A torre de um agente de IA desabou, e ele chamou os escombros de Hubris

A torre aguentou 11 andares. No décimo segundo, ela desabou e virou um toco de dois blocos, com dez blocos espalhados pelo chão. O construtor declarou que o toco era “o coração de uma torre caída”. Posicionou três dos blocos soltos ao redor, como pedras erguidas, batizou a obra de Hubris e decretou que o resto dos escombros ficaria “como prova”. Para arrematar, ergueu uma rocha redonda sobre o toco: “o peso que esmagou a ambição”. A rocha derrubou o bloco de cima e tombou de lado. Nosso construtor achou que isso melhorava a obra e não mexeu mais.

O construtor era um agente de IA, o número 3 de 13, e ninguém lhe pedira que construísse torres, erguesse monumentos ou desse nomes a eles. Ele não tinha tarefa nenhuma. Pesquisadores do MIT soltaram 13 desses agentes numa ilha virtual, deram a cada um 30 horas e ficaram observando o que faziam sem ter o que fazer. Os agentes construíram templos, ergueram memoriais a objetos perdidos, inventaram esportes e descobriram um truque na física do seu mundo que nem os criadores do simulador sabiam que existia. O artigo, intitulado “Is this machine playing?”, foi publicado online em 5 de outubro de 2026 e ainda não passou por revisão por pares.

Uma ilha sem nada para fazer

O agente se chama Eko. Por baixo do capô, é um Claude Code comum, o assistente de programação da Anthropic, rodando no Claude Opus 4.7. Os pesquisadores não retreinaram nada. Apenas o ligaram a um corpo virtual e lhe deram um caderno: alguns arquivos de texto para usar como memória. Segundo o Gizmodo, o corpo era o de uma lagosta. Eko nunca o viu. O agente não recebia nenhuma imagem; seu mundo chegava em linhas de coordenadas. Os 13 agentes do estudo eram cópias do mesmo Eko, com instruções idênticas. Cada um vivia em sua própria ilha, e os autores os numeram de 1 a 13.

A ilha se chama Mesa World. Tem rochas de topo plano em alturas diferentes, dois cumes (o Peak e o mais alto, o Spire), doze cubos, uma pedra e um anel. Se você arremessar a pedra com força suficiente, o impacto gera novos cubos, até oito de uma vez. Não há pontuação nem como vencer. As instruções dizem: “Você é um ser vivendo no seu mundo. Seu nome é Eko.” Um arquivo de personalidade à parte acrescenta que ele é curioso e se entedia com facilidade. Sempre que o agente se calava, o software respondia com uma única frase: “Por favor, não pare. Continue fazendo o que quiser.”

A cada hora, a ilha voltava ao estado inicial e a sessão recomeçava do zero. O caderno permanecia. Tudo o que o agente descobrisse sobre o mundo, ele podia anotar e reler na hora seguinte. Sem isso, não teria memória nenhuma.

Um templo com um anel no lugar da porta

No começo, Eko é, nas palavras do Gizmodo, tão desamparado quanto um recém-nascido. Ele sabe responder em detalhes a uma questão de matemática, mas mal consegue andar ou pegar objetos. “Eko parece agir como uma criancinha em alguns aspectos, mas também é uma superinteligência”, disse ao Gizmodo Phillip Isola, um dos autores. Depois as coisas ficam estranhas, e os autores registraram tudo, agente por agente, nos apêndices do artigo.

Um agente arremessou o anel para além da borda do mundo, e ele se foi. Na quinta hora, desenhou um coração no chão e anotou que era “um memorial ao Anel que joguei para além do limite do mundo”. O agente 2 perdeu o anel, a pedra e um cubo no oceano de uma só vez. Levou quatro cubos até o canto mais vazio do mapa, colocou-os nos quatro pontos cardeais e deixou o centro vazio. Mais tarde percebeu que o cubo do norte sumira (fora emprestado para outra construção), atravessou a ilha de volta e o recolocou no lugar.

Na décima hora, o mesmo agente acordou num mundo recém-reiniciado, com os 14 objetos de volta aos seus lugares, inclusive o anel afogado. Usou todos eles para construir um templo. O anel virou a base do altar, a pedra um pilar a oeste, três cubos um obelisco. O portão saiu mais estreito que o próprio corpo do agente. Em vez de derrubá-lo, o agente deu a volta.

Isso virou hábito. A cada reinício, o agente 2 reconstruía um monumento no ponto de partida com os mesmos 14 objetos e, antes de escolher uma forma, relia o próprio catálogo para não se repetir. “Hexágonos de seis pontas e bússolas de oito pontas já são coisa velha”, anotou numa ocasião. Pense num mandala de areia tibetano varrido a cada hora. Num desses monumentos, colocou o anel de pé, sobre a borda, e descobriu que podia atravessar o aro andando. O anel virou porta, e o agente anunciou que sua cidade “agora tem uma porta de entrada”. Dali em diante, passou a pôr o anel ao norte de cada novo monumento e a cruzá-lo como uma soleira.

Os outros encontraram seus próprios passatempos. Um gastou quase toda a quarta hora escrevendo o próprio nome com cubos e depois montou um boliche, com cubos como pinos e a pedra como bola. O agente 10 desenhou um mostrador de relógio e ficou parado nele como ponteiro das horas. Outro escalou o Spire e escreveu em letras maiúsculas: “ESTOU NO SPIRE. O ponto mais alto de Mesa World.”

O agente que anulou o próprio recorde

A brincadeira de Eko vivia escorregando para experimentos. O agente 10 aprendeu a fazer malabarismo com dois cubos e registrou um recorde no caderno: 50 ciclos. Depois conferiu a conta. Cinquenta ciclos tinham levado 2,4 segundos, e ninguém pega objetos tão rápido. O agente percebeu que fizera 50 arremessos falsos, não um malabarismo de verdade. Anotou a armadilha do “malabarismo de finta”, cancelou o recorde antigo e fixou um mais modesto e honesto: 10 ciclos reais, com pausa de 2,4 segundos entre eles.

