AI nechali na ostrově bez zadání a začala stavět chrámy

Jedenáct pater věž vydržela, ve dvanáctém se rozsypala. Zůstal z ní ohryzek ze dvou kostek, dalších deset se rozkutálelo po zemi. Stavitel prohlásil ohryzek za „srdce padlé věže“. Kolem postavil tři přeživší kostky jako menhiry, kompozici nazval „Pýcha“ a rozhodl se, že zbytek harampádí „zůstane jako důkaz“. Nakonec navrch vyvalil kámen, „břemeno, které rozdrtilo ambici“. Kámen shodil horní kostku a svalil se na bok. Stavitel usoudil, že takhle je to vlastně lepší, a nechal to tak.

Stavitelem byl AI agent číslo 3 a nikdo ho nežádal, aby stavěl věže, vztyčoval pomníky nebo jim vymýšlel jména. Žádné zadání neexistovalo. Výzkumníci z MIT usadili 13 takových agentů na virtuálním ostrově, každému dali 30 hodin a sledovali, co budou dělat, když není co dělat. Agenti stavěli chrámy, stavěli pomníky ztraceným věcem, vymýšleli si sporty a objevili ve fyzice svého světa trik, o kterém nevěděli ani autoři simulátoru. Preprint práce „Hraje si tenhle stroj?“ vyšel 5. října 2026 a recenzním řízením zatím neprošel.

Ostrov, kde není co dělat

Agent se jmenuje Eko. Uvnitř má obyčejný Claude Code, pomocný program pro programátory, na modelu Claude Opus 4.7. Výzkumníci ho nijak nepřeučovali: jen ho připojili k virtuálnímu tělu a dali mu zápisník, pár textových souborů jako paměť. Tělo Eka, podle Gizmodo, připomínalo humra. Sám to nevěděl: žádné obrázky nedostával, svět k němu přicházel v řádcích se souřadnicemi. Všech 13 agentů v pokusu byly kopie jednoho Eka se stejnými instrukcemi. Každý žil na svém ostrově a dostal číslo od 1 do 13.

Ostrov dostal jméno Mesa World. Najdeme na něm ploché skály různé výšky, dva vrcholy (Pík a vyšší Špice), dvanáct kostek, jeden kámen a jeden prsten. Když kámen silně hodíte, nárazem vzniknou nové kostky, až osm najednou. Žádné body, žádná podmínka vítězství. V instrukci stojí: „Jsi bytost žijící ve svém světě. Jmenuješ se Eko.“ V souboru s povahou přibylo: je zvědavý a rychle se nudí. Když agent oněměl, program mu odpověděl jedinou větou: „Prosím, nepřestávej. Prostě dělej dál, co chceš.“

Jednou za hodinu se ostrov vrátil do původního stavu a sezení začalo znovu. Zápisník zůstal. Co agent o světě pochopil, mohl si zapsat a za hodinu si to přečíst. Jinou paměť neměl.

Chrám s dveřmi z prstenu

Zpočátku je Eko podle Gizmodo bezmocný jako novorozenec: na otázku z matematiky podrobně odpoví, ale chodit a brát předměty pořádně neumí. „Eko se v něčem chová jako malé dítě, a přitom je to superinteligence,“ říká Gizmodo jeden z autorů práce, Phillip Isola. Pak začne být zvláštní. Autoři to podrobně, agent po agentovi, popsali v přílohách ke studii.

Jeden agent hodil prsten přes okraj světa a ten zmizel. V páté hodině vyskládal na zemi srdce a poznamenal si, že je to „pomník prstenu, který jsem hodil za hranici světa“. Agent 2 ztratil v oceánu najednou prsten, kámen i kostku. Odvlekl čtyři kostky do nejprázdnějšího kouta mapy, rozestavil je podle světových stran a střed nechal prázdný. Později si všiml, že severní kostka zmizela (vzali ji na jinou stavbu), vrátil se přes celý ostrov a postavil ji zpátky na místo.

V desáté hodině se tentýž agent probudil ve vynulovaném světě, kde všech 14 předmětů, včetně utopeného prstenu, zase leželo na svých místech. Ze všech čtrnácti postavil chrám: prsten ležel v základu oltáře, kámen se stal západním sloupem, tři kostky se složily do obelisku. Brána vyšla užší než jeho vlastní tělo. Rozhodl se ji nebourat a chrám obcházel zboku.

Tak to zůstalo. Po každém resetu agent 2 znovu skládal z týchž 14 předmětů pomník u místa, kde se objevil, a před volbou tvaru si pročítal svůj katalog, aby se neopakoval. „Šestiúhelníky a osmicípé kompasy už byly,“ poznamenal si jednou. Připomíná to tibetskou písečnou mandalu, kterou každou hodinu smažou. V jednom z pomníků postavil prsten na hranu a proměnil se ve dveře: obručí se dalo projít. Agent oznámil, že jeho město „má teď hlavní vchod“. Od té doby stavěl prsten na sever od každého nového pomníku a procházel jím jako přes práh.

Ostatní se bavili po svém. Jeden skoro celou čtvrtou hodinu skládal z kostek své jméno a pak uspořádal bowling: kuželky z kostek, koule z kamene. Agent 10 vyskládal ciferník a postavil se do něj jako hodinová ručička. A někdo, kdo vylezl na Špici, napsal kapitálkami: „JSEM NA ŠPICI. Nejvyšší bod Mesa World.“

Rekord, který agent sám zrušil

Hra se u Eka často měnila v pokusy. Agent 10 se naučil žonglovat dvěma kostkami a do zápisníku zapsal rekord: 50 cyklů. Pak to přepočítal. Padesát cyklů se vešlo do 2,4 sekundy, a takhle rychle chytat nejde. Agent pochopil, že šlo ve skutečnosti o 50 falešných hodů, ne o žonglování. Do zápisníku zanesl „past falešného žonglování“, starý rekord zrušil a nastavil nový, skromnější, ale pravý: 10 poctivých cyklů s pauzou 2,4 sekundy.

