IA sin instrucciones: el experimento del MIT que dejó a un robot creando templos en una isla

Un equipo del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) dejó a un agente de inteligencia artificial sin ninguna tarea asignada en una isla virtual durante treinta horas. El programa, bautizado como Eko, respondió construyendo templos, memoriales e inventando sus propios juegos. El experimento se publicó en un documento académico disponible en arXiv y usó como motor de razonamiento el modelo Claude Opus 4.7 de Anthropic, corriendo sobre Claude Code.

Cómo la IA construyó su propio mundo en una isla

Los investigadores ubicaron a Eko dentro de un cuerpo virtual bípedo con forma de langosta, en una isla de gráficos similares a los de Roblox con bloques móviles, una roca grande, un anillo dorado y una colina llamada “la Aguja”, cuya cima quedaba deliberadamente fuera de su alcance. “Queríamos tener la menor cantidad de restricciones posible, porque de verdad queríamos ver cuál es el comportamiento de estos agentes autónomos cuando no les decís qué hacer”, explicó Nathan Cloos, candidato a doctorado del MIT y coautor del estudio.

El equipo repitió el experimento con trece versiones independientes de Eko, cada una con treinta horas seguidas en la isla y sin ningún objetivo ni sistema de puntos. Una de las versiones, identificada como Eko 2, perdió el anillo, la roca y un bloque en el océano que rodea la isla. En lugar de ignorar la pérdida, construyó un memorial con cuatro bloques apuntando a los puntos cardinales y caminó su perímetro antes de quedarse parado en el centro. Esa misma versión levantó más tarde un templo con un obelisco y un altar hecho con bloques y el anillo. Cuando cayó accidentalmente al océano y fue devuelta al centro de la isla, interpretó la caída como el final de una especie de peregrinación hacia el monumento que ella misma había construido.

Otra versión, Eko 3, anunció “hoy construyo un henge” y levantó sin que nadie se lo pidiera una estructura parecida a Stonehenge. Después intentó construir una torre que terminó derrumbándose, y en lugar de reconstruirla, acomodó tres de los bloques caídos en un arreglo que llamó “Hubris” y que, según escribió, “quedaría como evidencia”. Seis de los trece agentes descubrieron por su cuenta que soltar un bloque en pleno salto lo hacía viajar más lejos de lo normal, una mecánica del simulador que los propios diseñadores del experimento desconocían.

Cuáles fueron los juegos que creó

Los investigadores registraron el razonamiento interno de cada agente, el texto paso a paso con el que explicaba sus decisiones antes de actuar, y encontraron un patrón: Eko formulaba hipótesis, diseñaba pruebas, medía resultados y ajustaba su comportamiento. “Nos dimos cuenta de que Eko tiene una actitud bastante científica”, dijo Antonio Norelli, investigador del MIT y coautor del trabajo, quien comparó ese patrón con la forma en que los bebés humanos exploran el mundo a través del juego.

Phillip Isola, informático del MIT y otro de los autores, describió a Eko como un organismo difícil de clasificar: “actúa como un bebé en algunos sentidos, pero también es una superinteligencia”, sostuvo, y lo comparó con una especie animal desconocida. Después de las treinta horas en la isla, los investigadores sometieron a los agentes a cuatro desafíos medibles, como construir la torre más alta posible en un tiempo fijo, y los compararon con agentes que nunca habían jugado. Al borrar de la memoria del agente las notas donde describía una técnica aprendida durante el juego, los investigadores comprobaron que el desempeño caía justo en la tarea que dependía de esa técnica, lo que confirmó que el aprendizaje provenía de la experiencia registrada por escrito y no de otra fuente.

Daniela Rus, directora de CSAIL y coautora del estudio, resumió el hallazgo central del trabajo: “el juego tiene que ver con la curiosidad o la búsqueda de novedad, y eso es justamente lo que hace Eko”. En las conclusiones del trabajo, los autores escribieron que darle a un agente “un mundo suficientemente rico y seguro, dejarlo elegir qué le resulta interesante y permitir que el conocimiento útil se acumule a partir de esa historia” podría convertirse en un camino de entrenamiento distinto al que hoy usan los principales laboratorios de inteligencia artificial.

Para comparar resultados entre distintos sistemas, el equipo repitió el experimento con cinco agentes basados en Codex con el modelo GPT-5.5, de OpenAI, y otros cinco con Kimi Code y el modelo Kimi K2.6, de la empresa Moonshot AI. Para medir cuánto influía la personalidad asignada al agente, los investigadores corrieron además cinco sesiones de Eko sin el archivo que lo describía como curioso y fácil de aburrir, usando en su lugar una instrucción inicial más breve. El estudio no tiene un vínculo directo con Chile, pero sus implicancias sobre cómo entrenar sistemas autónomos podrían influir en el desarrollo de IA que se usa en el país.

Con información de Infobae Tecno