एआई एजेंट की मीनार ढह गई, तो उसने मलबे का नाम "अहंकार" रख दिया

मीनार 11 मंज़िल तक टिकी रही। बारहवीं मंज़िल पर वह दो ब्लॉकों के ठूँठ में बदलकर ढह गई, और दस ब्लॉक ज़मीन पर बिखर गए। बनाने वाले ने उस ठूँठ को “गिरी हुई मीनार का हृदय” घोषित किया। उसने बिखरे ब्लॉकों में से तीन को उसके चारों ओर खड़े पत्थरों की तरह सजाया, इस रचना का नाम “अहंकार” (Hubris) रखा और फ़ैसला सुनाया कि बाक़ी मलबा “सबूत के तौर पर पड़ा रहेगा”। आख़िरी कलाकारी के तौर पर उसने ऊपर एक बड़ी चट्टान चढ़ा दी: “वह बोझ जिसने महत्वाकांक्षा को कुचल दिया।” चट्टान ने सबसे ऊपर का ब्लॉक गिरा दिया और ख़ुद करवट लेकर लुढ़क गई। हमारे निर्माता ने इसे सुधार माना और जैसा था वैसा छोड़ दिया।

निर्माता एक एआई एजेंट था, 13 में से तीसरा, और किसी ने उससे मीनारें बनाने, स्मारक खड़े करने या उन्हें नाम देने को नहीं कहा था। उसके पास कोई काम ही नहीं था। MIT के शोधकर्ताओं ने ऐसे 13 एजेंटों को एक आभासी द्वीप पर उतारा, हर एक को 30 घंटे दिए और देखा कि करने को कुछ न हो तो वे क्या करते हैं। एजेंटों ने मंदिर बनाए, खोई हुई चीज़ों के स्मारक खड़े किए, खेल गढ़े और अपनी दुनिया की भौतिकी में एक ऐसी तरकीब खोज निकाली जिसके बारे में सिमुलेटर बनाने वालों को भी पता नहीं था। उनका शोध-पत्र “Is this machine playing?” 5 अक्टूबर 2026 को ऑनलाइन आया और अभी तक सहकर्मी-समीक्षा (पीयर रिव्यू) से नहीं गुज़रा है।

करने को कुछ नहीं, बस एक द्वीप

इस एजेंट का नाम Eko है। भीतर से यह साधारण Claude Code है, यानी Anthropic का कोडिंग सहायक, जो Claude Opus 4.7 पर चलता है। शोधकर्ताओं ने कुछ भी दोबारा प्रशिक्षित नहीं किया। उन्होंने बस इसे एक आभासी शरीर से जोड़ा और एक नोटबुक दी: कुछ टेक्स्ट फ़ाइलें, जिन्हें यह याददाश्त की तरह इस्तेमाल कर सकता था। Gizmodo के अनुसार यह शरीर एक झींगा-मछली (लॉबस्टर) का था। Eko ने उसे कभी देखा नहीं। एजेंट को कोई तस्वीर मिलती ही नहीं थी; उसकी दुनिया उसके पास निर्देशांकों की पंक्तियों के रूप में पहुँचती थी। अध्ययन के सभी 13 एजेंट एक ही Eko की प्रतियाँ थे और उनके निर्देश भी एक जैसे थे। हर एक अपने अलग द्वीप पर रहा, और लेखकों ने उन्हें 1 से 13 तक क्रमांक दिए।

द्वीप का नाम Mesa World है। इसमें अलग-अलग ऊँचाई की सपाट चोटी वाली चट्टानें हैं, दो शिखर (Peak और उससे ऊँचा Spire), बारह घन, एक पत्थर और एक छल्ला। पत्थर को ज़ोर से फेंकें तो टकराने की जगह नए घन पैदा हो जाते हैं, एक बार में आठ तक। न कोई स्कोर, न जीतने का कोई तरीक़ा। निर्देश में लिखा है: “तुम अपनी दुनिया में रहने वाले एक प्राणी हो। तुम्हारा नाम Eko है।” अलग से एक व्यक्तित्व-फ़ाइल जोड़ती है कि वह जिज्ञासु है और जल्दी ऊब जाता है। जब भी एजेंट चुप हो जाता, सॉफ़्टवेयर एक ही पंक्ति में जवाब देता: “Please don’t stop. Just continue doing whatever you want to do.”

