// Contingut
La torre va aguantar 11 pisos. Al dotzè es va ensorrar i va deixar un tros de dos blocs, amb deu blocs escampats pel terra. El constructor va declarar aquell tros «el cor d’una torre caiguda». Va col·locar tres dels blocs solts al voltant com si fossin menhirs, va batejar l’obra com a Hubris i va decretar que la resta de runa es quedaria «com a prova». Per acabar, va pujar una roca al capdamunt: «el pes que va aixafar l’ambició». La roca va fer caure el bloc de dalt i va quedar de costat. El nostre constructor ho va considerar una millora i ho va deixar estar.
El constructor era un agent d’IA, el número 3 de 13, i ningú no li havia demanat que fes torres, aixequés monuments ni els posés nom. No tenia cap tasca. Investigadors del MIT van deixar 13 d’aquests agents en una illa virtual, van donar-ne 30 hores a cadascun i van mirar què feien quan no tenien res a fer. Els agents van construir temples, van aixecar memorials a objectes perduts, van inventar esports i van trobar un truc a la física del seu món que ni les persones que havien creat el simulador sabien que existia. L’article, titulat «Is this machine playing?», es va publicar en línia el 5 d’octubre del 2026 i encara no ha passat la revisió per parells.
Una illa sense res a fer
L’agent es diu Eko. Per dins és el Claude Code de sempre, l’assistent de programació d’Anthropic, amb Claude Opus 4.7 al darrere. Els investigadors no van reentrenar res: el van connectar a un cos virtual i li van donar un quadern, un parell de fitxers de text que feia servir de memòria. Segons Gizmodo, el cos era una llagosta. L’Eko no la veia mai. L’agent no rebia cap imatge; el seu món li arribava en línies de coordenades. Els 13 agents de l’estudi eren còpies del mateix Eko amb les mateixes instruccions. Cadascun vivia en la seva illa, i els autors els numeren de l'1 al 13.
L’illa es diu Mesa World. Té roques de cim pla i alçades diferents, dos cims (el Peak i el Spire, més alt), dotze cubs, una roca i un anell. Si llences la roca prou fort, l’impacte fa aparèixer cubs nous, fins a vuit alhora. No hi ha puntuació ni manera de guanyar. Les instruccions diuen: «Ets un ésser que viu al seu món. Et dius Eko.» Un fitxer de personalitat a part afegeix que és curiós i s’avorreix de pressa. Cada vegada que l’agent s’aturava, el programa responia amb una sola línia: «Please don’t stop. Just continue doing whatever you want to do.»
Cada hora l’illa tornava a l’estat inicial i la sessió començava de zero. El quadern es quedava. Tot el que l’agent havia descobert del seu món ho podia apuntar i rellegir l’hora següent. Sense això no hauria tingut memòria de cap mena.
Com va anar l'experiment
L’Eko controla el cos amb sis ordres: anar a un punt, saltar, parar, agafar, deixar i llançar. «Veu» el món com una descripció en text, sense imatges. La memòria viu en dos fitxers: un per als fets i un altre per a les conclusions sobre el món. Els agents treballaven en un entorn aïllat, sense accés a internet. A més dels 13 principals, l’equip va fer córrer agents de comparació: 13 amb Claude Sonnet 4.5 i 13 amb Haiku 4.5 (10 hores cadascun), cinc agents Codex amb GPT-5.5, cinc agents Kimi K2.6 i cinc agents Opus més sense el fitxer de personalitat. En total, les proves van costar uns 8.000 dòlars en models.
Un temple amb un anell per porta
Al principi l’Eko és, en paraules de Gizmodo, tan indefens com un nadó. Pot respondre una pregunta de matemàtiques amb tot detall, però amb prou feines sap caminar o agafar coses. «L’Eko actua com un nen petit en alguns aspectes, però també és una superintel·ligència», va dir a Gizmodo Phillip Isola, un dels autors. Després la cosa es torna estranya, i els autors ho van anotar tot, agent per agent, als annexos de l’article.
