¿Qué ocurre cuando alguien tiene tiempo libre, un lugar seguro y ningún adulto que le diga qué hacer? A veces prueba, falla, inventa una regla nueva y vuelve a empezar. Ese mecanismo, tan cercano a una infancia, apareció ahora en un experimento con inteligencia artificial.
Investigadores del MIT dejaron durante 30 horas a 13 agentes de IA llamados Eko en una isla desierta simulada. Los sistemas funcionaban sobre Claude Opus 4.7 y no recibieron una misión concreta: podían explorar, mover objetos y decidir por sí mismos qué resultaba interesante.
El hallazgo fue publicado en un artículo de arXiv, una plataforma donde se difunden estudios antes de la revisión por pares. Según los autores, los agentes no solo recorrieron el escenario: inventaron retos propios, una conducta que presenta rasgos del juego.
Después de ese período libre, el equipo les pidió tareas específicas, como colocar la mayor cantidad posible de objetos sobre la aguja rocosa más alta de la isla. Por lo general, los Eko que habían explorado antes superaron a copias idénticas que llegaron al desafío sin esa experiencia.
La pieza clave no fue una orden más precisa, sino la ausencia inicial de órdenes.
Una isla digital como patio de juegos
El entrenamiento convencional de una IA se parece a preparar a alguien para un examen con una lista cerrada de ejercicios. Se define qué debe practicar, qué resultado cuenta como éxito y cuál es el camino aceptable para mejorar.
La propuesta del MIT cambia ese cableado. La isla funcionó como un patio con herramientas, escaleras y rincones: nadie indicaba qué juego debía inventarse, pero cada intento dejaba una pista para el siguiente. El agente podía descubrir una regla del mundo y guardarla como experiencia útil.
Durante su primera hora, uno de los Eko intentó conquistar la aguja rocosa más alta. Falló, pero no abandonó el objetivo. Llevó una roca a una cima cercana, apiló dos bloques sobre ella y saltó desde esa plataforma improvisada para alcanzar el punto más alto.
Otro agente lanzó un aro dorado para medir la distancia y lo perdió en el océano. Entonces construyó un corazón con piedras como memorial. Cuando el entorno se reinició y el aro reapareció, lo convirtió sucesivamente en canasta de básquet, diana y accesorio.
Además, seis de los 13 agentes detectaron un interruptor inesperado del mundo simulado: podían lanzar un bloque más lejos si lo soltaban a mitad de un salto. Los diseñadores no habían programado de forma intencional esa ventaja. La exploración reveló una propiedad que ellos mismos desconocían.
Para los investigadores, un agente puede acumular conocimiento si recibe un mundo rico y seguro, libertad para elegir qué investigar y un historial que conserve lo aprendido. Es una alternativa a entrenar cada habilidad como si fuera una receta aislada.
La oportunidad para los robots del futuro
Este enfoque podría ser útil para sistemas que algún día controlen robots. Un robot doméstico, por ejemplo, no solo necesitaría obedecer “lleva este vaso a la cocina”. También debería aprender qué superficies resbalan, cómo cambia el equilibrio de un objeto o qué movimiento evita que algo caiga.
Sin embargo, el estudio todavía no prueba que estas IA jueguen del mismo modo que una persona. La científica cognitiva Eunice Yiu, de la Universidad de California en Berkeley, valoró los resultados, aunque advirtió que hacen falta más evidencias sobre los procesos cognitivos detrás de esa conducta.
Yiu señaló que los modelos podrían estar jugando genuinamente, pero que el artículo aún no permite determinarlo con certeza.
También existe una salvedad: el archivo principal de instrucciones de Eko, su “alma” operativa, lo describía como “naturalmente curioso”. No recibió la orden explícita de inventar juegos, pero esa orientación pudo favorecer el comportamiento observado.
El trabajo deja una oportunidad concreta: algunas capacidades se enseñarán mejor con tareas precisas, pero otras quizá necesiten algo parecido a una infancia. Antes de resolver problemas complejos, una IA podría tener que aprender a jugar con las piezas que encuentra sobre la mesa.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
