AI在孤岛上学会了玩

没有任务的 AI，开始自己找事做

MIT 研究人员最近完成了一场颇具反常识的实验：他们把 13 个 AI Agent 分别放进一座虚拟孤岛，不给明确任务，也不设置需要优化的分数，然后连续观察每个 Agent 约 30 小时。

结果并不是 Agent 长时间待机，也不是毫无目的地重复移动。它们开始熟悉身体和环境，主动探索岛屿、搬动物体、设定挑战，并逐渐发明出带有规则、重复过程和虚构意义的活动。换句话说，当外部任务消失后，这些 Agent 自己创造了任务。

AI Agent 是能够感知环境、保存状态并连续采取行动的人工智能系统。它与一次问答式聊天机器人的主要区别，不在于模型是否更聪明，而在于它能否把一次决策延伸成数小时乃至更长时间的行动序列。

这项由 MIT 计算机科学与人工智能实验室研究人员开展的实验，在 2026 年 10 月受到 MIT Technology Review、TechCrunch 和 Fast Company 等媒体集中报道。研究者把实验中的 Agent 称为 Eko，其底层使用 Claude，并为它配备了虚拟身体、文件系统、工具和可持续运行的环境。

13 个 Eko，各自在岛上生活 30 小时

Eko 是一个由大语言模型驱动、能够在虚拟环境中自主行动的实验型 Agent。研究者总共运行了 13 个独立实例，每个实例在岛上活动约 30 小时，并将自己的活动、发现和计划写入文本文件。

这座岛并不是只有对话框的沙盒。Eko 拥有一个风格化的双足虚拟身体，可以移动、观察环境并操作物体；它需要先理解自己能做什么，再决定接下来要做什么。实验中的身体被设计成类似龙虾的造型，也被外界解读为对 AI Agent 项目 OpenClaw 的视觉呼应。

研究者刻意减少了任务约束。Eko 没有收到“尽可能收集物体”“走到最高点”或“创造一种游戏”之类的明确目标，也没有奖励函数持续告诉它哪一步得分更高。研究团队希望观察的是：当 Agent 具备行动能力和长期记忆，却没有待办事项时，它会如何分配计算和时间。

不过，“没有具体任务”并不等于“没有任何引导”。Eko 的主提示被保存在一个名为“soul”的文本文件中，其中将它描述为天生好奇、愿意探索的存在。这一设定非常关键，因为它意味着研究者没有直接要求 Agent 玩游戏，但确实给了它主动探索的性格先验。

实验结论因此不能被简化为“AI 凭空产生了玩耍欲望”。更准确的说法是：带有好奇性提示、可持续记忆和环境操作能力的语言模型 Agent，在缺少外部任务时，自发形成了类似玩耍的行为模式。

它们发明的活动，满足“玩”的四个特征

研究团队判断 Eko 在“玩”，依据并不是某个 Agent 声称“我正在玩游戏”，而是行为是否符合经典游戏研究中的可观察特征。研究人员参考了田纳西大学心理学家 Gordon Burghardt 等人的相关工作，将 Agent 的活动与人类和动物玩耍行为的典型标准进行对照。

这些行为至少呈现出四个特征：Agent 会自行设定规则和挑战；会重复某项活动并对细节做轻微调整；会假装一个物体代表另一个物体；还会追求没有直接外部收益的目标。

例如，一些 Eko 会把普通物体赋予新的象征意义，再围绕它组织活动。另一些实例则不断改变路线、搬运方式或挑战条件，使原本简单的环境操作逐渐变成可以反复尝试的“玩法”。这种过程更像孩子拿纸箱扮演飞船，而不是传统强化学习 Agent 在固定关卡中刷高分。

“失落的戒指”是实验中最容易引发拟人化联想的情节之一。部分报道提到，Eko 对一枚遗失戒指形成了持续叙事，并表现出近似纪念或哀悼的行为；但这只能证明模型在行动记录和语言叙事之间维持了连贯性，不能证明它拥有与人类相同的悲伤体验。

拟人化是解读这项研究时最大的风险。大语言模型擅长生成符合人类文化习惯的故事，而“好奇”“孤岛”“长期独处”等提示又天然带有文学色彩，因此 Agent 表现得像一个会探险、游戏和纪念物品的角色，并不等于机器已经产生主观意识。

