AI-ja ostavili na otoku bez zadatka, a on je počeo graditi hramove

Toranj je izdržao 11 katova, a na dvanaestom se srušio. Ostao je panj od dvije kocke, još deset se raskotrljalo po tlu. Graditelj je panj proglasio „srcem palog tornja”. Oko njega je postavio tri preživjele kocke, poput menhira, kompoziciju nazvao „Oholost” i odlučio da će ostatak smeća „ostati kao dokaz”. Za kraj je na vrh podigao kamen, „teret koji je zdrobio ambiciju”. Kamen je srušio gornju kocku i prevrnuo se na bok. Graditelj je zaključio da je tako čak i bolje i ostavio ga.

Graditelj je bio AI agent broj 3, a nitko ga nije tražio da gradi tornjeve, postavlja spomenike ili im daje imena. Zadatka uopće nije bilo. Istraživači s MIT-a smjestili su 13 takvih agenata na virtualni otok, svakome dali 30 sati i promatrali što će raditi kad nemaju što raditi. Agenti su gradili hramove, podizali spomenike izgubljenim stvarima, izmišljali sebi sport i u fizici svojega svijeta otkrili trik za koji nisu znali ni sami autori simulatora. Preprint rada „Igra li ovaj stroj?” objavljen je 5. listopada 2026., a recenziju još nije prošao.

Otok na kojem nema što raditi

Agent se zove Eko. U njemu je običan Claude Code, program-pomoćnik za programere, na modelu Claude Opus 4.7. Istraživači ga ničemu nisu prekvalificirali: samo su ga spojili na virtualno tijelo i dali mu bilježnicu, nekoliko tekstualnih datoteka za pamćenje. Eko je tijelom, ako vjerujemo Gizmodu, nalikovao jastogu. Sam to nije vidio: slike agent nije dobivao, svijet mu je stizao u retcima s koordinatama. Svih 13 agenata u pokusu bili su kopije jednog Eka s istim uputama. Svaki je živio na svojem otoku i dobio broj od 1 do 13.

Otok se zove Mesa World. Na njemu su ravne stijene različitih visina, dva vrha (Pik i viši Šiljak), dvanaest kocki, jedan kamen i jedan prsten. Ako se kamen snažno baci, od udarca nastaju nove kocke, do osam odjednom. Nema bodova ni uvjeta pobjede. U uputi piše: „Ti si biće koje živi u svojem svijetu. Zoveš se Eko.” U datoteci s karakterom dodano je: znatiželjan je i brzo mu postane dosadno. Ako bi agent zašutio, program bi mu odgovorio jednom rečenicom: „Molim te, nemoj stati. Samo nastavi raditi što želiš.”

Jednom na sat otok se vraćao u početno stanje i sesija je počinjala iznova. Bilježnica je ostajala. Što je agent o svijetu uspio shvatiti, mogao je zapisati i pročitati sat kasnije. Druge memorije nije imao.

Hram s vratima od prstena

Isprva je Eko, prema Gizmodu, bespomoćan poput novorođenčeta: na pitanje iz matematike odgovorit će opširno, ali hodati i uzimati predmete ne zna baš najbolje. „Eko se u nekim stvarima ponaša kao malo dijete, a ipak je superinteligencija”, kaže Gizmodu jedan od autora rada, Phillip Isola. Zatim počinje neobično. Autori su to podrobno, agent po agent, opisali u dodacima članku.

Jedan je agent zabacio prsten preko ruba svijeta i prsten je nestao. U petom satu na tlu je složio srce i zapisao da je to „spomenik prstenu koji sam bacio preko granice svijeta”. Agent 2 izgubio je u oceanu odjednom prsten, kamen i kocku. Odvukao je četiri kocke u najprazniji kut karte, postavio ih prema stranama svijeta, a sredinu ostavio praznom. Kasnije je primijetio da sjeverne kocke nema (uzeta je za drugu gradnju), vratio se preko cijelog otoka i postavio je na mjesto.