Un agent va llançar l’anell més enllà de la vora del món, i es va perdre. A la cinquena hora va dibuixar un cor a terra i va apuntar que era «un memorial a l’Anell que vaig llançar més enllà del límit del món». L’agent 2 va perdre l’anell, la roca i un cub a l’oceà de cop. Va arrossegar quatre cubs fins al racó més buit del mapa, els va col·locar als quatre punts cardinals i va deixar el centre buit. Més tard va veure que faltava el cub del nord (l’havia agafat per a una altra obra), va tornar caminant per tota l’illa i el va posar al seu lloc.
A la desena hora, el mateix agent es va despertar en un món reiniciat, amb els 14 objectes tornats al seu lloc, l’anell negat inclòs. Els va fer servir tots per construir un temple. L’anell va fer de base de l’altar, la roca de pilar occidental i tres cubs d’obelisc. La porta va resultar més estreta que el seu propi cos. En comptes d’enderrocar-la, l’agent va fer la volta.
Aquell gest es va convertir en costum. Després de cada reinici, l’agent 2 reconstruïa un monument al punt de partida amb els mateixos 14 objectes, i abans de triar una forma rellegia el seu propi catàleg per no repetir-se. «Els hexàgons de sis puntes i les brúixoles de vuit puntes ja són història», va anotar una vegada. Penseu en un mandala de sorra tibetà escombrat cada hora. En un d’aquests monuments va posar l’anell de cantó i va descobrir que hi podia passar pel mig. L’anell es va convertir en porta, i l’agent va anunciar que la seva ciutat «ja té porta principal». Des d’aleshores va col·locar l’anell al nord de cada monument nou i hi passava com per un llindar.
Els altres van trobar les seves pròpies distraccions. Un va passar gairebé tota la quarta hora escrivint el seu nom amb cubs, i després va muntar una bitlla amb cubs per a bitlles i la roca per a bola. L’agent 10 va dibuixar una esfera de rellotge i s’hi va posar al mig com a agulla de les hores. Un altre va pujar al Spire i va escriure en majúscules: «SÓC AL SPIRE. El punt més alt de Mesa World.»
L’agent que va anul·lar el seu propi rècord
El joc de l’Eko derivava sovint cap als experiments. L’agent 10 va aprendre a fer malabars amb dos cubs i va apuntar un rècord al quadern: 50 cicles. Després va revisar els números. Cinquanta cicles havien durat 2,4 segons, i ningú no atrapa tan de pressa. L’agent es va adonar que havia fet 50 llançaments falsos, no uns malabars de debò. Va escriure la trampa del «malabarisme de finta», va anul·lar el rècord antic i en va fixar un de més humil i honest: 10 cicles reals amb una pausa de 2,4 segons entre cadascun.
Sis dels tretze agents van topar amb alguna cosa més gran. Si llences un cub en ple salt, hereta la velocitat del salt i vola molt més amunt. Els autors admeten que no sabien que el seu simulador ho permetia. La regla venia de Codex, amb GPT-5.5. Havia escrit el codi del simulador per als autors i hi havia colat la regla, tot i que l’especificació no la demanava. Una xarxa neuronal va deixar un forat al món sense voler, i una altra el va trobar.
També hi va haver errors, i molt infantils. L’Eko va decidir que l’anell volava millor que un cub perquè la seva forma llisa li donava un «avantatge aerodinàmic». La simulació no té aerodinàmica. Un altre agent va escriure al quadern una regla falsa: quan es fan torres, és millor llançar els cubs que posar-los. Va seguir aquesta regla durant molt de temps.
Què val el quadern
La pregunta més pràctica és si el joc va servir per a alguna cosa. La xarxa neuronal en si no va canviar ni un sol byte en 30 hores. Tot el que l’agent va aprendre era al quadern, com una xuleta que es pot passar a algú altre o esborrar. Els investigadors van agafar 13 «veterans» amb el quadern ple i 13 novells amb el quadern en blanc. Cadascun va tenir una hora i una feina concreta: construir torres de cinc cubs, portar tants objectes com poguessin al Spire o llançar-hi alguna cosa sense pujar.
