Un grupo de investigadores del MIT publicaron el 5 de octubre de 2026 un artículo con el título Is this machine playing? (¿Está funcionando esta máquina?)
Metodología
Los investigadores crearon un agente de IA –al que llamaron Eko– en un entorno virtual casi vacío. Le dotaron de un cuerpo virtual que podía moverse, saltar, recoger y lanzar objetos, así como de una memoria persistente en forma de archivos de texto. En la isla había plataformas a distintas alturas, doce cubos, una roca y un anillo.
El experimento incluyó trece agentes independientes, cada uno de los cuales permaneció en ese entorno durante 30 horas. Sin mencionar tareas, recompensas ni actividades específicas, realizaron distintas actividades bajo una premisa: ser curiosos, explorar y aprender. Cada hora se reiniciaba la sesión del agente y el estado de la isla, pero se conservaban los archivos de memoria, las notas y los programas creados por los agentes. Esta configuración les permitió estudiar cómo la experiencia registrada influía en el comportamiento posterior de los agentes.
Los trece agentes realizaron actividades diversas: uno escaló colinas, registrando las rutas paso a paso; otro, apiló bloques para formar torres; otro, inventó una versión de los bolos usando una roca como bola y los cubos como bolos; otro, jugó al baloncesto empleando el aro y una roca…
Los investigadores analizaron el comportamiento de los agentes bajo los criterios clásicos del juego:
- Reglas y desafíos autoimpuestos: Los agentes introdujeron obstáculos innecesarios para alcanzar objetivos inventados por ellos mismos (por ejemplo, rodear una construcción saltando entre bloques sin tocar el suelo).
- Repetición con variación: Las actividades reaparecían, pero cambiaban de forma o aumentaban en complejidad (por ejemplo, un agente construyó figuras sobre el suelo en veinticinco sesiones consecutivas, variando deliberadamente los motivos).
- Transformación simbólica de objetos: El anillo adquirió diferentes funciones (un aro de baloncesto, un collar o un pozo de los deseos).
- Actividades realizadas por sí mismas, sin una recompensa externa: Los agentes se proponían objetivos y exigían cumplirlos, incluso cuando nadie los evaluaba (por ejemplo, uno comprobó que su supuesto récord de 50 ciclos de malabares no era válido. Había recuperado los cubos antes de que llegaran a volar y, por eso, anuló el resultado y repitió el intento con reglas más estrictas). Los autores consideran que este comportamiento presenta rasgos de actividad autotélica, es decir, realizada como un fin en sí misma.
Resultados
Concluido el experimento, los investigadores compararon a los trece agentes experimentados con otros tantos que compartían el mismo modelo y arquitectura, pero sin la experiencia previa en la isla. Evaluaron su rendimiento en cuatro tareas: construir el mayor número posible de torres de cinco bloques, colocar objetos sobre la elevación más alta, construir la torre más alta y lanzar un bloque hasta esa elevación sin subir a ninguna plataforma.
Los agentes experimentados obtuvieron mejores resultados, aunque la ventaja no apareció en todas las pruebas. Por ejemplo, colocaron una media de 10,3 objetos sobre la elevación más alta, frente a 3,5 en el grupo sin experiencia. En cambio, ambos grupos alcanzaron resultados similares en la construcción de la torre más alta.
Las diferencias entre los grupos residían en el contenido de sus archivos de memoria. Para comprobar su influencia, los investigadores eliminaron selectivamente referencias a determinadas técnicas y repitieron las evaluaciones. Al borrar de la memoria de un agente la técnica de generar cubos adicionales mediante impactos suficientemente fuertes de la roca, su producción media de torres de cinco bloques pasó de seis a dos.
La memoria también podía perjudicar el desempeño. Un agente había registrado la creencia errónea de que la acción de colocar bloques no permitía apilarlos de forma fiable y que debía lanzarlos en su lugar. Al eliminar las referencias a esa creencia, mejoró su resultado en la construcción de la torre más alta.
Los resultados muestran que es posible intervenir sobre parte del conocimiento adquirido por los agentes. También revelan una limitación: los archivos pueden conservar técnicas útiles, pero también errores que condicionen las actuaciones posteriores.
Conclusión
Este estudio sugiere que, bajo determinadas condiciones, una máquina suficientemente capaz puede generar su propia agenda de actividades, inventar reglas y atribuir funciones simbólicas a los objetos, al tiempo que adquiere conocimientos reutilizables, que la vuelven más competente.
A partir de los resultados surgen dos cuestiones: ¿puede el juego convertirse en una vía de desarrollo de agentes de IA más abierta y menos dependiente de tareas y recompensas externas? ¿Cómo diseñar memorias que permitan conservar lo aprendido sin perpetuar falsas creencias?