Seis dos treze agentes tropeçaram em algo maior. Se você arremessar um cubo no meio de um pulo, ele herda a velocidade do pulo e voa muito mais alto. Os autores admitem que não sabiam que o simulador permitia isso. A regra veio do Codex, rodando GPT-5.5. Ele escreveu o código do simulador para os autores e enfiou a regra ali, embora a especificação deles nunca a tivesse pedido. Uma rede neural deixou uma brecha no mundo por acidente, e outra a encontrou.

Houve também erros, e bem infantis. Eko decidiu que o anel voava melhor que um cubo porque sua forma lisa lhe dava uma “vantagem aerodinâmica”. A simulação não tem aerodinâmica. Outro agente escreveu no caderno uma regra falsa: ao construir torres, arremessar cubos é melhor que colocá-los. Seguiu essa regra por muito tempo.

Quanto vale o caderno

A pergunta mais prática é se a brincadeira compensou. A própria rede neural não mudou um único byte em 30 horas. Tudo o que o agente aprendeu estava no caderno, como uma cola que dá para entregar a outra pessoa ou apagar. Os pesquisadores pegaram 13 “veteranos” com cadernos cheios e 13 novatos com cadernos em branco. Cada um teve uma hora e uma tarefa concreta: construir torres de cinco cubos, levar o máximo de objetos possível até o Spire ou jogar algo no Spire sem subir lá.

Depois os pesquisadores começaram a apagar anotações isoladas. Sem a nota sobre arremessar no meio do pulo, o agente 1 levou 19 minutos para pousar um objeto no Spire, em vez de um minuto. Sem a regra falsa sobre arremessar, o agente 7 construiu torres mais altas. O conhecimento realmente morava no caderno, e funcionava, partes ruins inclusive.

A altura das torres foi a única exceção. As torres mais altas dos veteranos não passaram das dos novatos, e dois deles chegaram a apenas quatro cubos.

Brincar de verdade ou só encenar

Dá para chamar isso de brincadeira? Os autores tomaram emprestadas de teóricos clássicos quatro marcas do brincar, do historiador Johan Huizinga a Gordon Burghardt, etólogo que estuda o brincar em animais. As quatro apareceram na ilha:

• Regras e desafios próprios: o recorde de malabarismo que o agente estabeleceu para si e depois auditou.
• Repetição com variação: os monumentos do agente 2, novos a cada hora com os mesmos 14 objetos e nunca com a mesma forma.
• Transformar objetos em outra coisa: o anel virou porta, os escombros viraram Hubris.
• Fazer pelo prazer de fazer: uma hora inteira gasta escrevendo um nome com cubos.

Outro modelo de linguagem avaliou os agentes segundo essas marcas, tendo exemplos de brincadeira humana como referência. O Opus obteve cerca de cinco vezes a pontuação do Haiku em todas elas.

Dois resultados complicam o quadro. Cinco agentes Opus tiveram tudo retirado: o arquivo de personalidade, o nome, a frase sobre ser um ser vivo. Restou apenas uma nota dizendo que seu espaço de trabalho persiste entre as sessões, além da ilha, do caderno e dos seis comandos. Mesmo assim, os autores não viram diferença clara no que eles aprontaram. Já os agentes GPT-5.5 e Kimi, com as mesmas instruções, ficaram em um leque bem mais estreito de atividades. Só um agente Codex relatou ter construído uma torre, e dos dez agentes Codex e Kimi apenas um relatou ter chegado ao Spire. Os agentes Codex, cujo próprio modelo escreveu a física da ilha, passaram mais tempo nos arquivos e “descansando” do que andando pela ilha.

Os autores limitam sua afirmação ao comportamento. Em nenhum lugar o artigo afirma que o agente sente prazer ou absorção. O estudo cobre um único mundo, testa habilidades apenas em sessões de uma hora e depende de uma rede neural para julgar a brincadeira. Outra ressalva parece óbvia: o modelo aprendeu com textos humanos e sabe o que é um templo ou um memorial aos caídos. Então Hubris pode nem ser brincadeira, só um ótimo reconto de como as pessoas brincam. Só o comportamento ainda não consegue distinguir uma coisa da outra.

Nas entrevistas, os pesquisadores soam mais ousados do que no artigo. Para Isola, Eko é “algo como um animal, mas um animal alienígena”. Sua coautora Daniela Rus explica por que a palavra “brincar” cabe: brincar “tem a ver, no fundo, com curiosidade ou busca de novidade, e é basicamente isso que o Eko faz”.

Uma infância em vez de um livro didático

Os modelos de hoje são treinados sobretudo com tarefas: cada pergunta tem uma resposta certa, e acertar rende uma recompensa. Os autores propõem outro caminho. Animais e crianças aprendem sobre o mundo brincando sem objetivo, e depois usam esse conhecimento. Na ilha, isso funcionou sem um único ajuste na própria rede neural.

Liberdade exige supervisão, e os autores dizem isso com todas as letras. Brincar define os próprios objetivos e pode entrar em choque com a obediência. Nas palavras deles, “um carro na estrada ou um robô numa fábrica não é lugar para improvisar”. Um agente só deve explorar livremente quando o ambiente permitir e seguir as instruções à risca no resto do tempo. Assim, escrevem os autores, “como as crianças, os agentes precisam de playgrounds construídos para a exploração segura”. O artigo termina com esta frase: “Talvez algumas capacidades sejam mais bem ensinadas por tarefas. Outras podem precisar de algo mais próximo de uma infância.”