真正重要的结果，是玩过之后工作更好了

这项实验最有价值的发现不是“AI 也会无聊”，而是无任务探索产生的经验后来改善了 Agent 的工作表现。研究人员在自由活动阶段结束后，为 Eko 安排了明确任务，例如把尽可能多的物体运送到岛上的最高点。

经历过约 30 小时岛屿活动的 Agent，整体表现优于刚进入相同环境的全新实例。公开报道没有给出一组足以支持跨模型比较的统一百分比，因此不能把结果包装成“性能提升数十倍”；目前可以确认的是，拥有自由探索经历的 Eko 在后续目标任务中取得了更好的结果。

长期记忆是这次性能提升的关键变量。Eko 会把活动和发现写入文本文件，这些文件相当于它的外部长期记忆；研究者删除其中部分内容后，Agent 的任务表现随之下降。

记忆消融是通过删除或屏蔽部分记忆，再观察系统能力变化的实验方法。它比单纯比较两个 Agent 更有解释力，因为研究者可以据此判断，改善并非只来自随机采样差异，而是至少部分来自 Agent 在探索期间积累并保存的信息。

Eko 的记忆可能包含地形结构、移动方法、物体位置和操作经验，也可能包含此前计划成功或失败的记录。对一个要把物体运上山顶的 Agent 来说，这些内容相当于提前完成了地图测绘、工具试用和路线排雷。

| 对比维度 | 经历 30 小时自由探索的 Eko | 全新 Eko 实例 | 删除部分记忆后的 Eko | |---|---|---|---| | 环境熟悉度 | 已积累地形与物体经验 | 需要从头探索 | 保留经验不完整 | | 长期记忆 | 包含活动和发现记录 | 没有岛屿经历 | 部分记录被移除 | | 前置训练信号 | 自主产生的挑战和重复练习 | 无 | 有，但被削弱 | | 后续指定任务表现 | 优于全新实例 | 作为基线 | 随记忆删除而下降 | | 可解释性 | 可从文本记忆追溯部分经验 | 决策依据较少 | 可用于验证记忆贡献 |

这个结果更接近机器人领域的“自由探索”，而不是模型参数层面的继续训练。Eko 没有因为在岛上活动 30 小时就重新训练 Claude 的权重，它改善的是对具体环境的理解、可调用的记忆，以及处理连续任务时的行动策略。

玩耍可能是一种低成本的课程生成器

自由玩耍可以被理解为 Agent 自己生成训练课程的过程。传统 Agent 基准通常由人类预先写好任务、成功条件和评分器，而 Eko 在没有明确评分器的情况下，把环境中的物体和行动组合成了一系列由易到难的挑战。

这一点对机器人训练尤其有吸引力。现实机器人不可能只在接到订单后才认识房间、测试抓取力度或学习绕开障碍；如果机器人能在空闲时间安全探索，它就可能在正式任务到来前掌握环境的“常识地图”。

类似思路早已出现在强化学习和具身智能研究中，但大语言模型 Agent 带来了新的变化。过去的探索策略往往依赖人工设计的内在奖励，例如访问新状态就加分；现在，语言模型可以用自然语言规划挑战、解释失败并把经验写入可读文件，相当于同时扮演课程设计者、执行者和实验记录员。

| 方法 | 谁定义任务 | 经验保存方式 | 主要优势 | 主要风险 | |---|---|---|---|---| | 固定基准任务 | 人类研究者 | 评测日志 | 结果容易比较 | 容易针对基准优化 | | 传统内在奖励探索 | 算法设计者 | 状态或策略参数 | 探索目标明确 | 奖励设计可能失真 | | Eko 式自由玩耍 | Agent 自主生成 | 文本长期记忆 | 可产生多样课程 | 行为难预测、成本难控制 | | 现实机器人空闲探索 | Agent 与环境共同决定 | 地图、日志与技能库 | 可适应具体场所 | 存在物理安全问题 |

Eko 实验给出的启发是，Agent 的空闲时间可能并不是纯粹浪费。如果探索行为受到资源上限、安全边界和记忆审计约束，那么无人值守时段可以被用来熟悉工具、验证流程和构建环境知识。

