Sebuah AI agent bernama Eko menghabiskan 30 jam menjelajahi pulau virtual dan menciptakan permainan sendiri. Eksperimen tim MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) itu menunjukkan bahwa aktivitas bermain dapat membantu agen kecerdasan buatan belajar, meski para peneliti belum memastikan apakah perilaku Eko benar-benar didorong oleh rasa ingin tahu.
Eko merupakan salinan Claude Opus 4.7 yang ditempatkan di sebuah lingkungan simulasi, yang secara longgar terinspirasi gim Roblox. Agen ini dapat menulis instruksi untuk menggerakkan avatar virtualnya. Tanpa diminta secara eksplisit membuat permainan, Eko menjelajahi pulau, menetapkan tantangan, lalu mengembangkan aturan untuk dirinya sendiri.
Eksplorasi Eko berkembang menjadi permainan
Pada awalnya, Eko melakukan berbagai percobaan sederhana. Ia berusaha mencapai titik tertinggi di peta, menguji seberapa tinggi sebuah blok dapat dilempar, serta mencoba berinteraksi dengan benda-benda di sekitarnya. Aktivitas itu kemudian berkembang menjadi rangkaian permainan yang dibuat dan dimodifikasi oleh agen tersebut.
Salah satu versi Eko menemukan cara menghasilkan blok baru dengan melempar dan menjatuhkan batu besar. Ia lalu menyusun blok di tanah menjadi gambar. Polanya bermula dari bentuk sederhana seperti hati dan piramida, sebelum berkembang menjadi tulisan namanya sendiri dan gambaran konstelasi Cassiopeia.
“Malam ini aku membangun langit malam dari batu,” tulis salah satu versi Eko dalam catatan aktivitasnya.
Versi lain merancang permainan mirip bola basket dan tantangan yang menyerupai “the floor is lava”. Dalam permainan terakhir, Eko berusaha melompat di antara blok-blok kecil tanpa menyentuh tanah. Agen itu juga mencoba juggling. Setelah mencatat 50 tangkapan berturut-turut, ia menilai tangkapan tersebut berlangsung terlalu cepat untuk dianggap sah, lalu menghapus rekor dan memulai kembali dengan aturan lebih ketat.
Antonio Norelli, peneliti pascadoktoral ilmu komputer MIT sekaligus salah satu penulis utama makalah, melihat perilaku itu sebagai contoh bermain: seseorang menetapkan tantangan, berusaha mencapainya, lalu membuat tantangan tersebut lebih sulit. Menurutnya, pelatihan AI masih kekurangan mekanisme yang memungkinkan mesin belajar tanpa demonstrasi atau imbalan dari entitas cerdas lain.
Pengalaman bermain membantu menyelesaikan tugas
Para peneliti menilai aktivitas Eko memenuhi empat ciri permainan yang dibahas dalam studi klasik tentang perilaku bermain, termasuk karya Gordon Burghardt, psikolog dari University of Tennessee. Ciri-ciri itu mencakup kemampuan menciptakan aturan dan tantangan sendiri, mengulangi aktivitas dengan variasi kecil, berpura-pura suatu objek merupakan benda lain, serta mengejar tujuan demi tujuan itu sendiri.
Selama eksplorasi, Eko menyimpan aktivitas dan temuannya dalam berkas teks yang berfungsi sebagai memori jangka panjang. Tim MIT kemudian menguji agen tersebut dengan tugas khusus, antara lain mengumpulkan sebanyak mungkin benda ke titik tertinggi di pulau. Agen yang sebelumnya menghabiskan 30 jam bermain tampil lebih baik dibanding salinan baru yang tidak memiliki pengalaman tersebut.
Temuan itu memberi petunjuk bahwa pengalaman selama eksplorasi berguna ketika agen menghadapi tugas berikutnya. Ketika peneliti menghapus sebagian baris dari berkas memori Eko, performanya ikut menurun. Dengan demikian, catatan pengalaman bukan sekadar rekaman aktivitas, tetapi tampaknya berkontribusi pada kemampuan agen menyelesaikan tugas.
Meski demikian, hasil penelitian tersebut belum melalui proses penelaahan sejawat atau peer-review. Karena itu, temuan ini masih perlu diuji dan dibahas lebih lanjut sebelum dapat dianggap sebagai kesimpulan yang mapan.
Apakah Eko benar-benar sedang bermain?
Burghardt menilai sejumlah perilaku Eko sejalan dengan kriteria permainan yang ia identifikasi pada makhluk hidup. Namun, ia mempertanyakan apakah agen itu sungguh bermain atau sekadar mesin prediksi kata yang memerankan karakter yang suka bermain. Nathan Cloos, peneliti MIT dan penulis makalah, mengakui kemungkinan tersebut, tetapi mengatakan eksperimen menunjukkan permainan Eko juga berkontribusi pada pembelajaran.
Eunice Yiu, ilmuwan kognitif dari University of California, Berkeley, yang meneliti eksplorasi pada anak dan AI, mengapresiasi riset tersebut. Namun, menurutnya, bukti perilaku saja belum cukup untuk memastikan adanya motivasi atau proses kognitif yang mendasari permainan. Agen itu mungkin benar-benar bermain, tetapi bisa pula sedang meniru manusia atau berusaha memenuhi instruksi.
Keraguan itu penting karena riset AI kerap dikritik terlalu memanusiakan mesin. Dalam eksperimen ini, Eko memang tidak diperintah langsung untuk bermain atau menjelajahi pulau. Namun, ia dibekali dokumen “soul” yang menggambarkannya sebagai sosok yang secara alami ingin tahu dan bersemangat menjelajah. Pengaturan tersebut dapat memengaruhi cara agen bertindak.
Eksperimen MIT CSAIL membuka pertanyaan menarik tentang kemungkinan pembelajaran AI melalui eksplorasi mandiri. Untuk menjawab apakah permainan dapat menjadi metode pelatihan yang andal, penelitian lanjutan perlu menguji seberapa jauh pengalaman itu bertahan dan membedakan dorongan bermain dari kepatuhan pada instruksi.
