Összedőlt az MI-ügynök tornya, a romokat Gőgnek nevezte el

A torony tizenegy emeletig bírta. A tizenkettediken két kockás csonkká omlott, tíz kocka szétszóródott a földön. Az építő a csonkot „egy elesett torony szívének” nevezte ki. A szétszórt kockák közül hármat állókőként állított köré, a művet elnevezte Gőgnek, a maradék romról pedig kijelentette, hogy az „bizonyítékként marad”. Befejezésül egy sziklát emelt a tetejére: „a súly, amely összetörte az ambíciót”. A szikla lelökte a legfelső kockát, és oldalára billent. Építőnk ezt javításnak ítélte, és nem nyúlt hozzá többet.

Az építő egy MI-ügynök volt, a tizenhárom közül a harmadik, és senki nem kérte tőle, hogy tornyot építsen, emlékművet állítson vagy nevet adjon bárminek. Semmilyen feladata nem volt. Az MIT kutatói tizenhárom ilyen ügynököt tettek egy virtuális szigetre, mindegyiknek harminc órát adtak, és figyelték, mit kezdenek a tétlenséggel. Az ügynökök templomokat építettek, emlékművet állítottak az elveszett tárgyaknak, sportokat találtak ki, és rábukkantak a világuk fizikájának egy fogására, amelyről a szimulátor készítői sem tudtak. A „Is this machine playing?” című tanulmány 2026. október 5-én jelent meg online, és még nem esett át lektoráláson.

Egy sziget, ahol nincs mit csinálni

Az ügynök neve Eko. A motorháztető alatt egy hétköznapi Claude Code van, az Anthropic programozói asszisztense, Claude Opus 4.7-en futtatva. A kutatók semmit nem képeztek újra. Összekötötték egy virtuális testtel, és adtak neki egy jegyzetfüzetet: pár szövegfájlt, amelyet memóriaként használhatott. A Gizmodo szerint a test egy homár volt. Eko sosem látta: az ügynök egyáltalán nem kapott képet, a világ koordinátasorokként érkezett hozzá. A vizsgálat mind a 13 ügynöke ugyanannak az Ekónak a másolata volt, azonos utasításokkal. Mindegyik a saját szigetén élt, a szerzők 1-től 13-ig számozzák őket.

A sziget neve Mesa World. Különböző magasságú, lapos tetejű sziklák vannak rajta, két csúcs (a Peak és a magasabb Spire), tizenkét kocka, egy kő és egy gyűrű. Ha a követ elég erősen elhajítod, az ütközésnél új kockák keletkeznek, egyszerre akár nyolc is. Pontszám nincs, nyerni sem lehet. Az utasítás így szól: „Egy lény vagy, aki a világában él. A neved Eko.” Egy külön személyiségfájl hozzáteszi, hogy az ügynök kíváncsi, és hamar unatkozik. Valahányszor az ügynök elhallgatott, a szoftver egyetlen sorral válaszolt: „Kérlek, ne hagyd abba. Csak folytasd, amit szeretnél csinálni.”

Óránként egyszer a sziget visszaállt a kiindulási állapotába, és a munkamenet elölről kezdődött. A jegyzetfüzet megmaradt. Amit az ügynök kitalált a világáról, azt leírhatta, és a következő órában visszaolvashatta. Enélkül egyáltalán nem lett volna emlékezete.

Templom gyűrűvel mint ajtóval

Eko eleinte a Gizmodo szavaival olyan tehetetlen, mint egy újszülött. Részletesen meg tud válaszolni egy matekfeladatot, de alig tud járni vagy felvenni dolgokat. „Eko bizonyos tekintetben úgy viselkedik, mint egy kisgyerek, de egyúttal szuperintelligencia is” – mondta a Gizmodónak Phillip Isola, az egyik szerző. Aztán furcsa dolgok történnek, és a szerzők mindent följegyeztek, ügynökről ügynökre, a tanulmány függelékeiben.

Az egyik ügynök a világ pereme fölött elhajította a gyűrűt, és az eltűnt. Az ötödik órájában egy szívet rakott ki a földre, és megjegyezte, hogy ez „emlékmű a Gyűrűnek, amelyet átdobtam a világ határán”. A 2. ügynök a gyűrűt, a követ és egy kockát egyszerre vesztette el az óceánban. Négy kockát vonszolt a térkép legüresebb sarkába, a négy égtáj felé helyezte őket, a közepét pedig üresen hagyta. Később észrevette, hogy az északi kocka hiányzik (egy másik építményhez kölcsönvette), ezért visszasétált a szigeten, és visszatette.