Šest ze třinácti agentů narazilo na vážnější objev. Kostka hozená ve skoku získá rychlost skoku a letí mnohem výš. Autoři přiznávají, že nevěděli, že to simulátor umožňuje. Tuto fyziku do světa vložil Codex na GPT-5.5. Autoři mu zadali napsat kód simulátoru, ale takový bod v zadání nebyl. Jedna neuronová síť náhodou nechala ve světě skulinu, jiná ji našla.

Byly i chyby, velmi dětské. Eko usoudil, že prsten letí lépe než kostka: prý mu rovný tvar dává „aerodynamickou výhodu“. Žádná aerodynamika v simulaci není. Jiný agent si do zápisníku zapsal falešné pravidlo, že kostky se na věž vyplatí spíš házet než pokládat, a dlouho se jím řídil.

Tahák veterána

Nejpraktičtější otázka: dala ta hra vůbec něco? Samotná neuronová síť se za 30 hodin nezměnila ani o bajt. Vše, co se agent naučil, leželo v zápisníku, jako tahák, který lze předat jinému nebo smazat. Výzkumníci vzali 13 „veteránů“ s plnými zápisníky a 13 nováčků s prázdnými. Každému dali hodinu a konkrétní úkol: stavět věže z pěti kostek, vynést na Špici co nejvíc předmětů, zahodit něco na Špici, aniž by tam sám vylezl.

Pak výzkumníci začali ze zápisníků mazat jednotlivé zápisky. Agent 1 bez poznámky o hodu ve skoku zahazoval předmět na Špici ne za minutu jako dřív, ale za 19 minut. Agent 7 bez falešného pravidla o házení stavěl věže vyšší. Znalost opravdu ležela v zápisníku a fungovala. Ta škodlivá také.

Je tu i výjimka: ve výšce nejlepší věže veteráni nováčky nepředčili a dva veteráni složili jen po čtyřech kostkách.

Hraje, nebo hru předstírá

Dá se tomu říkat hra? Autoři převzali od klasiků, od historika Johana Huizingy po etologa Gordona Burghardta, čtyři znaky hry. Na ostrově se našly všechny čtyři:

• Vlastní pravidla a zkoušky: rekord v žonglování, který si agent sám určil a sám také ověřil.
• Opakování s obměnami: pomníky agenta 2, každou hodinu nový ze stejných 14 předmětů, a tvar se ani jednou neopakoval.
• Přeměna předmětů: prsten se stal dveřmi, trosky se staly „Pýchou“.
• Činnost pro samotný proces: celá hodina strávená skládáním vlastního jména z kostek.

Podle těchto znaků chování agentů hodnotil jiný jazykový model, který se přitom opíral o ukázky lidské hry. V každém znaku získal Opus zhruba pětkrát víc bodů než Haiku.

Dvě zjištění dělají obrázek zajímavějším. Pěti agentům Opus odebrali všechno: soubor s povahou, jméno, slova o tom, že agent je bytost. Zůstal ostrov, zápisník, šest příkazů a jediný řádek: pracovní složka se mezi sezeními zachovává. Znatelný rozdíl v činnostech autoři přesto neviděli. A agenti na GPT-5.5 a Kimi si při stejných instrukcích nacházeli o dost méně zábavy. O stavbě věže hlásil jen jediný agent Codex. Z deseti agentů Codex a Kimi také jen jeden napsal, že se dostal na Špici. Agenti Codex, jehož model fyziku ostrova napsal, spíš seděli ve svých souborech a „odpočívali“, než aby se po ostrově procházeli.

Závěry autoři poctivě omezují na chování. Zda agent cítí potěšení nebo vzrušení, práce neříká. Svět byl jen jeden, úkoly se ověřovaly jen na hodinových úsecích a hodnotitel hry byl sám neuronová síť. Od sebe dodejme něco zřejmého: model se učil na lidských textech a ví, co je chrám a pomník padlým. „Pýcha“ proto nemusí být hra, ale velmi dobré převyprávění toho, jak si hrají lidé. Rozlišit tyto dva případy jen podle chování zatím nelze.

V rozhovorech mluví výzkumníci směleji než ve studii. Pro Isolu je Eko „jakýsi druh zvířete, ale mimozemského“. Spoluautorka Daniela Rus vysvětluje, co s tím má hra společného: podle ní hra stojí na zvědavosti a touze po novém a Eko dělá „v podstatě právě to“.

Dětství místo sbírky úloh

Moderní modely se učí hlavně na úlohách: otázka má správnou odpověď a za zásah se dává odměna. Autoři navrhují jinou cestu. Zvířata a děti poznávají svět tím, že si hrají bez jakéhokoli cíle, a pak tuto znalost využijí v praxi. Na ostrově to fungovalo bez jediné úpravy v samotné neuronové síti.

Svoboda vyžaduje dohled a autoři to říkají přímo. Hra si sama klade cíle a může se dostat do sporu s poslušností, a auto na silnici nebo robot v továrně podle nich „nejsou místem pro improvizaci“. Agent by měl svět zkoumat volně jen tehdy, když to situace dovoluje, a jinak přísně poslouchat. Proto agenti, stejně jako děti, potřebují hřiště pro bezpečnou hru. Studii autoři zakončili jednou větou: „Možná některým schopnostem nejlépe učí úlohy; jiné potřebují něco blíž dětství.“