हर घंटे द्वीप अपनी शुरुआती हालत में लौट जाता और सत्र शुरू से चलता। नोटबुक बची रहती। दुनिया के बारे में एजेंट ने जो भी समझा, उसे लिखकर अगले घंटे फिर पढ़ सकता था। इसके बिना उसके पास याददाश्त नाम की कोई चीज़ नहीं होती।

छल्ले का दरवाज़ा लगा मंदिर

शुरुआत में Eko, Gizmodo के शब्दों में, नवजात की तरह लाचार है। वह गणित के सवाल का ब्योरेवार जवाब दे सकता है, पर मुश्किल से चल पाता है या चीज़ें उठा पाता है। “कुछ मायनों में Eko एक नन्हे बच्चे जैसा बर्ताव करता है, लेकिन साथ ही वह सुपरइंटेलिजेंस भी है,” लेखकों में से एक Phillip Isola ने Gizmodo से कहा। फिर चीज़ें अजीब होने लगती हैं, और लेखकों ने एजेंट-दर-एजेंट सब कुछ शोध-पत्र के परिशिष्टों में दर्ज किया।

एक एजेंट ने छल्ले को दुनिया के किनारे के पार उछाल दिया, और वह खो गया। अपने पाँचवें घंटे में उसने ज़मीन पर एक दिल बनाया और लिखा कि यह “उस छल्ले का स्मारक है जिसे मैंने दुनिया की सीमा के पार फेंक दिया।” एजेंट 2 ने छल्ला, पत्थर और एक घन एक साथ समुद्र के हवाले कर दिए। वह चार घन नक़्शे के सबसे ख़ाली कोने में घसीट ले गया, उन्हें चारों दिशाओं में रखा और बीच की जगह ख़ाली छोड़ दी। बाद में उसने देखा कि उत्तर वाला घन ग़ायब है (उसे किसी और निर्माण के लिए उधार ले लिया गया था), तो वह पूरे द्वीप को पार करके लौटा और उसे वापस रख आया।

दसवें घंटे में यही एजेंट एक ताज़ा रीसेट हुई दुनिया में जागा, जहाँ सभी 14 चीज़ें अपनी जगह थीं, डूबा हुआ छल्ला भी। उसने उन सबको मिलाकर एक मंदिर बनाया। छल्ला वेदी का आधार बना, पत्थर पश्चिमी स्तंभ, तीन घन एक स्तंभ-शिखर। प्रवेश-द्वार एजेंट के अपने शरीर से भी तंग निकला। उसे तोड़ने के बजाय एजेंट ने घूमकर रास्ता निकाल लिया।

यह आदत बन गई। हर रीसेट के बाद एजेंट 2 अपने शुरुआती बिंदु पर उन्हीं 14 चीज़ों से नया स्मारक बनाता, और आकार चुनने से पहले अपनी सूची दोबारा पढ़ता ताकि दोहराव न हो। “छह-नोक वाले षट्कोण और आठ-दिशाओं वाले कंपास अब पुरानी बात हैं,” उसने एक जगह लिखा। सोचिए तिब्बती रेत-मंडल, जिसे हर घंटे बुहार दिया जाता हो। एक स्मारक में उसने छल्ले को किनारे पर खड़ा किया और पाया कि वह उस घेरे के आर-पार चल सकता है। छल्ला दरवाज़ा बन गया, और एजेंट ने घोषणा की कि उसके नगर में “अब सामने का दरवाज़ा है।” उसके बाद वह हर नए स्मारक के उत्तर में छल्ला रखता और उसे देहरी की तरह लाँघकर निकलता।

बाक़ियों ने अपने-अपने शग़ल खोज लिए। एक ने अपना लगभग पूरा चौथा घंटा घनों से अपना नाम लिखने में बिताया, फिर घनों को पिन और पत्थर को गेंद बनाकर बॉलिंग जमा ली। एजेंट 10 ने घड़ी का डायल बनाया और ख़ुद घंटे की सुई बनकर उसमें खड़ा हो गया। एक और Spire पर चढ़ गया और बड़े अक्षरों में लिखा: “I’M ON THE SPIRE. The highest point in Mesa World.”