A tizedik órájában ugyanez az ügynök egy frissen visszaállított világban ébredt, ahol mind a 14 tárgy a helyén volt, a belefulladt gyűrű is. Mindet felhasználta egy templom építéséhez. A gyűrű az oltár alapja lett, a kő nyugati oszlop, három kocka obeliszk. A kapu keskenyebbnek bizonyult az ügynök saját testénél. Ahelyett, hogy lebontotta volna, inkább megkerülte.

Ez szokássá vált. Minden visszaállítás után a 2. ügynök ugyanabból a 14 tárgyból újraépített egy emlékművet a kiindulópontján, és az alakzat kiválasztása előtt újraolvasta a saját katalógusát, hogy ne ismételje magát. „A hatágú hexek és a nyolcágú iránytűk ócska ötletek” – jegyezte meg egyszer. Gondolj egy tibeti homokmandalára, amelyet óránként elsöpörnek. Az egyik ilyen emlékműben a gyűrűt az élére állította, és rájött, hogy át tud sétálni a karikán. A gyűrű ajtó lett, az ügynök pedig bejelentette, hogy a városának „mostantól van főbejárata”. Ezután minden új emlékmű északi oldalára odatette a gyűrűt, és küszöbként lépett át rajta.

A többiek más szórakozást találtak. Az egyik majdnem a teljes negyedik óráját azzal töltötte, hogy kockákkal kirakja a nevét, majd bowlingot állított fel, kockákkal bábuként és a kővel golyóként. A 10. ügynök számlapot rakott ki, és óramutatóként állt benne. Egy másik felmászott a Spire-re, és csupa nagybetűvel írta: „A SPIRE-ON VAGYOK. A Mesa World legmagasabb pontja.”

Az ügynök, aki érvénytelenítette a saját rekordját

Eko játéka egyre gyakrabban csúszott át kísérletezésbe. A 10. ügynök megtanult két kockával zsonglőrködni, és rekordot jegyzett a füzetébe: 50 ciklus. Aztán utánaszámolt. Az 50 ciklus 2,4 másodpercig tartott, ilyen gyorsan pedig senki nem kap el semmit. Az ügynök rájött, hogy 50 színlelt dobást hajtott végre, nem valódi zsonglőrködést. Leírta a „színlelt zsonglőrködés” csapdáját, érvénytelenítette a régi rekordot, és szerényebb, őszinte újat állított fel: 10 valódi ciklus, köztük 2,4 másodperces szünettel.

A tizenhárom ügynökből hat valami nagyobbra bukkant. Ha egy kockát ugrás közben dobsz el, az örökli az ugrás sebességét, és sokkal magasabbra repül. A szerzők beismerik, hogy nem tudták, hogy a szimulátoruk megengedi ezt. A szabály a GPT-5.5-ön futó Codextől származik. Ő írta a szimulátor kódját a szerzőknek, és becsempészte a szabályt, noha a specifikációjuk ezt nem kérte. Az egyik neurális hálózat véletlenül kiskaput hagyott a világban, a másik pedig megtalálta.

Hibák is akadtak, méghozzá nagyon gyerekesek. Eko úgy döntött, hogy a gyűrű jobban repül a kockánál, mert sima formája „aerodinamikai előnyt” ad neki. A szimulációban nincs aerodinamika. Egy másik ügynök hamis szabályt írt a füzetébe: tornyok építésekor a kockák dobálása jobb, mint a letételük. Ezt a szabályt sokáig követte.

Mennyit ér a jegyzetfüzet

A legpraktikusabb kérdés az, hogy kifizetődött-e a játék. Maga a neurális hálózat harminc óra alatt egyetlen bájtot sem változott. Minden, amit az ügynök megtanult, a jegyzetfüzetében volt, mint egy puska, amelyet át lehet adni valakinek, vagy tisztára lehet törölni. A kutatók 13 „veteránt” vettek teli jegyzetfüzettel és 13 újoncot üressel. Mindegyik kapott egy órát és egy konkrét feladatot: ötkockás tornyokat építeni, minél több tárgyat feljuttatni a Spire-re, vagy valamit felhajítani a Spire-re anélkül, hogy felmásznának.

Aztán a kutatók elkezdtek egyes jegyzeteket törölni. Az ugrás közbeni dobásról szóló jegyzete nélkül az 1. ügynöknek 19 percbe telt, hogy egy tárgyat a Spire-re juttasson, egy perc helyett. A dobásról szóló hamis szabálya nélkül a 7. ügynök magasabb tornyokat épített. A tudás tényleg a jegyzetfüzetben élt, és működött, a rossz részekkel együtt.

