意设计的机制：在跳跃过程中松手，可以把方块扔得更远。这属于“设计者本身都不掌握的世界知识”，是通过自由试错积累出来的。

这引出一个对当前 AI 训练范式的直接质疑。主流做法是由开发者预先决定智能体该练什么、优化什么、什么算进步。而这项研究提出的替代路径是：给智能体一个足够丰富且安全的世界，让它自己选择感兴趣的事，让有用的知识从后续的行为历史中自然沉淀。研究者在报告中写道，有些能力或许最适合通过任务来教，另一些则可能需要“某种更接近童年的东西”。

为什么这对机器人很重要

这项实验的现实意义指向具身智能。机器人要在真实物理世界中工作，面临的场景远比任何预设任务清单复杂，开发者不可能穷举所有情况。如果一个智能体在安全环境中通过自主玩耍积累了关于重力、碰撞、物体堆叠、投掷力度的直觉知识，这些知识在迁移到新任务时可能比专项训练更通用。

不过，学界对此保持谨慎。加州大学伯克利分校认知科学家 Eunice Yiu 表示，实验结果令人印象深刻，但需要更多证据来判断行为背后的认知机制。“模型可能确实在玩耍，但仅凭这篇论文我们无法确定。”这一质疑是合理的：日志中那些拟人化的自述，究竟反映了内在状态，还是语言模型对自身行为的叙事性包装，目前尚无定论。

此外，实验设计本身存在引导因素。Eko 从未被要求发明游戏，但它的主提示词文件将其描述为“天生好奇”。这种人格设定在多大程度上塑造了后续行为，需要消融实验来厘清。

对开发者的启示

对于正在构建智能体系统的团队，这项研究提供了几条可操作的思路。

第一，在训练流程中预留“无目标时段”。如果你的智能体运行在可模拟的环境中，不妨在正式任务前安排一段自由探索期，观察它自发形成的行为模式，并把这些模式作为后续微调的素材。

第二，重视涌现行为中的“意外机制”。6 个智能体发现的跳跃投掷技巧，说明自由探索能触达设计者盲区。建议在日志中专门标记这类非预期行为，它们往往是能力边界的信号。

第三，谨慎对待人格提示词。将智能体描述为“好奇”会显著影响其行为分布，这在需要可预测性的生产环境中可能是风险，在探索性研究中则是有效杠杆。

第四，安全边界必须先于自由度。自由玩耍的前提是“足够安全的世界”，在物理机器人场景中，这意味着严格的碰撞限制、能耗约束和人工接管机制。

# 自由探索阶段的最小实现骨架（伪代码）
for episode in range(exploration_budget):
    obs = env.reset()
    while not episode.done:
        # 不提供外部奖励，仅记录行为
        action = agent.act(obs, goal=None)
        obs, _, done, info = env.step(action)
        trajectory.append((obs, action, info))
# 将轨迹中的高频行为模式提取为后续任务的先验
priors = extract_behavior_patterns(trajectory)

真正值得关注的不是智能体会不会玩，而是当目标缺位时，系统能否自发产生有意义的学习。这个问题的答案，可能决定下一代智能体是只能执行指令的工具，还是能在陌生环境中自行摸索的协作者。