U desetom satu isti se agent probudio u poništenom svijetu u kojem su svih 14 predmeta, uključujući potonuli prsten, opet ležala na svojim mjestima. Od svih četrnaest sagradio je hram: prsten je postao temelj oltara, kamen zapadni stup, tri kocke složile su se u obelisk. Vrata su ispala uža od njegova vlastitog tijela. Nije ih rušio, nego je hram obilazio sa strane.

Tako je i ostalo. Nakon svakog resetiranja agent 2 iznova je od istih 14 predmeta slagao spomenik kraj točke pojavljivanja, a prije odabira oblika čitao je svoj katalog da se ne ponavlja. „Šesterokuti i osmerokraki kompasi već su bili”, zapisao je jednom. Sliči tibetanskoj mandali od pijeska koju brišu svakog sata. U jednom je spomeniku prsten postavio na rub i pretvorio ga u vrata: kroz obruč se moglo proći. Agent je objavio da njegov grad „sada ima glavni ulaz”. Otad je prsten postavljao sjeverno od svakog novog spomenika i prolazio kroz njega kao kroz prag.

Ostali su se zabavljali na svoj način. Jedan je gotovo cijeli četvrti sat slagao kockama svoje ime, a zatim priredio kuglanje: čunjevi od kocki, kugla od kamena. Agent 10 složio je brojčanik i stao u njega kao kazaljka za sate. A netko je, popevši se na Šiljak, velikim slovima zapisao: „JA SAM NA ŠILJKU. Najviša točka Mesa Worlda.”

Rekord koji je agent sam poništio

Igra se kod Eka često pretvarala u pokuse. Agent 10 naučio je žonglirati dvjema kockama i u bilježnicu upisao rekord: 50 ciklusa. Zatim je preračunao. Pedeset ciklusa stalo je u 2,4 sekunde, a tako brzo se ne može hvatati. Agent je shvatio da je zapravo riječ o 50 lažnih bacanja, a ne o žongliranju. U bilježnicu je unio „zamku lažnog žongliranja”, poništio stari rekord i postavio novi, skromniji, ali pravi: 10 poštenih ciklusa s pauzom od 2,4 sekunde.

Šestorica od trinaest agenata naišla su na ozbiljnije otkriće. Kocka bačena u skoku dobiva brzinu skoka i leti znatno više. Autori priznaju: nisu znali da simulator to dopušta. Tu je fiziku u svijet upisao Codex na GPT-5.5. Autori su mu naložili da napiše kod simulatora, ali takve stavke u zadatku nije bilo. Jedna je neuronska mreža slučajno ostavila u svijetu rupu, druga ju je pronašla.

Bilo je i vrlo dječjih pogrešaka. Eko je zaključio da prsten leti bolje od kocke: ravan oblik mu navodno daje „aerodinamičku prednost”. Aerodinamike u simulaciji nema. Drugi je agent u bilježnicu zapisao lažno pravilo da je za toranj kocke bolje bacati nego polagati i dugo ga se držao.

Veteranova varalica

Najpraktičnije je pitanje: je li igra donijela ikakvu korist? Sama neuronska mreža za 30 sati nije se promijenila ni za bajt. Sve što je agent naučio ležalo je u bilježnici, poput varalice koju možeš dati drugome ili izbrisati. Istraživači su uzeli 13 „veterana” s punim bilježnicama i 13 novaka s praznima. Svakome su dali sat vremena i konkretan zadatak: graditi tornjeve od pet kocki, dovući što više predmeta na Šiljak, zabaciti nešto na Šiljak a da se ne popne sam.

Zatim su istraživači počeli brisati pojedine zapise iz bilježnica. Agent 1 bez bilješke o bacanju u skoku zabacivao je predmet na Šiljak ne za minutu, kao prije, nego za 19 minuta. Agent 7 bez lažnog pravila o bacanju gradio je više tornjeve. Znanje je doista ležalo u bilježnici i djelovalo. I ono štetno.