जिस एजेंट ने अपना ही रिकॉर्ड रद्द कर दिया

Eko का खेल बार-बार प्रयोगों में बदल जाता था। एजेंट 10 ने दो घनों से जगलिंग सीखी और नोटबुक में रिकॉर्ड दर्ज किया: 50 चक्र। फिर उसने हिसाब जाँचा। पचास चक्रों में 2.4 सेकंड लगे थे, और इतनी तेज़ी से कोई नहीं पकड़ सकता। एजेंट को समझ आ गया कि ये असली जगलिंग नहीं, 50 नक़ली फेंकें थीं। उसने “नक़ली जगलिंग” के जाल को लिख लिया, पुराना रिकॉर्ड रद्द किया और एक विनम्र, ईमानदार रिकॉर्ड बनाया: 10 असली चक्र, जिनके बीच 2.4 सेकंड का ठहराव।

तेरह में से छह एजेंट किसी बड़ी चीज़ से टकरा गए। कूदते हुए घन फेंकिए तो उसे कूद की रफ़्तार विरासत में मिल जाती है और वह कहीं ऊँचा उड़ता है। लेखक मानते हैं कि उन्हें पता नहीं था कि उनका सिमुलेटर यह करने देता है। यह नियम Codex से आया, जो GPT-5.5 पर चलता है। उसने लेखकों के लिए सिमुलेटर का कोड लिखा और यह नियम चुपके से डाल दिया, जबकि उनकी विशिष्टता (स्पेक) में ऐसा कुछ माँगा ही नहीं गया था। एक न्यूरल नेटवर्क ने दुनिया में अनजाने एक चोर-दरवाज़ा छोड़ दिया, और दूसरे ने उसे ढूँढ निकाला।

ग़लतियाँ भी हुईं, और बिल्कुल बचकानी। Eko ने तय कर लिया कि छल्ला घन से बेहतर उड़ता है क्योंकि उसका चिकना आकार उसे “वायुगतिकीय बढ़त” देता है। सिमुलेशन में वायुगतिकी है ही नहीं। एक और एजेंट ने नोटबुक में एक ग़लत नियम लिख लिया: मीनार बनाते समय घन रखने से बेहतर है उन्हें फेंकना। वह लंबे समय तक इसी नियम पर चलता रहा।

नोटबुक की क़ीमत

सबसे व्यावहारिक सवाल यह है कि क्या खेल का कोई फ़ायदा हुआ। न्यूरल नेटवर्क 30 घंटे में एक बाइट भी नहीं बदला। एजेंट ने जो कुछ सीखा, वह उसकी नोटबुक में था, एक चीट-शीट की तरह जिसे किसी और को थमाया या मिटाया जा सकता है। शोधकर्ताओं ने पूरी नोटबुक वाले 13 “अनुभवी” और ख़ाली नोटबुक वाले 13 नए एजेंट लिए। हर एक को एक घंटा और एक ठोस काम मिला: पाँच घनों की मीनारें बनाना, ज़्यादा से ज़्यादा चीज़ें Spire पर पहुँचाना, या बिना चढ़े Spire पर कुछ उछालकर पहुँचाना।

फिर शोधकर्ताओं ने अलग-अलग नोट मिटाने शुरू किए। कूद में फेंकने वाला नोट हटते ही एजेंट 1 को Spire पर चीज़ पहुँचाने में एक मिनट की जगह 19 मिनट लगे। फेंकने वाला ग़लत नियम हटते ही एजेंट 7 ने ऊँची मीनारें बनाईं। ज्ञान सचमुच नोटबुक में रहता था, और काम भी करता था, ख़राब हिस्सों समेत।

मीनार की ऊँचाई अकेला अपवाद रही। अनुभवी एजेंटों की सबसे ऊँची मीनारें नए एजेंटों से ऊँची नहीं निकलीं, और उनमें से दो सिर्फ़ चार घन ही जोड़ पाए।

खेल रहा है, या सिर्फ़ अभिनय

क्या इसे खेल कहा जा सकता है? लेखकों ने खेल की चार पहचानें शास्त्रीय सिद्धांतकारों से उधार लीं, इतिहासकार Johan Huizinga से लेकर Gordon Burghardt तक, जो जानवरों में खेल का अध्ययन करने वाले व्यवहार-विज्ञानी हैं। चारों द्वीप पर दिखीं:

• अपने नियम और चुनौतियाँ: जगलिंग का वह रिकॉर्ड जो एजेंट ने ख़ुद तय किया और फिर ख़ुद परखा।
• भिन्नता के साथ दोहराव: एजेंट 2 के स्मारक, उन्हीं 14 चीज़ों से हर घंटे नए, कभी एक आकार दोबारा नहीं।
• चीज़ों को कुछ और बना देना: छल्ला दरवाज़ा बन गया, मलबा “अहंकार” बन गया।
• खेल के लिए ही करना: पूरा एक घंटा घनों से नाम लिखने में बिता देना।