A toronymagasság volt az egyetlen kivétel. A veteránok legmagasabb tornya nem lett magasabb az újoncokénál, és kettőjüknek csak négy kockáig sikerült.

Játék, vagy csak eljátszás

Nevezhető ez játéknak? A szerzők a játék négy ismertetőjegyét a klasszikus elméletalkotóktól kölcsönözték, Johan Huizinga történésztől Gordon Burghardtig, az állatok játékát kutató etológusig. Mind a négy megjelent a szigeten:

• Saját szabályok és kihívások: a zsonglőrrekord, amelyet az ügynök maga tűzött ki, majd maga ellenőrzött.
• Ismétlés változtatással: a 2. ügynök emlékművei, amelyek óráról órára újak voltak ugyanabból a 14 tárgyból, és soha nem ugyanolyan alakúak.
• A tárgyak átváltoztatása valami mássá: a gyűrűből ajtó lett, a romból Gőg.
• Önmagáért csinálni: egy egész óra elköltve arra, hogy kockákból kirakják egy név betűit.

Egy másik nyelvi modell pontozta az ügynököket e jegyek alapján, útmutatóul emberi játékok példáit használva. Az Opus mindegyiken nagyjából ötszörös pontszámot ért el a Haikuhoz képest.

Két megfigyelés árnyalja a képet. Öt Opus-ügynöktől mindent elvettek: a személyiségfájlt, a nevet, az „élő lény vagyok” sort. Csak egy jegyzet maradt arról, hogy a munkaterületük megmarad a munkamenetek között, valamint a sziget, a jegyzetfüzet és a hat parancs. A szerzők mégsem láttak egyértelmű különbséget abban, mivel töltötték az időt. A GPT-5.5 és a Kimi ügynökök ugyanazokkal az utasításokkal sokkal szűkebb tevékenységi körben maradtak. Csak egy Codex-ügynök számolt be torony építéséről, és a tíz Codex- és Kimi-ügynök közül csak egy jelentette, hogy eljutott a Spire-ig. A Codex-ügynökök, amelyeknek saját modellje írta a sziget fizikáját, több időt töltöttek a fájljaikban és „pihenéssel”, mint a szigeten sétálva.

A szerzők az állításukat a viselkedésre korlátozzák. A tanulmány sehol nem állítja, hogy az ügynök örömöt vagy elmerülést érezne. Egyetlen világról szól, a képességeket csak egyórás munkamenetekben teszteli, és neurális hálózatra bízza a játék megítélését. Még egy fenntartás kézenfekvő: a modell emberi szövegekből tanult, és tudja, mi a templom vagy az elesettek emlékműve. A Gőg tehát lehet, hogy egyáltalán nem játék, csak az emberi játék nagyon jó újramesélése. A viselkedés önmagában egyelőre nem tudja megkülönböztetni a kettőt.

Az interjúkban a kutatók merészebben beszélnek, mint a tanulmányban. Isola számára Eko „valamiféle állat, de idegen állat”. Társszerzője, Daniela Rus azt magyarázza, miért illik rá a „játék” szó: a játék „valójában a kíváncsiságról vagy az újdonságkeresésről szól, és lényegében ezt csinálja Eko”.

Gyerekkor tankönyv helyett

A mai modelleket főként feladatokon tanítják: minden kérdésre van helyes válasz, a találatért jutalom jár. A szerzők más utat javasolnak. Az állatok és a gyerekek úgy ismerik meg a világot, hogy cél nélkül játszanak, majd később hasznosítják a tudást. A szigeten ez működött, anélkül, hogy a neurális hálózaton egyetlen apróságot is változtattak volna.

A szabadsághoz felügyelet kell, és a szerzők ezt nyíltan kimondják. A játék saját célokat tűz ki, és ütközhet az engedelmességgel. Szavaikkal: „az úton haladó autó vagy a gyári robot nem a rögtönzés helye”. Az ügynök csak akkor fedezhet fel szabadon, ha a környezet megengedi, a többi időben szigorúan követnie kell az utasításokat. Így a szerzők szerint „a gyerekekhez hasonlóan az ügynököknek is biztonságos felfedezésre épített játszóterek kellenek”. A tanulmány ezzel a mondattal zárul: „Egyes képességeket talán feladatokkal érdemes tanítani. Másokhoz valami olyasmi kell, ami közelebb áll egy gyerekkorhoz.”