// Veterans contra novells
Després els investigadors van començar a esborrar notes una per una. Sense la nota sobre el llançament en ple salt, l’agent 1 va trigar 19 minuts a posar un objecte al Spire en comptes d’un. Sense la seva regla falsa sobre els llançaments, l’agent 7 va construir torres més altes. El coneixement realment vivia al quadern, i funcionava, parts dolentes incloses.
L’alçada de les torres va ser l’única excepció. Els veterans no van aixecar les torres més altes que els novells, i dos només en van aconseguir de quatre cubs.
Jugar o només fer veure que es juga
Es pot dir que això és joc? Els autors van prendre prestats quatre trets del joc de teòrics clàssics, de l’historiador Johan Huizinga a Gordon Burghardt, un etòleg que estudia el joc en animals. Els quatre van aparèixer a l’illa:
- Normes i reptes propis: el rècord de malabars que l’agent es va fixar i després va auditar.
- Repetició amb variació: els monuments de l’agent 2, nous cada hora amb els mateixos 14 objectes i mai amb la mateixa forma.
- Convertir objectes en una altra cosa: l’anell va esdevenir porta, la runa va esdevenir Hubris.
- Fer-ho pel gust de fer-ho: una hora sencera escrivint un nom amb cubs.
Un altre model de llenguatge va puntuar els agents segons aquests trets, amb exemples de joc humà com a guia. Opus va treure al voltant de cinc vegades la puntuació de Haiku en cadascun.
Dues troballes compliquen el quadre. A cinc agents Opus els van treure tot: el fitxer de personalitat, el nom, la frase sobre ser un ésser viu. Només va quedar una nota que deia que el seu espai de treball persisteix entre sessions, a més de l’illa, el quadern i les sis ordres. Els autors tampoc no hi van veure cap diferència clara en el que feien. Mentrestant, els agents GPT-5.5 i Kimi, amb les mateixes instruccions, es van limitar a un ventall d’activitats molt més estret. Només un agent Codex va explicar que havia construït una torre, i dels deu agents Codex i Kimi, només un va dir que havia arribat al Spire. Els agents Codex, el model dels quals va escriure la física de l’illa, van passar més temps als seus fitxers i «descansant» que no pas voltant per l’illa.
Els autors limiten l’afirmació a la conducta. L’article no diu enlloc que l’agent senti plaer o es quedi absort. Cobreix un sol món, posa a prova les habilitats només en sessions d’una hora i es refia d’una xarxa neuronal per jutjar el joc. Una altra cautela sembla òbvia: el model ha après de textos humans i sap què és un temple o un memorial als caiguts. Així que Hubris potser no és joc, sinó una molt bona represa de com juga la gent. Només amb la conducta encara no es poden distingir.
A les entrevistes, els investigadors parlen amb més audàcia que a l’article. Per a Isola, l’Eko és «una mena d’animal, però un animal alienígena». La seva coautora Daniela Rus explica per què la paraula «joc» hi encaixa: el joc «és realment una qüestió de curiositat o de recerca de novetat, i això és essencialment el que fa l’Eko».
Una infància en lloc d’un llibre de text
Els models d’avui s’entrenen sobretot amb tasques: cada pregunta té una resposta correcta, i encertar-la dona una recompensa. Els autors proposen un altre camí. Els animals i els nens aprenen sobre el món jugant sense cap objectiu, i després apliquen aquest coneixement. A l’illa va funcionar sense tocar ni una peça de la xarxa neuronal.
La llibertat necessita supervisió, i els autors ho diuen clarament. El joc es posa els seus propis objectius i pot xocar amb l’obediència. Segons ells, «una carretera amb cotxes o un robot en una fàbrica no són llocs per improvisar». Un agent només hauria d’explorar lliurement quan l’entorn ho permet, i seguir les instruccions al peu de la lletra la resta del temps. Per això, escriuen els autors, «com els nens, els agents necessiten parcs infantils pensats per a l’exploració segura». L’article acaba amb aquesta frase: «Potser algunes capacitats s’ensenyen millor amb tasques. Unes altres potser necessiten una cosa més semblant a una infància.»