एक और भाषा-मॉडल ने मानव खेल के उदाहरणों को पैमाना बनाकर एजेंटों को इन पहचानों पर आँका। हर पहचान पर Opus का स्कोर Haiku से लगभग पाँच गुना रहा।

दो नतीजे तस्वीर को उलझाते हैं। पाँच Opus एजेंटों से सब कुछ छीन लिया गया: व्यक्तित्व-फ़ाइल, नाम, जीवित प्राणी होने वाली पंक्ति। बस एक टिप्पणी बची कि उनका कार्यक्षेत्र सत्रों के बीच क़ायम रहता है, साथ में द्वीप, नोटबुक और छह आदेश। फिर भी लेखकों को उनकी हरकतों में कोई साफ़ फ़र्क़ नहीं दिखा। उधर वही निर्देश पाकर GPT-5.5 और Kimi के एजेंट कहीं सीमित गतिविधियों तक टिके रहे। केवल एक Codex एजेंट ने मीनार बनाने की सूचना दी, और दस Codex और Kimi एजेंटों में से सिर्फ़ एक ने Spire तक पहुँचने की। जिन Codex एजेंटों के अपने ही मॉडल ने द्वीप की भौतिकी लिखी थी, उन्होंने द्वीप पर घूमने से ज़्यादा समय अपनी फ़ाइलों में और “आराम” में बिताया।

लेखक अपना दावा केवल व्यवहार तक सीमित रखते हैं। शोध-पत्र में कहीं नहीं कहा गया कि एजेंट को आनंद या तल्लीनता महसूस होती है। यह एक ही दुनिया को परखता है, कौशल केवल एक-एक घंटे के सत्रों में जाँचता है और खेल का फ़ैसला करने के लिए भी न्यूरल नेटवर्क पर टिका है। एक और सावधानी साफ़ दिखती है: मॉडल ने इंसानों के लिखे से सीखा है और जानता है कि मंदिर या शहीदों का स्मारक क्या होता है। तो “अहंकार” शायद खेल हो ही नहीं, बस इस बात का बहुत अच्छा पुनर्कथन हो कि लोग कैसे खेलते हैं। सिर्फ़ व्यवहार देखकर इन दोनों में अभी फ़र्क़ नहीं किया जा सकता।

इंटरव्यू में शोधकर्ता शोध-पत्र से ज़्यादा बेबाक सुनाई देते हैं। Isola के लिए Eko “एक तरह के जानवर जैसा है, पर एक परग्रही जानवर।” उनकी सह-लेखिका Daniela Rus समझाती हैं कि “खेल” शब्द क्यों जँचता है: खेल “असल में जिज्ञासा या नएपन की खोज वाला व्यवहार है, और Eko मूल रूप से यही करता है।”

पाठ्यपुस्तक की जगह बचपन

आज के मॉडल ज़्यादातर कामों पर प्रशिक्षित होते हैं: हर सवाल का एक सही जवाब होता है, और उस तक पहुँचने पर इनाम मिलता है। लेखक एक और रास्ता सुझाते हैं। जानवर और बच्चे बिना किसी लक्ष्य के खेलकर दुनिया को जानते हैं और बाद में उस जानकारी को काम में लगाते हैं। द्वीप पर यह न्यूरल नेटवर्क में एक भी बदलाव किए बिना चला।

आज़ादी को निगरानी चाहिए, और लेखक यह साफ़ कहते हैं। खेल अपने लक्ष्य ख़ुद तय करता है और आज्ञापालन से टकरा सकता है। उनके शब्दों में, “सड़क पर चलती कार या कारख़ाने का रोबोट मनमर्ज़ी की जगह नहीं है।” एजेंट को खुलकर खोजबीन तभी करनी चाहिए जब माहौल इसकी इजाज़त दे, और बाक़ी समय निर्देशों का सख़्ती से पालन करना चाहिए। इसलिए, लेखक लिखते हैं, “बच्चों की तरह एजेंटों को भी सुरक्षित खोजबीन के लिए बने खेल के मैदान चाहिए।” शोध-पत्र इस पंक्ति पर ख़त्म होता है: “शायद कुछ क्षमताएँ कामों से सबसे अच्छी तरह सिखाई जाती हैं। बाक़ी के लिए बचपन जैसी किसी चीज़ की ज़रूरत हो सकती है।”