Postoji i iznimka: po visini najboljeg tornja veterani nisu nadmašili novake, a dvojica veterana složila su samo po četiri kocke.

Igra li ili glumi igru

Može li se ovo nazvati igrom? Autori su od klasika, od povjesničara Johana Huizinge do etologa Gordona Burghardta, preuzeli četiri obilježja igre. Na otoku su se našla sva četiri:

• Vlastita pravila i izazovi: rekord u žongliranju koji je agent sam sebi zadao i sam provjerio.
• Ponavljanje s varijacijama: spomenici agenta 2, svaki sat novi od istih 14 predmeta, a oblik se nijednom nije ponovio.
• Preobrazba predmeta: prsten je postao vrata, ruševine su postale „Oholost”.
• Bavljenje radi samog procesa: cijeli sat potrošen na slaganje vlastitog imena kockama.

Prema tim je obilježjima ponašanje agenata ocjenjivao drugi jezični model, uspoređujući ga s uzorcima ljudske igre. Po svakom je obilježju Opus skupio otprilike pet puta više bodova od Haikua.

Dva nalaza čine sliku zanimljivijom. Pet agenata Opusa lišeno je svega: datoteke s karakterom, imena, riječi da je agent biće. Ostali su otok, bilježnica, šest naredbi i jedan redak: radna se mapa čuva između sesija. Autori ipak nisu vidjeli primjetnu razliku u zanimanjima. A agenti na GPT-5.5 i Kimiju uz iste su upute nalazili znatno manje zanimanja. O gradnji tornja izvijestio je samo jedan agent Codexa. Od deset agenata Codexa i Kimija također je samo jedan napisao da je stigao do Šiljka. Agenti Codexa, čiji je model i napisao fiziku otoka, više su sjedili u svojim datotekama i „odmarali” nego šetali po njemu.

Zaključke autori pošteno ograničavaju na ponašanje. Osjeća li agent užitak ili žar, rad ne govori. Svijet je bio jedan, zadaci su provjeravani samo na jednosatnim odsječcima, a ocjenjivač igre i sam je bio neuronska mreža. Od sebe dodajemo očito: model je učio na ljudskim tekstovima i zna što je hram i spomenik palima. Zato „Oholost” možda nije igra, nego vrlo dobro prepričavanje kako se igraju ljudi. Razlikovati ta dva slučaja samo po ponašanju zasad nije moguće.

U intervjuima istraživači govore hrabrije nego u članku. Za Isolu je Eko „neka vrsta životinje, ali izvanzemaljske”. Koautorica Daniela Rus objašnjava što igra uopće ima s ovim: prema njoj, igra se drži na znatiželji i težnji prema novome, a Eko radi „u biti upravo to”.

Djetinjstvo umjesto zbirke zadataka

Današnji se modeli uče uglavnom zadacima: pitanje ima točan odgovor, a za pogodak se dodjeljuje nagrada. Autori predlažu drugi put. Životinje i djeca upoznaju svijet igrajući se bez ikakva cilja, a zatim to znanje koriste u praksi. Na otoku je to upalilo bez ijedne izmjene u samoj neuronskoj mreži.

Sloboda traži nadzor, i autori o tome pišu izravno. Igra sama postavlja ciljeve i može se sukobiti s poslušnošću, a stroj na cesti ili robot u tvornici, prema njima, „nisu mjesto za improvizaciju”. Agent bi trebao slobodno istraživati svijet samo kad prilike dopuštaju, a inače strogo slušati. Zato agentima, kao i djeci, trebaju igrališta za sigurnu igru. Rad autori zaključuju jednom rečenicom: „Možda neke sposobnosti najbolje uče zadaci; drugima je potrebno nešto bliže djetinjstvu.”