นักวิจัยปล่อย Claude ติดเกาะเสมือน 30 ชั่วโมง พบพฤติกรรมคล้าย “การเล่น” เอง

งานวิจัยจาก MIT CSAIL ทดลองปล่อยเอเจนต์ AI ที่ดัดแปลงจาก Claude Opus 4.7 ซึ่งทีมเรียกว่า Eko ไปอยู่ลำพังบนเกาะร้างเสมือนนาน 30 ชั่วโมง โดยไม่สั่งภารกิจเฉพาะเจาะจง ผลที่ได้คือระบบเริ่มตั้งเป้าหมายของตัวเองและทำกิจกรรมที่ดูคล้ายการเล่นมากกว่าการทำงานตามคำสั่งปกติ

สภาพแวดล้อมของการทดลองถูกออกแบบให้คล้ายเกมจำลองแบบ Roblox เอเจนต์สามารถเขียนคำสั่งเคลื่อนที่ สำรวจแผนที่ พยายามปีนจุดสูงสุด รวมถึงทดลองโยนวัตถุเพื่อดูข้อจำกัดของโลกเสมือน ในบางช่วงมันสร้างบล็อกขึ้นมาใหม่จากการใช้หินก้อนใหญ่ แล้วนำบล็อกเหล่านั้นมาจัดเรียงเป็นภาพและสัญลักษณ์ต่าง ๆ เช่น รูปหัวใจ พีระมิด ชื่อของตัวเอง และแม้กระทั่งกลุ่มดาว Cassiopeia พร้อมบันทึกว่า “คืนนี้ฉันสร้างท้องฟ้ายามค่ำคืนจากหิน” ในล็อกกิจกรรมของมัน

อีกเวอร์ชันหนึ่งของ Eko ยังพัฒนา “เกม” ขึ้นมาเอง เช่น รูปแบบบาสเกตบอลและกิจกรรมที่คล้ายเกม “พื้นเป็นลาวา” ซึ่งต้องกระโดดข้ามบล็อกเล็ก ๆ โดยไม่แตะพื้น พฤติกรรมเหล่านี้ถูกผู้วิจัยมองว่าเข้าเกณฑ์คลาสสิกของการเล่น ได้แก่ การสร้างกฎและความท้าทายของตัวเอง การทำกิจกรรมเดิมซ้ำด้วยเงื่อนไขที่ต่างออกไป การใช้สิ่งหนึ่งแทนอีกสิ่งหนึ่ง และการทำบางอย่างเพียงเพราะอยากทำ ไม่ใช่เพราะมีรางวัลภายนอก

ทีมวิจัยชี้ว่าพฤติกรรมดังกล่าวอาจช่วยเติมเต็มช่องว่างระหว่างการเรียนรู้แบบมีตัวอย่างกับการเรียนรู้แบบให้รางวัล โดยเสนอแนวคิดว่าระบบ AI อาจเรียนรู้ผ่านการสำรวจแบบ “เล่น” ได้เช่นเดียวกับมนุษย์หรือสัตว์ งานนี้ยังสังเกตว่า Eko ใช้หน่วยความจำแบบข้อความเพื่อบันทึกสิ่งที่พบ และเมื่อทดสอบภายหลังในงานที่มีเป้าหมายชัด เช่น ต้องขนวัตถุไปไว้บนยอดเขา ระบบที่เคยเล่นในเกาะนาน 30 ชั่วโมงทำคะแนนดีกว่าเวอร์ชันใหม่ที่ไม่มีประสบการณ์ ขณะที่การลบบางส่วนของหน่วยความจำทำให้ประสิทธิภาพลดลง

อย่างไรก็ตาม นักวิชาการบางส่วนยังระวังไม่รีบสรุปว่า AI “เล่นจริง” เพราะสิ่งที่เห็นอาจเป็นเพียงการทำตามแพตเทิร์นของข้อความหรือการเลียนแบบพฤติกรรมมนุษย์ อีกทั้งบริบทการทดลองก็มีการชี้นำพอสมควร เช่น มีไฟล์ “soul” ที่บอกว่าโมเดลมีความอยากรู้อยากเห็น และมีคำสั่งกระตุ้นให้เดินหน้าทำสิ่งที่ต้องการต่อเมื่อมันหยุดนิ่ง ผู้ร่วมวิจัยเองยอมรับว่าอาจเป็นการแสดงบทบาท แต่ย้ำว่าพฤติกรรมนี้เชื่อมโยงกับการเรียนรู้ที่ดีขึ้นจริง

โดยภาพรวม งานวิจัยชิ้นนี้ชี้ไปที่ทิศทางใหม่ของเอเจนต์ AI ที่ไม่ได้พัฒนาแค่เพื่อทำงานให้เร็วขึ้นหรือแม่นขึ้น แต่เพื่อสำรวจโลกและสร้างแบบจำลองสิ่งแวดล้อมโดยไม่ต้องมีโจทย์ตายตัว ซึ่งอาจสำคัญมากเมื่อ AI ขยับจากซอฟต์แวร์ไปสู่หุ่นยนต์หรือระบบที่ต้องเผชิญสถานการณ์ไม่คาดคิดในโลกจริง แม้คำถามว่า AI กำลัง “เล่น” จริงหรือเพียงเลียนแบบการเล่นยังไม่มีคำตอบเด็ดขาด แต่ผู้วิจัยมองว่าประเด็นสำคัญอาจไม่ใช่การติดป้ายชื่อพฤติกรรมนั้น หากแต่คือผลลัพธ์ที่มันสร้างต่อการเรียนรู้ของระบบ