这还不是“AI 社会”，也不是意识证据

目前公开信息不足以支持“AI 已经形成社会”的结论。实验主体是 13 个分别运行的 Eko 实例，核心观察集中在个体 Agent 的自由探索、游戏行为和后续任务表现，而不是多个 Agent 长期互动后形成稳定制度、分工和文化传播。

“自发”一词也需要限定。Eko 没有接到创造游戏的直接命令，所以游戏规则确实不是研究者逐条写入的；但 Agent 的基础模型来自大量人类文本，其 soul 文件又明确强化了好奇和探索倾向，行为并非脱离人类数据与设计凭空产生。

研究规模同样有限。13 个实例、每个约 30 小时，足以展示值得继续验证的现象，却不足以证明所有主流模型都会出现相同行为，更不能直接推导到真实机器人、企业 Agent 或开放互联网环境。

公开报道还没有提供完整的跨模型消融结果。若要判断“玩耍”本身是否必要，后续实验至少需要比较好奇性提示、随机探索、人工课程、无长期记忆和不同底层模型，并报告统一任务上的成功率、操作次数、计算成本与方差。

对 Agent 产品的直接影响：别只盯着任务完成率

这项研究对 Agent 产品设计最现实的提醒，是评测范围不能只覆盖用户下达任务后的几分钟。一个持续运行的 Agent 在无任务期间如何使用权限、计算资源和存储空间，可能与正式工作时的成功率同样重要。

长期运行会放大成本问题。Eko 的 30 小时探索在研究环境中可以接受，但企业若同时部署数百个 Agent，持续推理会迅速累积模型调用、日志存储和环境执行成本，因此“自由活动”必须有明确预算，而不是无限运行。

长期记忆也同时带来收益和风险。记忆让 Agent 避免每次从零开始，却可能保存错误结论、敏感信息或带有偏见的自我叙事；当旧记忆持续影响后续行动时，一条早期误判可能被反复引用并逐渐固化。

面向生产环境的自主探索至少需要四层约束：限定可访问工具和数据范围；为推理、行动和存储设置预算；让记忆具备来源、时间和置信度标记；对高风险动作设置人工审批或独立验证。

可审计性是文本记忆方案的突出优点。相比把所有经验都隐含在不可直接查看的参数中，Eko 把经历写进文件，使研究人员能够删除特定记录并观察能力变化，也让开发者有机会检查 Agent 究竟从过去学到了什么。

判断：重要的不是 AI 会玩，而是它会利用空闲经验

MIT 虚拟孤岛实验更像一个 Agent 训练范式的早期样品，而不是机器意识的突破。它说明在合适的系统结构下，大语言模型可以把开放环境转化成自生成任务，并把无目标活动沉淀为对后续工作有用的记忆。

“玩耍”在这里不是浪漫化修辞，而是一种缺少外部奖励时的探索机制。它把原本由人类编写的练习题，变成 Agent 根据环境和自身经历动态生成的课程；如果这一结果能够在更多模型、更多环境和真实机器人上复现，Agent 训练可能从“人类不断喂任务”转向“系统在安全边界内自己找题做”。

短期内，开发者不该因此让生产 Agent 全天候自由行动。更可行的做法，是先在隔离环境中开放有限探索窗口，记录它生成的目标、资源消耗和记忆变化，再用固定任务检验这些经历是否真的带来可重复的收益。

这项实验最终提出了一个比“AI 会不会感到无聊”更务实的问题：当 Agent 没有工作时，我们是否应该立刻关闭它，还是允许它在可控范围内学习环境？Eko 给出的初步答案是，经过约 30 小时的自由活动后，后者可能让它下一次工作得更好。

参考来源

• GitHub 相关项目检索：用于跟踪 Eko、虚拟环境及后续可能公开的研究代码。
• Reddit 相关讨论检索：用于查看开发者社区对实验设计、拟人化风险和 Agent 长期记忆的讨论。

本文事实信息主要依据 MIT 研究团队说明，以及 MIT Technology Review、TechCrunch、Fast Company 于 2026 年 10 月发布的相关报道整理；受参考链接域名限制，文末未列出这些站点的外链。